Клиент прислал одно фото джемпера и попросил рекламный ролик для карточки маркетплейса. Бюджета на съемку не было, дедлайн горел. Я загрузил кадр в нейросеть, написал три строки промпта и через пару минут получил видео. Камера медленно облетает вещь, ткань едва заметно колышется, фон мягко уходит в размытие. Ролик приняли с первого раза.
Пять лет назад такая задача означала съемочную смену, свет, оператора и десятки тысяч рублей. Сегодня создать видео с помощью нейросети по фото можно за вечер и за символические деньги. Дальше разберу весь процесс на живых примерах: от выбора исходника до промптов, которые стабильно выдают кинематографичную картинку вместо пластилиновой каши.
Что технически происходит, когда нейросеть оживает фотографию
Генератор берет вашу фотографию и делает ее первым кадром будущего ролика. Всё последующее движение модель достраивает с нуля: анализирует контекст сцены, понимает, где люди, где вода, где ткань, и анимирует картинку по вашему описанию. Лицо и черты человека остаются узнаваемыми, потому что отправная точка зафиксирована вашим фото, а не выдумана заново.
Пейзажи оживают за счет ветра, воды и плывущих облаков, портреты получают микродвижения: дыхание, моргание, легкий поворот головы. Камеру тоже можно описать текстом и получить плавный зум или панораму, как будто снимал оператор со слайдером. Технология работает с любым исходником: портреты, пейзажи, рисунки и фото товаров. Разница только в том, что именно вы опишете в промпте: для портрета движение персонажа, для пейзажа стихию, для товарного кадра поведение камеры.
В режимах со звуком модель дополнительно генерирует синхронный аудиоряд: музыку, шумы окружения и даже реплики персонажей. Длительность у роликов скромная: от 4 до 15 секунд. Для рилс, шортсов и карточек товаров этого хватает с запасом, а средняя генерация занимает от одной до трех минут. Скорость позволяет итерировать: не понравился дубль, правите промпт и запускаете заново.
Как сделать видео из фото за четыре шага
Чтобы создать видео с помощью нейросети по фото, не нужен опыт монтажа: процесс одинаков почти во всех сервисах, различия только в интерфейсе. Полный цикл от файла до готового ролика выглядит так:
- Загрузите фотографию, которую хотите превратить в видео. Поддерживаются форматы JPG, PNG и WebP, лимит по весу обычно до 20 МБ.
- Опишите желаемое движение, эффекты и сценарий в текстовом промпте или выберите готовую подсказку из библиотеки сервиса.
- Укажите формат кадра под площадку: 9:16 для вертикальных рилс, 1:1 для карточек товаров, 16:9 для горизонтального видео, и выберите режим качества со звуком или без.
- Нажмите «Создать» и через пару минут скачайте готовый ролик на устройство.
Половина успеха закладывается до генерации, на этапе выбора исходника. Идеальное фото для анимации: резкое, с хорошим светом, без сильных шумов и артефактов сжатия. Скриншот из мессенджера, пережатый до состояния каши, даст мыльные лица и дерганую пластику. Старые архивы сканируйте в максимальном разрешении, картинки с сайтов прогоняйте через апскейлер и только потом несите в видеогенератор.
С регистрациями ситуация разная: где-то личный кабинет нужен, чтобы сохранять результаты и открывать продвинутые модели, где-то дают пару пробных генераций и просят сначала «заработать баллы». Я держу всё в одном аккаунте 3GPT, чтобы не жонглировать пятью сервисами и паролями.
Формат кадра и длительность: подгоняем ролик под площадку
Вертикальный 9:16 забирает рилс, шортсы и сторис, это основной формат для охватного контента. Квадрат 1:1 комфортен для карточек маркетплейсов и лент соцсетей: товар виден целиком без обрезок. Горизонтальный 16:9 подходит для YouTube, лендингов и презентаций. Определите площадку до генерации, потому что переделывать кадр из горизонтали в вертикаль постфактум значит терять композицию.
Длительность тоже влияет на восприятие. Первые две секунды решают, пролистает зритель ролик или останется, поэтому самое сильное движение ставьте в начало. Для зацикленных фонов на сайтах и экранах удобно просить у модели плавное движение без резкого начала и конца: такое видео крутится по кругу без заметной склейки.
Промпт решает больше, чем выбор модели
Начинающие пишут в промпте «оживи фото» и искренне удивляются дерганому результату. Модель не читает мысли, ей нужна конкретика. Рабочая формула, которой я пользуюсь каждый день: объект, одно движение, поведение камеры, темп, атмосфера.
