3SELLER Journal 3SELLER →

Создать видео ИИ по фото и тексту за вечер: 4 элемента промпта и доступ из России за 149₽

20.11.2026

Загрузить фотографию, дописать пару строк текста и через несколько минут получить живой видеоролик. Ещё два года назад это была демка с исследовательской конференции, сейчас обычная задача для маркетолога, блогера или владельца интернет-магазина. Я генерирую видео по фото и тексту почти каждый день: креативы для рекламы, анимация для соцсетей, ожившие товары в карточках. За это время набил шишки и слил на неудачные попытки порядка 15 тысяч рублей, зато выработал рабочий процесс, которым делюсь ниже.

Сразу главное: качество результата на 80% зависит не от сервиса, а от того, что вы в него загружаете. Фото и промпт решают всё. Дальше разберу именно их.

Два пути: текст в видео и фото в видео

Текст в видео. Пишете описание сцены, модель рисует ролик с нуля. Вариант для фантазийных сюжетов, где конкретика не важна. Контроль слабый: что нарисовали, то и нарисовали, пересоздавать приходится вслепую.

Фото в видео. Ваше изображение становится первым кадром, а текст описывает, что с ним происходит. Мой основной рабочий формат: вы сохраняете внешний вид объекта. Товар на фото остаётся тем же товаром, лицо человека тем же лицом. Нейросеть добавляет движение, свет и атмосферу.

Комбинация фото и текста даёт максимум контроля. Фото фиксирует «что», текст описывает «как». Разделив эти две задачи, вы перестаёте зависеть от капризов генерации и экономите кредиты.

Что реально можно сделать из одной фотографии

Движение камеры. Самый предсказуемый тип анимации: наезд, отъезд, панорама, облёт по дуге. Модели отрабатывают такие команды почти без артефактов, потому что объект не меняется - меняется только точка обзора.

Оживление объекта. Пламя свечи колышется, пар поднимается над кофе, волосы развеваются на ветру, глаза моргают на портрете. Мелкие естественные движения превращают статичную картинку в живой ролик.

Расширение кадра. Модель достраивает пространство за пределами исходного фото: камера отъезжает и показывает, что было за границами снимка. Отлично работает для панорам и заставок.

Смена сцены - самый затратный жанр. Стартовое фото постепенно трансформируется в другой пейзаж, время суток или сезон: летнее кафе превращается в зимний вечерний город. Эффектно для сторис и музыкальных клипов, но бюджета на попытки уйдёт много.

Какие модели стоят за генерацией видео

Под капотом у большинства сервисов крутятся одни и те же нейросети, просто в разных обёртках. Флагман по кинематографичности и физике движений - Sora 2 от OpenAI. Veo 3 от Google сильна в детализации и умеет генерировать звук вместе с видео. Seedance быстро и дёшево отрабатывает большие объёмы, Kling держит планку по плавности движения, MiniMax хорош для стилизованных сцен.

Универсальный генератор Veo3 AI даёт доступ к Sora 2, Veo 3 и Seedance в одном интерфейсе, и это правильный подход: разные задачи решают разные модели. На Reddit практикующие видеомейкеры сходятся в оценках: Seedance ровнее рендерит товарную анимацию, а эмоциональный ролик с движением камеры и звуком уверенно делает Sora 2.

Стартовый и финальный кадр: способ реально управлять роликом

Самая недооценённая фишка. Сервис VisionStory позволяет задать не только начальный кадр, но и финальный: загружаете две картинки, откуда и куда, модель сама достраивает движение между ними.

Смысл простой: вы показываете модели «здесь было, а здесь стало», и она интерполирует траекторию. Камера наезжает, объект поворачивается, свет меняется с закатного на ночной. Такой контроль снимает главную боль генерации - непредсказуемость результата. VisionStory выводит ролики в 4K, что важно для рекламы на больших экранах и презентаций.

