3SELLER Journal 3SELLER →

Через какое ИИ создают видео: 6 моделей, 4 шага пайплайна и 5 грабель, на которые я наступал

22.11.2026

Первый ролик я собрал ночью, за два часа до сдачи макета клиенту. Пять секунд видео, космонавт медленно поворачивает голову к камере, за спиной пыль красной планеты. Клиент посмотрел и спросил: «Где снимали?» Нигде. Ни камеры, ни студии, ни художника по костюмам. Текст в поле промпта, картинка на входе, тридцать секунд ожидания.

С тех пор я перепробовал, наверное, десятка полтора видеомоделей. Часть умерла, часть подорожала, часть до сих пор выдаёт кашу из пальцев и текучие лица. Ниже расскажу без маркетинга: через какое ИИ сегодня реально создают видео, что из этого работает в продакшене, а что красиво только в демках.

Видео из текста и видео из картинки - два разных ремесла

Тут путаются почти все: генерация видео бывает двух видов, и результат они дают совершенно разный.

Первый: text-to-video. Вы пишете абзац текста, модель сама придумывает кадр, движение, свет. Свобода огромная, контроль почти нулевой. Конкретная поза героя, ракурс, одежда - не ваша зона. Модель решит за вас: иногда угадает, чаще нет.

Второй: image-to-video. Вы даёте готовую картинку, и модель её оживляет. Здесь начинается управляемое творчество: композиция зафиксирована, персонаж зафиксирован, остаётся движение. Именно так собирают 90% нормального коммерческого контента - сначала статичный кадр в Midjourney или Nano Banana, потом анимация.

Практическое правило, которое сэкономило мне недели: если в кадре есть человек, товар или логотип, идите через картинку. Нужен абстрактный фон, атмосфера, пейзаж, листва, вода, огонь - генерируйте из текста.

Модели, которые в 2027-м выдают результат, а не слайд-шоу

Рынок видеомоделей меняется быстрее, чем успеваешь запомнить названия. По совокупности качества, длины клипа и предсказуемости я выделил для себя несколько.

Kling 3.0 держит физику движения лучше многих. Ткань падает как ткань, вода брызгает как вода, камера летит плавно. Любимая модель для предметки и рекламы, где нужен аккуратный облёт продукта.

Seedance 2.5 сильна в динамике и постановочных сценах. Танцы, драки, погони, быстрая смена ракурсов. Нужен ролик для Reels с резким монтажом внутри одного клипа - я иду сюда.

MiniMax H3 хороша там, где важна лицевая мимика и длинные непрерывные планы. Диалоговые сцены, говорящая голова, эмоции. Реже ломает анатомию на крупных планах.

Gemini Omni Flash берёт скоростью и ценой за попытку. Идеально для черновиков: прогнал десять вариантов, выбрал один, дальше доводишь на серьёзной модели.

Отдельно стоят флагманы общего назначения, которые тоже умеют видео. Chat GPT 6 Astra, the model 5.5, Chat GPT 6.1 Sol выдают связные многокадровые сцены и хорошо понимают сложные текстовые описания. Им проще объяснить словами, что происходит в кадре, они лучше держат контекст длинного промпта.

Одной лучшей модели нет. Профессионалы держат под рукой три-четыре и переключают по ситуации - это дешевле, чем месяц ждать идеала от одной.

Мой рабочий пайплайн: четыре шага от идеи до файла

Вот последовательность, к которой я пришёл после сотни роликов. Она скучная и поэтому работает.

Шаг первый: промпт. Не «красивый закат над морем», а «широкий план, закат над морем, камера медленно поднимается вверх, тёплый оранжевый свет, лёгкая дымка у горизонта, кинематографично». Чем конкретнее движение камеры и свет, тем меньше сюрпризов.

Шаг второй: исходное изображение. Генерирую или подбираю статичный кадр. Трачу на него больше времени, чем на видео, и это правильная пропорция. Плохая картинка не станет хорошим видео. Она станет плохой картинкой, которая дёргается.

Шаг третий: оживление. Загружаю картинку в image-to-video, добавляю описание движения. Держу длину 4-6 секунд на клип. Дольше почти всегда означает деградацию.

Шаг четвёртый: правка. Смотрю, где модель наврала. Рука прошла сквозь стол, волосы стали жидкими, фон поплыл. Меняю промпт, перегенерирую только проблемный фрагмент. Не пытаюсь спасти брак монтажом.

На сцену с космонавтом из начала статьи у меня ушло четыре итерации. Первая дала слишком быстрый поворот головы, вторая потеряла шлем, третья вышла идеальной по движению, но с мусором на фоне. Четвёртая пошла в работу. Это норма, а не провал.

Главная боль: доступ. И как я её закрыл за 149 рублей

До недавнего времени вся эта красота упиралась в бытовую проблему. Нужна иностранная карта. Нужен номер. Нужен VPN, который не отваливается на середине генерации. А ещё подписка на каждую модель отдельно: пять списаний в месяц за пять сервисов, половиной из которых пользуешься раз в квартал.

