3SELLER Journal 3SELLER →

Создать видео через ИИ по фото: топ-6 моделей и промпты, которые оживят снимок за 5 минут

21.11.2026

На прошлой неделе ко мне обратился владелец небольшого мебельного цеха. Есть каталог из тридцати фотографий, нужно видео для соцсетей. Съёмочная команда - 150 тысяч за день. Нейросеть - ужин в кафе. Через сорок минут у него было шесть роликов: его диваны поворачиваются камерой, свет плавно скользит по обивке, в кадре чувствуется объём. Без камеры, без студии, без монтажёра.

Технология image-to-video перестала быть игрушкой. Свежие модели оживляют статичный кадр так, что зритель не всегда отличит результат от настоящей съёмки. Разбираю, как создать видео через ИИ по фото, какие модели с этим справляются, какие промпты дают нормальный результат с первого раза и что со всем этим делать тем, кто работает из России.

Что нейросеть делает с вашим фото на самом деле

Механика выглядит так. Модель анализирует изображение: распознаёт объекты, глубину сцены, освещение, текстуры. Затем строит гипотезу о том, как кадр мог бы двигаться: ветер трогает волосы, пар поднимается над чашкой, камера отъезжает назад. После этого генерирует новые кадры и вписывает их в структуру исходника. Работает как художник, который дорисовывает реальность поверх вашей фотографии.

Главная фишка актуальных версий - они не просто двигают пиксели, а сохраняют личность кадра. Лицо человека остаётся тем же лицом, логотип на футболке не плывёт, интерьер не перерисовывается по ходу ролика. Pollo AI прямо в описании своего генератора подчёркивает: движение людей, объектов и окружения сохраняется естественным и последовательным в каждом кадре. По-простому: ваша бабушка на анимированном фото останется вашей бабушкой, а не случайным дядькой с похожей причёской.

Вторая фишка - звук. Модели уровня Veo 3 генерируют аудиодорожку вместе с картинкой: шаги, шум города, дыхание, голос за кадром. Ролик из фото получается сразу готовым к публикации, без отдельной возни со звуком. Два года назад о таком можно было только мечтать - тогда картинка двигалась, а звук приклеивался руками в редакторе.

Видео по тексту или по фото: что выбрать под задачу

Два режима генерации конкурируют между собой, и выбор влияет на всё: на качество, на скорость, на количество попыток.

Text-to-video, генерация из описания, даёт полную свободу. Хотите город будущего - пожалуйста, хотите подводный рынок - ради бога. Но контроль над результатом ограниченный: модель каждый раз придумывает сцену заново, и ваш герой от генерации к генерации будет меняться.

Image-to-video, оживление по фото, работает иначе. Исходник задаёт якорь: персонажа, товар, локацию, свет. Модель придумывает только движение. Для бизнеса это критично - товар на ролике обязан выглядеть точно как на карточке, иначе теряется смысл. Для личных фото тоже: анимировать удаётся именно ваш снимок, а не похожий на него.

Мой рабочий расклад: если нужен свой продукт, своё лицо, конкретное место - только режим по фото. Если нужен абстрактный B-roll без привязки к реальности - можно и по тексту. Оба режима в одном интерфейсе держат многие современные площадки - и это правильная логика: зачем прыгать между инструментами, если задача одна.

Модели, которые делают видео из фото: кто сейчас в топе

Рынок сходится к нескольким флагманам, и вот кто реально справляется с оживлением снимков.

Агрегаторы вроде SeaArt собирают под одной крышей Veo 3, Sora 2, Kling и ещё десяток моделей: загрузил JPG или PNG до 20 МБ - и поехал. Между генераторами переключаешься без перехода на другие платформы. Рынок уже пришёл к очевидному выводу: пользователь не хочет десять подписок ради десяти моделей.

Тут вылезает проблема, о которой обзорные статьи молчат.

Барьер, о котором молчат обзоры: доступ из России

Все перечисленные сервисы зарубежные. Оплата - только иностранными картами, которых у большинства из нас давно нет. Ошибки платежа, списания без доступа, поддержка на английском, отвечающая через неделю, - стандартный маршрут любого, кто пытался оформить подписку напрямую.

