3SELLER Journal 3SELLER →

Как создать мультик с помощью нейросети: 7 шагов, 5 вечеров и 500 рублей - маршрут без волшебной кнопки

22.11.2026

Первый мультик я собрал за четыре вечера. Три минуты, кот-сантехник, 47 сгенерированных кадров, из которых в финал ушло двенадцать. Бюджет всей затеи, вместе с озвучкой и музыкой, вышел в районе 400 рублей. Не Pixar, но дети посмотрели два раза подряд, а это самый честный тест.

С тех пор прошло полтора десятка проектов: рекламные ролики для клиентов, короткие серии для соцсетей, обучающие мультики для детского приложения. Схема каждый раз одна и та же, меняются только инструменты. Ниже она без магии и без обещаний, что нейросеть всё сделает сама.

Мультик собирается из семи кирпичиков, а не одной кнопкой

Люди приходят с запросом «как создать мультик с помощью нейросети» и ждут волшебную кнопку. Кнопки нет. Есть конвейер из семи этапов: идея, сценарий, генерация изображений, оживление кадров, озвучка персонажей, музыка и звуки, монтаж. Каждый этап закрывается отдельной моделью, и на каждом реально сэкономить время.

Пропорции такие: 90% работы делает ИИ, оставшиеся 10% - ваш вкус и руки. Отбор кадров, правки промтов, ритм монтажа. Именно эти 10% отличают смотрибельный мультик от слайд-шоу с моргающими персонажами.

Идея и сценарий: здесь нейросеть экономит больше всего

Начинать с картинок - самая частая ошибка новичков. Красивые кадры без сценария дают на выходе набор открыток. Сначала текст.

Я работаю так: даю чату вводные (жанр, аудитория, длина, мораль) и прошу не сценарий, а десять вариантов логлайна по одному предложению. Выбираю два, развиваю. Дальше прошу раскадровку таблицей: номер сцены, что в кадре, реплики, длительность. Такая таблица становится техзаданием для генерации картинок, и жить сразу проще.

Отдельно прошу описание персонажа в формате, который не стыдно скопировать в промт: возраст, телосложение, одежда, две-три характерные детали, цветовая гамма. Скажем, плюшевый медведь-механик, 40 см ростом, оранжевый комбинезон с заплаткой на колене, вечно перепачканные маслом лапы, большие круглые очки. Чем конкретнее описание, тем стабильнее герой в кадрах.

Хороший сценарий для ИИ-мультика подчиняется простому правилу: одна сцена - одно действие. Не «герой идёт по улице, вспоминает детство и встречает друга», а три отдельные сцены. Модели генерации видео плохо переваривают сложные сюжеты в одном кадре.

Персонаж должен быть зафиксирован, иначе всё развалится

Вы сгенерировали милого лисёнка, через двадцать кадров он превратился в другого лисёнка, а к финалу и вовсе в собаку. На Reddit в ветках про ИИ-анимацию это называют болью номер один у новичков. Лечится референсами.

Сначала делаю эталонный портрет: крупный план, нейтральный фон, ровный свет. Дальше прикрепляю его референсом к каждой генерации. В продвинутых интерфейсах есть отдельный параметр референса стиля: один держит внешность, второй подтягивает художественную манеру. Комбинация из двух картинок на входе даёт куда более предсказуемый результат, чем сто раз переписанный промт.

Второй лайфхак: фиксируйте не только героя, но и палитру. Пропишите в каждом промте три-четыре цвета через запятую. Приглушённый зелёный, тёплая охра, кремовый - такой набор держит настроение всей серии, даже если сцены генерировались в разные дни и в разном настроении.

Картинки: стиль важнее фотореализма

Для мультика фотореализм почти всегда вредит. Он ставит зрителя в зону «почти настоящее», и любой ляп в анимации сразу бросается в глаза. Стилизованная манера прощает гораздо больше.

Проверенные направления: плюшевый 3D в духе Pixar, плоская 2D-графика с толстым контуром, акварель с зерном бумаги, пластилиновая фактура. Первые два проще всего оживлять, потому что модели видео обучены на похожем материале.

Композиция под анимацию должна оставлять место для движения. Один герой, один объект действия, читаемый фон. Если в кадре пять персонажей и толпа на заднем плане, при оживлении начнётся каша: у кого-то поплывёт лицо, у кого-то рука пройдёт сквозь тело.

Разрешение берите с запасом. Даже если финальный ролик вертикальный, генерируйте шире и потом кадрируйте. Обидно получить идеальную сцену, которую нельзя поставить в горизонтальную версию для ютуба.