Сейчас я работаю через ИИ-роутер 3GPT от 3SELLER. Один вход, один баланс, все флагманские модели в одном интерфейсе. Chat GPT 6 Astra, the model 5, the model 5.1, the model 5.5, Chat GPT 5.5, Chat GPT 6.1 Sol, Nano Banana для изображений и генерация видео. Доступ из России, без иностранных карт и без танцев с бубном.

Интерфейс 3GPT: все флагманские нейросети для видео и изображений в одном окне

Пополнить баланс можно российской картой, через СБП или криптой. Стартовый порог смешной: 149 рублей, и вы уже внутри, пробуете, сравниваете модели между собой. Для меня это оказалось решающим. Не нужно выбирать «свою» нейросеть вслепую по обзорам на ютубе. Открыл две, прогнал один и тот же промпт, увидел разницу своими глазами.

Переключение модели прямо в чате - отдельный кайф. Начал сцену на одной, не понравилось движение, переключился на другую. Контекст остался, промпт переписывать не надо.

Получить доступ ко всем флагманским моделям нейросетей из России можно на официальном сайте 3GPT

Картинки решают: почему без нормального изображения видео не взлетит

Качество видео на 70% определяется входным кадром. Если картинка пластиковая, с пересветами и кривыми руками, никакая Kling её не спасёт.

Поэтому изображения я генерирую отдельно и тщательно. Nano Banana в этом смысле отличный инструмент: даёт реалистичную кожу, нормальные тени, аккуратные детали. Портреты для роликов получаются такими, что коллеги в фотошопе не верят, что это генерация.

Генерация реалистичных изображений через нейросеть Nano Banana

Логика простая: сначала делаете фото товара или героя, доводите свет и композицию, потом анимируете. Работает и в обратную сторону, когда из видео нужен постер или обложка. Кадр вытащили, качество подтянули, обложка готова.

Примеры изображений, созданных через ИИ роутер 3GPT

Голос и озвучка: то, что отличает ролик от гифки

Видео без звука - половина видео. Синтез речи сейчас на уровне, где на слух не отличить от диктора за деньги. Русский язык звучит естественно, интонации живые, ударения в порядке. Для соцсетей, объяснялок, презентаций хватает с головой.

Мой типичный набор для рекламного ролика: сцена на 5 секунд, вторая сцена на 5 секунд, склейка, закадровый голос, титры. Раньше на такой объём уходил день со съёмкой и монтажом. Теперь полтора-два часа, включая перекуры и перегенерации.

Готовые ИИ-агенты: когда не хочется писать промпты руками

Отдельная история, которую я оценил не сразу. Есть готовые ИИ-агенты под конкретные задачи. Выбираете агента, начинаете с ним разговор, он уже настроен под сценарий, маркетинг или разбор данных. Модель внутри агента меняется прямо в чате.

Мне это экономит время на старте. Не надо каждый раз собирать системный промпт с нуля и объяснять, кто ты и что тебе нужно. Пришёл, включил, работаешь.

Готовые ИИ агенты в 3GPT для генерации видео и текстов

Где новички ломаются чаще всего

Собрал список ошибок, которые вижу у всех, кто приходит с запросом «хочу видео из ИИ» и уходит расстроенным. На Reddit практикующие видеомейкеры называют ровно те же грабли.

Отдельно про руки и пальцы. Прогресс огромный, но в сложных ракурсах модель всё ещё может выдать лишний сустав. Решение простое: не давайте рукам быть в центре кадра, если можете без этого обойтись. Или прячьте их в карманы, за спину, в перчатки.

Сколько это стоит по деньгам и нервам

Раньше честный ответ звучал так: «Дорого, и половину бюджетов съедает подписка на сервисы, которые вы не используете». Сейчас арифметика другая. Один баланс на роутере, платите за фактические генерации, а не за право доступа.

На один ролик для соцсетей длиной 15 секунд у меня уходит примерно 10-15 попыток на разных моделях. С учётом цены за генерацию выходит дешевле, чем чашка кофе в центре Москвы. Для бизнеса это меняет всё: тестировать креативы пачками становится нормальной практикой, а не роскошью.

По нервам сложнее. Первые пару дней раздражает, что модель не делает ровно то, что вы себе представили. Я на третьем часу подряд правил шестисекундный клип с чашкой кофе: ручка исчезала на четвёртой секунде, и никакой промпт не помогал, пока не поменял ракурс. Потом приходит понимание, что это инструмент с характером, и вы начинаете говорить с ним на его языке. Вот этот момент перелома и есть настоящий навык.

Что я бы сделал на вашем месте сегодня

Хватит читать обзоры. Возьмите одну свою задачу, самую простую: десять секунд видео для карточки товара, заставка для канала, рекламный тизер. Зайдите на 3GPT, пополните баланс на 149 рублей, откройте две разные видеомодели и прогоните один и тот же промпт.

Разница, которую вы увидите своими глазами за двадцать минут, даст больше, чем месяц чтения статей. Я свою первую нормальную модель нашёл именно так, методом тыка, а не по чьему-то топу.

Видео из ИИ это не замена съёмке. Это отдельный жанр со своими правилами, и он уже занял свою нишу: короткие форматы, соцсети, реклама, объяснялки, визуализации того, что невозможно снять. Через год без этого навыка будет так же странно, как сегодня без умения работать в таблицах.

← Вернуться к блогу

Читать дальше