Пример для портрета: The girl walks along the road with a model step. She walks in slow motion. Фотография превращается в кадр, где девушка идет походкой модели, волосы слегка колышутся, темп замедленный. Два предложения, а на выходе заготовка для рекламы одежды.
Для предметки я описываю камеру отдельно: slow camera orbit around the product, soft studio light, shallow depth of field. Камера медленно облетает вещь, свет мягкий, фон в боке. Для пейзажа добавляю стихию: gentle wind in the grass, water ripples, clouds moving slowly. Трава шевелится, вода рябит, облака ползут медленно. Блоки комбинируются между собой под конкретное фото.
Два практических нюанса. Первый: модели заметно лучше понимают промпты на английском, обучающие данные преимущественно на нем. На Reddit практикующие видеомейкеры отмечают, что англоязычные формулировки дают более предсказуемое движение в кадре, чем дословный перевод с русского. Поэтому пишу именно так. Второй: на 4-15 секунд ролика приходится одно ключевое движение. Два движения в кадре модель иногда путает, три почти гарантированно превращают ролик в кашу.
Какие модели дают кино, а какие пластиковую улыбку
Под разные задачи идут разные модели, и это не маркетинговая условность. Для портретов и мягкой пластики хватает стандартных моделей: лицо не плывет, микродвижения естественные, генерация быстрая. Для кинематографичных сцен со сложным движением камеры нужны флагманы. Veo 3 из коробки пишет синхронный звук, Sora 2 лучше остальных понимает физику: капли, ткань, отражения, инерцию. Seedance уверенно тянет динамику: танцы, спорт, резкие перемещения в кадре.
Стандартной модели я отдаю портреты, предметку и всё, где важно сохранить черты человека без искажений. Тяжелые модели беру, когда в кадре сложная хореография камеры или много движения в сцене: пролет через интерьер, смена планов, погодные эффекты. Премиум генерирует дольше и дороже, поэтому тестовые дубли дешевле гнать на стандартной, а финальный на флагмане.
Каждая модель живет в отдельном сервисе со своей подпиской, зарубежные площадки не принимают российские карты и часто требуют VPN. Я закрыл вопрос через 3GPT: один кабинет, где доступны все флагманы сразу. Переключение между моделями занимает секунды. Можно сравнить Veo 3 и Sora 2 на одном фото и оставить лучший дубль без пяти параллельных подписок.
Доступ из России: оплата российской картой, СБП и без танцев с VPN
Главная боль с зарубежными генераторами всегда была в оплате: иностранные карты, посредники, перепродажа аккаунтов. Плюс риск потерять доступ вместе с историей генераций в самый неподходящий момент. 3GPT от 3SELLER эту боль снял: доступ к Chat GPT 6 и Claude Fable 5 стоит 149 рублей, пополнить баланс можно российской картой, через СБП или криптой. Регистрация занимает пару минут, интерфейс на русском, VPN не нужен.

Внутри доступны Chat GPT 6 Astra, Chat GPT 5.5, Chat GPT 6.1 Sol, Claude Fable 5, Claude Fable 5.1, Claude Opus 5.5, Nano Banana для изображений и полноценная генерация видео. Для моего рабочего процесса это удобно: тексты для карточек пишу через GPT, исходные кадры собираю в Nano Banana, анимирую видеомоделями. Всё в одном окне и за одну подписку.
Получить доступ ко всем флагманским моделям нейросетей из России можно на официальном сайте 3GPT.
Пять задач, где видео из фото сразу приносит деньги
Карточки маркетплейсов. Статичное фото проигрывает ролику с плавным облётом камеры, а видеообложки в моих проектах поднимали кликабельность на 30-40% против обычных кадров. Анимация одного фото стоит копейки по сравнению с предметной съемкой, поэтому тестировать можно всю матрицу товаров.
Недвижимость. Одно фото комнаты плюс промпт про медленный пролет камеры вперед, и у агентства появляются десятки роликов для соцсетей без единого выезда съемочной команды. Планировки, кухни, виды из окон: каждый кадр превращается в короткий тур.
Оживление архивов. Старые семейные фотографии превращаются в ролики с легким движением и взглядом в камеру. Ниша со стабильно теплым спросом: люди заказывают видео к юбилеям и памятным датам, а минута работы нейросети заменяет им час объяснений с монтажером.
Личный бренд. Одна фотосессия дает материал на месяц контента. Промптами меняете настроение и движение, получаете двадцать вертикальных заготовок для рилс без повторного визита к фотографу.