Я прошёл этот квест сам. Несколько лет назад для доступа к топовым моделям приходилось держать запасную карту чужого банка, VPN и папку со скриншотами ошибок оплаты. С тех пор у зарубежных площадок мало что поменялось: валюта доллары, платёж через иностранный эквайринг, гарантий никаких.

Выход - роутеры, которые дают доступ к тем же флагманским моделям, но принимают российские деньги. Я работаю через 3GPT от 3SELLER: https://3seller.com/3gpt. Внутри собраны Chat GPT 6 Astra, Chat GPT 6.1 Sol, Chat GPT 5.5, Claude Fable 5 и Fable 5.1, Claude Opus 5.5, Nano Banana для изображений, плюс генерация видео и голоса. Баланс пополняется российской картой, через СБП или криптой. Порог входа - от 149 рублей за доступ к флагманам. Для сравнения: прямая подписка на один зарубежный генератор стартует от 20 долларов в месяц, и нет гарантии, что платёж вообще пройдёт.

Как создать видео через ИИ по фото: пять шагов

Схема одинаковая почти для всех моделей. Показываю на примере 3GPT, потому что там не надо заводить пять аккаунтов ради пяти нейросетей.

Шаг первый - доступ. Заходите на официальный сайт 3GPT, регистрируетесь, пополняете баланс картой любого российского банка или через СБП. Три минуты, без VPN и танцев с переводами.

Шаг второй - выбор модели. Для первого знакомства с оживлением фото берите Kling или Seedance: дружелюбны к новичку и предсказуемы. Для кинематографичных сцен со звуком - Veo 3 или Sora 2. Если сомневаетесь, сгенерируйте один и тот же кадр в двух моделях и сравните: так за вечер вы поймёте разницу лучше, чем из десяти обзорных статей.

Дальше - загрузка фото. Форматы JPG, PNG, WebP, размер до 20 МБ - стандарт почти для всех платформ. Чем чётче и детальнее исходник, тем честнее результат. Размытый снимок нейросеть тоже оживит, но мелкие детали будет выдумывать сама.

Шаг четвёртый - промпт. Короткое описание того, что должно происходить в кадре. Об этом ниже, потому что именно здесь решается большая часть качества.

Финальный шаг - генерация и отбор. Ролик собирается за считанные минуты. Не понравилось - правите промпт или меняете исходник и крутите снова. Идеал с первой попытки получают редко: обычно уходит 3-5 итераций, и это нормально.

Создание видео по фото через ИИ в 3GPT

Промпт решает 80% результата

Ошибка новичка: загрузить фото и написать «сделай красиво». Модель не читает мысли. Хороший промпт описывает три вещи: движение объекта, движение камеры и атмосферу.

Примеры, которые стабильно работают в моей практике:

Правило, которое я вывел за сотни генераций: одна сцена - одно движение. Просить одновременно «камера облетает, герой встаёт, открывается дверь, начинается дождь» - почти гарантированный брак, модель путается. Разбивайте замысел на отдельные ролики и склеивайте в монтаже, если нужна длинная история.

Длина тоже имеет значение. Базовая генерация даёт 5-10 секунд. Этого хватает для рилса, обложки, вставки в презентацию. Длинный сюжет собирается из нескольких коротких сцен - так работают даже студийные продакшены, которые перешли на нейросети.

Если фото ещё нет: сначала картинка, потом движение

Частая ситуация: ролик нужен, а подходящего кадра нет. Логика двухходовка: сначала создаёте изображение, потом анимируете его. В 3GPT для картинок есть Nano Banana Pro - одна из сильнейших генеративных моделей: https://3seller.com/3gpt-image

Тут открываются возможности, которые раньше стоили бюджета на фотосессию. Реалистичные фото товаров, персонажей, интерьеров, аватары, рекламные сцены - всё рождается из текстового описания, а потом превращается в видео. Пайплайн «сгенерировать кадр - оживить его» сегодня стандарт у контент-мейкеров, работающих с ИИ: полный цикл от идеи до готового ролика без единой камеры.