В своей практике я использую связку кадров почти всегда. Вероятность попадания с первой генерации вырастает с 20% до 60-70%. Разница - прямая экономия денег.

Промпт для видео: правила, которые работают

Документация Kapwing прямо рекомендует указывать в промптах углы камеры, условия освещения и естественное движение. Разберу на примере.

Слабый промпт: «красивое видео с кофе». Модель не знает, что вам нужно, и выдаёт случайный красивый шум: пар растёт вниз, камера дёргается, будто её держит прохожий.

Сильный промпт: «Медленный наезд камеры на чашку кофе на деревянном столе, пар поднимается вверх, тёплый утренний свет из окна слева, малая глубина резкости». Каждый элемент управляет конкретным параметром кадра.

Мой чек-лист для промпта: движение камеры (наезд, панорама, статика), действие объекта (что движется и как), свет (направление, время суток, характер), стиль (фотореализм, аниме, киберпанк). Kapwing поддерживает десятки визуальных стилей от винтажа 80-х до блокбастера в духе Marvel, и стилистику лучше прописывать словами, а не надеяться на дефолт.

Одно движение на одну генерацию. Просите одновременно облёт камеры, смену освещения и трансформацию объекта - модель усреднит требования и проигнорирует половину.

Три зарубежных инструмента, на которые смотрят все

Kapwing. Агрегатор: в одном редакторе доступны MiniMax, Veo, Sora, Kling с управлением движением, Seedance, ChatGPT Image и Nano Banana. Стартовать можно с изображения, текста, скрипта или целой статьи и собирать многосценные ролики с разными ракурсами. Именно на Kapwing команды делают те самые вирусные ролики, которые вы видели в ленте.

VisionStory. Специализируется на генерации по промпту и референсным изображениям. Главная фишка: связка кадров «старт + финиш» и вывод в 4K.

Veo3 AI. Универсальный генератор видео из фото. Принимает JPG, PNG и WebP до 20 МБ, внутри те же Sora 2, Veo 3 и Seedance. Есть отдельный режим ИИ-генератора товарной рекламы: загружаете фото продукта, получаете цепляющий ролик с ИИ-аватарами.

Проблема у всех трёх одна: оплата. Kapwing требует подписку для серьёзных объёмов, VisionStory и Veo3 AI работают по кредитам, а российские карты не принимает ни один из них.

Как получить доступ ко всем моделям из России

Тут многие думают, что без иностранной карты и VPN не обойтись. Ошибаются. Для этого и запустили 3GPT - сервис с прямым доступом ко всем флагманским нейросетям из России. Официальный сайт 3GPT работает без прокси и танцев с биллингом: пополняете баланс российской картой, через СБП или криптой и получаете последние модели без посредников.

Внутри на момент написания: Chat GPT 6 Astra, Claude Fable 5, Claude Fable 5.1, Claude Opus 5.5, Chat GPT 5.5, Chat GPT 6.1 Sol, Nano Banana для генерации изображений и полноценная генерация видео. Подписка стоит 149₽ - дешевле одного месяца любого зарубежного аналога с тем же набором моделей.

3GPT: доступ ко всем флагманским нейросетям из России

Использую для повседневных задач в бизнесе и в работе: продающие тексты, сайты, сценарии роликов. Сценарий видео почти всегда пишу через Claude Fable 5.1 - он лучше других держит структуру и драматургию короткого ролика.

Готовые ИИ-агенты под конкретные задачи

Отдельная фишка 3GPT, о которой редко пишут: готовые ИИ-агенты. Выбираете агента под свою задачу и сразу начинаете с ним общение, модель агента можно менять прямо в чате. Для генерации видео это удобно: агент-маркетолог собирает бриф и сценарий, дальше вы переходите в видеогенерацию с готовым промптом. Видеомодели не нужно объяснять, что такое продающий ролик на 15 секунд.

ИИ-агенты в 3GPT

Откуда брать фото, если исходника нет

Исходная картинка определяет половину успеха. Нет товара или персонажа под рукой - его сначала генерируют. Для этого подойдёт 3GPT Image, сервис реалистичных фотографий на лучших ИИ-инструментах.