Экспертиза и услуги. Стоматология, бьюти, рестораны: фото интерьера или результата процедуры оживает деликатным движением камеры. Вместо стоковых роликов в рекламе крутится ваша собственная картинка, которую конкуренты не скопируют.
Звук превращает заготовку в готовый контент
Тихий ролик листается мимо быстрее, чем некрасивый. Современные модели генерируют аудиоряд синхронно с видео: шум города для уличной сцены, шорох ткани для одежды, плеск воды для пейзажа, музыку под настроение. Звук описывается прямо в промпте тем же способом, что и картинка: soft ambient music, birds chirping, city noise in the background.
Нюанс из практики: если звук не критичен, сгенерируйте тихий вариант и наложите музыку в монтажке. Автоматическая фонограмма на средних моделях иногда выдает странные артефакты, а переделывать весь ролик из-за звука расточительно. Флагманы вроде Veo 3 держат звук на порядок чище, но и там я всегда прослушиваю дубль до конца перед сдачей.
Как я проверяю ролик перед сдачей клиенту
Первый проход: лицо и руки на полном увеличении. Кисти остаются слабым местом генеративных моделей. В обсуждениях на Reddit всплыл неочевидный нюанс: пальцы плывут именно в середине движения, хотя на стоп-кадрах всё красиво. Второй проход: текст и логотипы в кадре. Вывески, надписи на упаковке, буквы на одежде при анимации часто искажаются. Для рекламы это брак, поэтому такие зоны я либо прячу движением камеры, либо генерирую кадр без текста.
Третий пункт: проверка звука на наушниках и на телефонном динамике, большинство зрителей смотрит рилс именно так. Четвертый: тест на яркости экрана телефона, пересвеченное небо с монитора на улице превращается в белое пятно. Пятый: если ролик задуман зацикленным, смотрю стык первого и последнего кадра. Пять минут проверки спасают от переделок после сдачи, когда клиент уже показал ролик коллегам.
Пять ошибок, которые превращают ролик в кашу
- Перегруженный промпт с пятью одновременными движениями: модель смешивает их в бессмысленные судороги.
- Исходник в низком разрешении или с сильной компрессией: лица превращаются в пластилин уже на первой секунде.
- Игнор формата площадки: горизонтальный ролик, обрезанный руками под рилс, теряет композицию и лица по краям.
- Один дубль на всю задачу: идеально с первой генерации получается редко, я делаю три-четыре варианта и выбираю лучший.
- Анимация чужих лиц без согласия: за использование фото реальных людей в рекламе без разрешения быстро прилетают претензии и блокировки.
Дубли стоят недорого, а разброс качества между попытками бывает значительным. Моя бюджетная привычка: три генерации одного промпта, выбор лучшей, затем один уточняющий дубль с правками. Общее время укладывается в десять минут, а стабильность результата вырастает в разы.
Своего фото нет: соберите идеальный исходник в нейросети
Схема работает и в обратную сторону: сначала генерируете идеальное фото, потом оживляете его. Nano Banana собирает фотореалистичные кадры под любой сценарий: предметка, портреты, интерьеры, фоны под текст. Вы не зависите от стоков, фотографов и погоды за окном. Требование к исходнику то же самое: свет, резкость и чистая картинка, иначе видеомодель начнет додумывать детали за вас и уплывет в артефакты.

Создавайте реалистичные фотографии через лучшие ИИ инструменты на странице генерации изображений 3GPT: там настраиваются стиль, свет и формат кадра под будущий ролик. Готовые картинки сразу отправляются в видеогенератор прямо из кабинета.

Готовые ИИ агенты, если писать промпты лень
Для тех, кто не хочет возиться с формулировками, в 3GPT есть готовые ИИ агенты под конкретные задачи. Выбираете профильного агента, начинаете с ним диалог, а модель агента меняется прямо в чате. В связке с видео это работает так: агент уточняет сюжет, темп, площадку и стиль, затем выдает готовый промпт, который останется вставить в видеогенератор. Так новички экономят время на этапе формулировки задачи, где чаще всего застревают.

С чего начать сегодня вечером
Практический план на один вечер. Возьмите одну фотографию: товар, портрет или пейзаж, что угодно резкое и светлое. Откройте 3GPT, загрузите кадр, напишите промпт по формуле: объект, одно движение, камера, темп. Сгенерируйте три варианта, выберите лучший, уточните формулировку и сделайте финальный дубль. К концу вечера у вас будет ролик, за который продакшен попросил бы несколько десятков тысяч, а с вас пара минут и 149 рублей за доступ ко всем моделям сразу.