Оживление кадров: где начинаются баги

Оживление статичной картинки в видео сегодня делают несколько моделей, и разница между ними не в маркетинге, а в поведении на конкретных сценах. Kling AI я люблю за скорость и предсказуемость в 3D-стилистике: поворот головы, шаг, моргание выходят с первого-второго раза. Сложные танцы и драки требуют терпения.

Промт к видео устроен иначе, чем к картинке. Здесь важны глаголы движения и направление камеры. Фраза «камера медленно наезжает, персонаж поворачивает голову вправо и улыбается» работает лучше, чем перечисление деталей внешности. Детали уже есть в исходном кадре.

Длительность одного фрагмента обычно 5-10 секунд. Не пытайтесь растянуть на 30: модель начнёт выдумывать лишнее и ломать анатомию. Лучше сделать больше коротких дублей и склеить их на монтаже.

Артефакты случаются при любом промте. Пальцы, украшения, мелкий текст, отражения. Планируйте запас по генерациям, примерно три дубля на один удачный кадр. И держите в голове правило монтажного спасения: проблемный фрагмент можно укоротить до полутора секунд, и зритель ничего не заметит.

Отдельная история - вертикальные ролики для Shorts и Reels. Там всё жёстче: движения крупнее, лица ближе, первый кадр обязан цеплять за полсекунды. Из горизонтального материала вертикаль почти не собирается, генерируйте сразу под нужный формат.

Как из обычной картинки сделать видео и не потерять героя

Технически всё просто: загружаете кадр, описываете движение, выбираете длительность, жмёте генерацию. Нюансы начинаются в настройках.

Первое: сила движения. Слишком высокое значение превращает персонажа в желе, слишком низкое даёт почти статичную картинку с лёгким покачиванием. Начинайте со среднего и поднимайте только там, где сцена этого требует.

Второе: трюк с первым и последним кадром. Если модель умеет принимать два изображения, можно задать начало и конец сцены, а движение она достроит сама. Это лучший способ показать переход: герой был у двери, оказался у стола, и никаких телепортаций в середине.

Третье: цикличность. Для фонов и повторяющихся действий (дождь, качающиеся деревья, огонь в камине) просите зацикленный фрагмент. Такой кусок потом крутится под диалогом сколько нужно, и не приходится генерировать минуту дождя.

Озвучка: голос делает половину характера

Синтез речи за последние два года прыгнул далеко. Модели вроде ElevenLabs дают живую интонацию, умеют клонировать голос по короткому образцу и держат эмоцию в пределах реплики. Для мультика это критично: одна и та же фраза с разной интонацией превращает героя из картонного в живого.

Мой порядок работы: сначала тест голоса на трёх фразах разной эмоции - радость, испуг, усталость. Если на испуге голос звучит смешно, беру другую модель. Потом записываю все реплики персонажа подряд в одном темпе, чтобы тембр не гулял между сценами.

Клонирование своего голоса открывает отдельный трюк: можно озвучить всех героев самому, меняя темп и высоту тона, а потом прогнать через модель. Дети такое слушают охотнее, чем чистую синтетику, потому что интонации живые.

Совет по миксу: под реплики всегда кладу фоновый слой тише на 15-20 дБ. Тишина между фразами в мультике звучит неестественно, будто запись оборвалась.

Музыка и звуки: то, что забывают все

Без звукового слоя мультик выглядит мёртвым, даже если картинка отличная. Шаги, скрип двери, шелест, удар, вздох. На каждый заметный жест в кадре должен быть звук, иначе мозг зрителя спотыкается.

Музыку проще генерировать под настроение сцены, а не под весь ролик сразу: двадцатисекундные фрагменты потом растягиваются и склеиваются на монтаже. Пропишите в запросе темп и инструменты, а не жанр. «Медленная мелодия на ксилофоне и контрабасе, 70 BPM, без ударных» даст предсказуемый результат, а «весёлая музыка» даст лотерею.

Монтаж: тут решается, будет это мультиком или набором клипов

Собираю в CapCut. Причина простая: субтитры, авто-подгонка ритма, быстрый экспорт под соцсети. Для серьёзных проектов есть более тяжёлые редакторы, но 90% мультиков для интернета спокойно собираются здесь.

В монтаже ИИ-мультика важны четыре вещи. Не давайте кадру висеть дольше трёх секунд без движения, если это не осмысленная пауза. Склейка должна попадать в бит музыки, иначе ролик кажется дёрганым. Цветокоррекция всех сцен в одном ключе, потому что генерации из разных сессий дают разную температуру света.