Генерация реалистичных изображений

Примеры сгенерированных фотографий

Технические требования к исходнику простые, как у Veo3 AI: JPG, PNG или WebP, вес до 20 МБ. На практике важнее другое: разрешение от 1280 пикселей по меньшей стороне, чёткий объект без замыленной середины и чистая композиция без хаоса деталей на переднем плане.

Про звук, о котором забывают

Veo 3 генерирует звуковую дорожку вместе с картинкой: шаги, шум города, реплики. У остальных моделей звук добавляется отдельно, и это второй проход генерации. Делаете ролик для соцсетей - заложите сразу музыку или подберите трек в монтаже: ролик без звука живёт в ленте вдвое хуже.

Практический сценарий: рекламный ролик для карточки товара за один вечер

Разберу на реальном примере. Задача: ролик 10-15 секунд для рекламы свечи ручной работы. Бюджета на студию нет, снимать не будем.

Шаг первый. Генерирую саму свечу через Nano Banana в 3GPT: промпт «свеча в стеклянном стакане на льняной скатерти, мягкий вечерний свет, фотореализм». Делаю три варианта, выбираю лучший.

Шаг второй. Пишу промпт движения: «камера медленно облетает свечу по дуге 90 градусов, пламя слегка колышется, в глубине кадра размытые окно и шторы». Загружаю картинку и текст в видеогенерацию.

Шаг третий - отбор. Получаю 3-4 варианта генерации и беру тот, где движение камеры ровное, без артефактов на стекле. Стекло и блики остаются самым слабым местом любой модели, проверено на десятках роликов.

Шаг четвёртый. Накидываю текстовый слой и логотип в обычном редакторе. Готово: вечер работы, ноль затрат на студию, ролик выглядит дороже съёмки на айфон.

Где генерация окупается быстрее всего

Карточки товаров и маркетплейсы. Анимированная демонстрация поднимает конверсию заметнее, чем ещё одна фотография с плашкой «акция».

Рекламные креативы. Вместо одного дорогого ролика вы тестируете десять вариантов под разную аудиторию. Себестоимость теста падает с десятков тысяч до пары сотен рублей.

Контент для соцсетей. Ожившие фото, атмосферные бэкграунды для рубрик, заставки. Плюс генерация по статье или сценарию, как умеет Kapwing: вставили текст, получили черновик ролика.

Недвижимость и интерьеры. Камера отъезжает от одного фото комнаты и показывает планировку целиком. Дешёвая альтернатива видеотуру.

Ошибки, на которых я сам потерял деньги

Первая попытка никогда не финальная. Закладывайте 3-5 генераций на один удачный дубль, особенно с движущимися объектами вроде воды, огня и волос.

Не загружайте сжатые фото из мессенджеров. Картинка, прошедшая через WhatsApp, теряет детали, и артефакты сжатия модель честно анимирует, превращая лицо в пластилин.

Не ждите, что видео заменит съёмку целиком. Генерация прекрасна в атмосфере и движении, но конкретные детали вроде текста на упаковке или точного логотипа рисует плохо. Их накладывают в монтаже, и это нормально.

И последнее: сохраняйте удачные промпты. Я веду файл с формулировками, которые сработали, и переиспользую их как шаблоны. Такая база экономит часы экспериментов.

С чего начать прямо сейчас

План на вечер: зайдите на 3GPT, пополните баланс российской картой за 149₽ и сгенерируйте первое видео по своему фото. Возьмите статичный предмет с чёткими краями, опишите движение камеры одним-двумя предложениями и сделайте 3-4 генерации. Первый же результат покажет, куда двигаться дальше. Большинство моих клиентов после первого удачного ролика переносят туда всю визуальную рутину: от обложек и анимированных презентаций до полной сборки рекламных кампаний.

← Вернуться к блогу

Читать дальше