Мультсериал перестал быть вопросом бюджета
Пять лет назад пилот на пять минут означал студию, художников, аниматоров и три месяца работы. Сегодня черновик серии собирается за вечер на кухонном столе. Рутину забрали нейросети, но не всю.
Рекламные ролики генераторов молчат об одном. Модель выдаст красивый кадр, а сериал держится не на кадре. Он держится на персонаже, которого зритель узнаёт в каждом следующем эпизоде. Здесь и ломается большинство проектов: главный герой к третьей сцене превращается в другого человека с другим лицом и другой курткой. Я видел десятки таких попыток создать мультсериал про ИИ-агента.
Ниже весь рабочий пайплайн, с цифрами и косяками. И место, где всё это брать из России без танцев с картами.
Сначала придумайте агента, а не мультик
Новичок открывает генератор и ищет «красивый стиль». Стиль вторичен. Первична функция персонажа.
ИИ-агент в мультсериале работает как любой комедийный герой: узкая специализация плюс ограничение, которое её ломает. Агент, который идеально пишет продающие тексты, но не понимает сарказм. Агент, который строит сайты за минуту, но каждую пятую страницу делает с кнопкой «купить» на весь экран. Агент, который рисует картинки и искренне уверен, что у людей шесть пальцев, потому что так было в обучающих данных.
Ограничение и есть двигатель серии. Без него выходит демо нейросети, а не история. На одной странице прописываю три вещи: что герой умеет лучше всех, чего категорически не понимает, и чего хочет, но не может получить из-за своего ограничения. Последнее даёт сезонную арку.
Конфликт берётся из воздуха вокруг. Агент против заказчика, который формулирует задачу как «сделай красиво, но не как в прошлый раз» - это золото. Диалоги на таком материале пишутся сами.
Одна серия это 8-12 сцен, не больше
Пятиминутная серия разбивается на 8-12 сцен по 15-30 секунд. Прихоть тут ни при чём, это ограничение технологии. Генераторы видео дают ролики от 8 секунд до 5 минут. Реально управляемый кусок, где вы держите композицию и мимику, редко превышает 10-15 секунд. Дальше модель живёт своей жизнью.
Поэтому сценарий пишется сразу под нарезку. Одна сцена - один промпт: локация, персонаж, действие, реплика. Двое говорят одновременно? Два прохода. Персонаж идёт и говорит? Отдельно движение, отдельно липсинк.
Мой формат: номер сцены, локация, тип кадра, действие, реплика, эмоция. Всё в одной таблице. Садишься за генерацию - таблица превращается в очередь задач, идёшь по строкам. Без таблицы начинается хаос и переделки.
Стиль фиксируется один раз на весь сезон
Генераторы мультфильмов из текста предлагают готовые наборы: сказочный, игровой, 3D, драматический, аниме. У Revid по умолчанию стоит 3D в стиле Pixar, есть ретро, плоская анимация, пластилин. Renderforest даёт похожий набор пресетов.
Для старта удобно, для сериала опасно. Пресет задаёт направление, а не консистентность, и единообразие между сценами не гарантирует. Стиль описываю текстом сам, 60-80 слов, и вставляю этот блок в каждый промпт без изменений: плоская 2D-анимация, палитра из четырёх цветов, толстый контур, крупные головы, условный фон, жёсткие тени.
Этот блок становится вашим художественным отделом. Меняете одно слово - меняется весь сезон. Проверяйте на трёх тестовых кадрах, прежде чем генерировать 12 сцен.
Персонаж, который не разваливается к третьей сцене
Главный вызов в создании ИИ-мультфильмов, и об этом честно пишут на Хабре: кадры должны выглядеть цельно, а персонаж не должен менять внешность на каждом шаге. Модели научились считывать движение с видео и подхватывать текстуры 2D-рисунков. Самую тупую часть работы всё равно делает человек.
Мой метод - character sheet. Один эталонный кадр: анфас и профиль, в полный рост, на нейтральном фоне. Дальше картинка идёт референсом во все генерации. Именно картинка, не текст. Описание «мужчина 30 лет, короткая стрижка, серая куртка» даёт вам тридцать разных мужчин.
Второй приём: не показывайте персонажа целиком там, где не надо. Крупный план лица и рук, кадр со спины, силуэт в дверном проёме, реакция через плечо. Режиссёрски сильнее и технологически дешевле. Полный рост в движении всегда риск.
Третий приём: постоянные детали. Один цвет куртки, одна кружка, один значок на груди. Мелкая якорная деталь держит узнаваемость, даже если лицо слегка уплыло.
Анимация: где именно ломается пайплайн
Сцена генерируется в два шага: статичный кадр, потом оживление. Пропускать первый шаг нельзя, иначе получите случайную композицию.
Для оживления нужны модели, которые понимают кинематографический язык. Gemini Omni Flash читает профессиональные обозначения: medium shot, dolly in, low angle. Пропишите реплики в кавычках и фоновые шумы - модель сама выдаст липсинк и объёмный звук без внешних утилит. Kling 3.0 Turbo хорош для быстрой 3D-анимации по тексту и по фото, стартует почти без настройки.