И четвёртое, самое недооценённое: черновой прогон без звука. Если история читается по картинкам, раскадровка удалась. Если нет, никакая озвучка не спасёт.

Первый кадр решает, досмотрят ли остальное

Статистика решается за первые полторы секунды, ещё до того как вы нажмёте экспорт. Поэтому первый кадр генерируйте отдельно и с особым старанием: крупное лицо, яркий контраст, движение в кадре. Не общий план с пейзажем, каким бы красивым он ни был.

Работающая схема для коротких серий: первая секунда - реакция героя на что-то невидимое, дальше объяснение. Такой приём держит внимание без единого слова, а вам экономит самый дорогой ресурс, время на раскадровку.

Доступ ко всем моделям из России без иностранных карт

Дальше начинается бытовая часть, о которой в туториалах молчат. Нужен чат для сценария, генератор картинок, модель для видео, синтез речи, музыка. Пять разных сервисов, у каждого подписка, каждый просит иностранную карту. У меня на старте половина вечеров уходила не на творчество, а на обход блокировок и пополнение балансов.

Сейчас я держу всё в одном месте через ИИ-роутер 3GPT от 3SELLER. Внутри доступ к флагманским моделям: Chat GPT 6 Astra, Chat GPT 5.5, Chat GPT 6.1 Sol, the model 5, 5.1 и 5.5, Nano Banana для изображений, генерация видео и многое другое. Тариф начинается от 149 рублей, пополнить баланс можно российской картой, через СБП или криптой. Никаких посредников с накруткой и ожидания по три дня.

Для мультика это удобно именно конвейером: в одном окне написал сценарий, там же собрал раскадровку, сгенерировал кадры, проверил, как они оживают. Не надо таскать промты между пятью вкладками и заново описывать персонажа на каждой платформе.

Интерфейс 3GPT с доступом к флагманским нейросетям

Про изображения отдельно. Для мультика важна не только модель, но и предсказуемость стиля. Генератор реалистичных изображений 3GPT нормально держит референс и не превращает героя в другого персонажа на десятом кадре. Для фонов и второстепенных сцен этого хватает с головой.

Пример генерации изображений в 3GPT

Примеры работ нейросети для мультика

Готовые ИИ-агенты закрывают рутину

Когда конвейер налажен, хочется ускорить скучное. Написать десять вариантов реплик для второго эпизода, придумать имена героям, разложить готовый сценарий по кадрам с указанием длительности.

Под это есть готовые ИИ-агенты под конкретные задачи. Выбираете агента, начинаете диалог, а модель меняете прямо в чате, если текущая не тянет. Мне зашло для сценариев: агент держит контекст серии и не забывает, что у кота-сантехника аллергия на собак. Мелочь, а именно на таких мелочах обычно и разваливается постоянство персонажа между чатами.

Готовые ИИ-агенты в 3GPT

Сколько это стоит по времени и деньгам

Реальные цифры с последнего проекта. Трёхминутный мультик, 14 сцен, два персонажа. Сценарий и раскадровка - один вечер. Генерация кадров - два вечера с учётом переделок, около 60 изображений. Оживление - вечер, 40 попыток на 14 удачных фрагментов. Озвучка и музыка - пара часов. Монтаж - три часа. Итого пять-шесть вечеров по два-три часа, если делать без спешки.

По деньгам на 3GPT вышло около 500 рублей с запасом на эксперименты. Для сравнения: подписка на один зарубежный видеогенератор стоит дороже, а моделей там ровно одна.

Что чаще всего убивает проект

Не качество моделей. Люди бросают на этапе, когда первые кадры получились кривыми. Всегда получается криво с первого раза, это норма, а не сигнал, что у вас руки не оттуда.

Второй убийца - размах. Первый мультик должен быть на минуту и про одну шутку. Не пытайтесь сразу делать десятиминутную сагу с пятнадцатью героями. Одна сцена, один герой, один конфликт, финал в одну фразу. Соберите это, посмотрите целиком, покажите трём людям. Работающий минутный ролик научит больше, чем месяц чтения гайдов.

И третье: не переписывайте промт двадцать раз, если кадр не выходит. Меняйте референс или ракурс. Модель видит картинку сильнее, чем текст, и проблема чаще в неудачном исходнике, а не в формулировке.

Начните с одного кадра прямо сегодня. Опишите героя, сгенерируйте портрет, оживите на пять секунд. Дальше пойдёт по накатанной, а весь конвейер с доступом к флагманским моделям живёт по этой ссылке.

← Вернуться к блогу

Читать дальше