Генерация реалистичных фотографий через ИИ

Создание изображений через лучшие ИИ инструменты

Готовые ИИ-агенты: вход без промпт-инженерии

В 3GPT есть отдельная фишка, которой я пользуюсь чаще, чем ожидал, - библиотека готовых ИИ-агентов под конкретные задачи: https://3seller.com/ai/agents. Выбираете агента под свою цель, например сценариста рекламных роликов, и начинаете переписку. Он поможет придумать концепцию, составить промпт для видео по фото, разобрать задачу по шагам. Модель агента меняется прямо в чате - если текущая затормозила на вашем вопросе, переключаетесь на другую без выхода из диалога.

Для новичка это самый мягкий вход в тему. Не нужно разбираться в различиях моделей, режимах и секретах промптов - агент сам подскажет, что писать, и заодно объяснит, почему одни формулировки дают живое движение, а другие - статичную помеху.

Готовые ИИ-агенты в 3GPT

Где реально применяют ролики из фото

Из моей практики и кейсов знакомых - рабочие сценарии, проверенные деньгами.

Реклама и e-commerce. Товарная фотосессия уже есть, превращаем кадры в короткие ролики для таргета и маркетплейсов. Видео в карточке товара поднимает конверсию, а съёмка рекламного ролика на студии стоит десятки тысяч. Анимация из фото обходится в копейки при том же визуальном уровне.

Соцсети и личный бренд. Ежедневный контент выматывает даже профессионалов. Оживил фотографию, добавил звук - готов рилс. Блогеры так собирают десятки роликов в неделю, не включая камеру ни разу.

Семейный архив. Одна из самых тёплых ниш. Чёрно-белые и выцветшие снимки из альбомов оживают: люди улыбаются, поворачивают головы, ветер шевелит занавески на заднем плане. Такие ролики пересматривают годами и показывают детям. Эмоциональный эффект сильнее, чем у любой рекламы.

Образование. Объясняющие ролики из статичных схем и иллюстраций: то, что раньше жило только слайдом в презентации, превращается в интерактивный учебный материал.

Три ошибки, которые съедают ваши генерации

Первая - слабый исходник. Модель наследует качество фото. Пересвеченное небо, шум, замыленность - всё это перейдёт в ролик и усилится. Я всегда проверяю исходник перед загрузкой: резкость, свет, композиция. Пять минут на выбор кадра экономят пять платных генераций.

Вторая - перегруженный промпт. На этом спотыкаются все, без исключений: одно движение на сцену. Хотите сложный сюжет - собирайте раскадровку из нескольких фото и генерируйте сценами.

Третья - ожидание голливудского уровня с нуля. Нейросеть не заменит полнометражку. Она заменяет первые 80% работы: движение, свет, атмосферу, базовый звук. Финальный глянец - цветокор, музыку, титры - докручивается в обычном редакторе за полчаса. Планируйте именно так, и разочарований не будет.

Сколько стоит оживить фото

Считаю по своей практике. Прямая подписка на один зарубежный генератор - от 20 долларов в месяц при проблемной оплате из России. Через роутер вроде 3GPT - от 149 рублей за доступ к флагманским моделям, включая генерацию видео. Пополнение российской картой, СБП или криптой, всё работает без сюрпризов.

Считать надо не только «сколько», но и «что внутри». Один сервис - одна модель. 3GPT - целый парк: текст, картинки, видео, голос, агенты. Для тех, кто делает контент регулярно, разница между «оплатить пять площадок» и «иметь всё в одном месте» измеряется часами в неделю и ощутимой суммой в месяц.

Практический шаг на сегодня

Возьмите одну фотографию - любую, хоть со стола. Зайдите на 3GPT, пополните баланс с российской карты, выберите модель генерации видео и напишите промпт по схеме: движение объекта, движение камеры, атмосфера, звук. Пять минут - и у вас первый оживший кадр.

Дальше только практика. Третья генерация будет лучше первой, десятая - лучше третьей. Технология созрела до того, что умение делать видео из фото стало навыком на пару вечеров, а не профессией на годы. Пользуйтесь, пока ваши конкуренты продолжают платить за съёмки того, что теперь делается за минуты.

← Вернуться к блогу

Читать дальше