Грабли, на которые я наступал: размытие на быстром движении, дрожание камеры, которую никто не двигал, внезапная смена причёски на середине реплики. Лечится короткими кусками и генерацией с запасом. На одну принятую сцену уходит в среднем три попытки. Планируйте бюджет генераций с коэффициентом три.
Голос, музыка и субтитры собираются отдельно
Озвучку не отдавайте той же модели, что рисует. Отдельный голосовой синтез даёт стабильный тембр на весь сезон, а это важнее качества одной реплики. Один голос на персонажа, зафиксированный пресет, никаких импровизаций.
Музыка: одна тема на сериал плюс два-три вариативных лупа. Трек под каждую сцену превратит сезон в кашу из стилей.
Субтитры делайте в самом конце, после монтажа, и проверяйте руками. На именах собственных и технических терминах автоматика выдаёт такое, что стыдно выкладывать.
Из России всё это доступно без иностранных карт
Самая скучная часть, на которой у половины людей проект умирает: подписки, карты, региональные ограничения.
Работаю через ИИ-роутер 3GPT от 3SELLER. Единая точка доступа из России к флагманским моделям: 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, генерация видео и многое другое. Доступ от 149 рублей, иностранная карта не нужна. Пополнение российской картой, через СБП или криптой.
Для мультсериала это критично. Нужен не один инструмент, а связка: одна модель пишет сцены, другая генерирует кадры, третья оживляет, четвёртая делает голос. Пять подписок и пять способов оплаты - это не творчество, это бухгалтерия. Один баланс снимает вопрос.
Получить доступ ко всем флагманским моделям нейросетей из России можно на официальном сайте 3GPT - https://3seller.com/3gpt
Готовые ИИ-агенты закрывают рутину вокруг сериала
Вокруг сериала всегда есть работа, которую никто не любит: описания серий, посты, тайтлы, субтитры, тексты для площадок, ответы комментаторам.
Под это в 3GPT есть готовая штука - ИИ-агенты под задачи. Выбираете агента, начинаете общение, модель меняете прямо в чате, не переключаясь между вкладками. У меня это выглядит так: агент-сценарист разбирает идею на 12 сцен, я правлю, агент-редактор режет воду, агент-маркетолог пишет описание серии. Всё в одном окне.
Фраза «анимация ии агент» здесь работает дважды. Агент как инструмент производства и агент как главный герой. Симметрия экономит силы: пока пишешь шутки про нейросеть, она же их и генерирует.
Картинки и видео делаются в одном месте
Эталонные кадры персонажей, фоны, постеры серий, превью для площадок - всё генерируется через инструменты создания реалистичных изображений. Для мультсериала нужны не фотореалистичные лица, а стабильные стилизованные образы. Один референс гоняется через модель десятки раз, пока не получится нужный поворот головы.
Дальше кадры уходят в генерацию видео, оттуда в монтаж. Без промежуточных конвертаций и экспортов между пятью сервисами.
Мой пайплайн на одну серию, по шагам
- Концепт героя на одну страницу: суперспособность, ограничение, желание.
- Синопсис серии в 200 слов и разбивка на 10 сцен в таблице.
- Стилевой блок 60-80 слов, фиксируется и больше не меняется.
- Эталонный кадр персонажа, анфас и профиль, сохраняется как референс.
- Генерация статичных кадров всех сцен, по три попытки на каждую.
- Оживление короткими кусками по 8-15 секунд.
- Голос, музыка, шумы, черновой монтаж.
- Субтитры, финальная сборка, постер и описание серии.
По времени у меня выходит примерно два вечера на серию в пять минут. Первый вечер - сценарий, стиль и статичные кадры. Второй - анимация, звук и сборка. Без спешки и с перекурами.
Что у вас не получится с первого раза
Без розовых очков. Массовые сцены с толпой - почти гарантированный мусор. Монолог на 40 секунд без склеек - модель начнёт плыть. Сложные руки в крупном плане - считайте пальцы. Животные и дети в движении - самый высокий процент брака. В обсуждениях на Reddit аниматоры, пересевшие на генераторы, называют ту же тройку: толпа, длинный монолог, руки.
Обходится это режиссурой, а не технологией. Толпа заменяется тремя силуэтами и звуком. Монолог режется на три реплики с реакциями. Руки прячутся за кружкой, карманом или краем кадра. Дети и животные появляются редко и статично.
И ещё: не пытайтесь сделать всё одной моделью. Разные задачи требуют разных движков, и роутер тут экономит не деньги, а нервы. Когда под рукой весь набор флагманских моделей, вы меняете инструмент под задачу, а не задачу под инструмент.
Начните с одной сцены, а не с сезона
Самый быстрый тест - сделать одну сцену на 15 секунд целиком: кадр, движение, голос, звук. Не пилот, не первую серию, а один кусок.
Если после сборки этот кусок не противно смотреть - стиль и персонаж рабочие, масштабируйте на сезон. Если противно, вы потеряли вечер, а не три месяца.
Открывайте 3GPT, берите агента под сценарий, генерируйте эталонный кадр. Модели там уже собраны, иностранная карта не нужна, баланс пополняется через СБП за пару минут. Дальше всё зависит от того, насколько смешного агента вы придумали.