Если коротко, видео с помощью нейросети делают так: люди придумывают идею, хук, сценарий и стиль, модель для изображений рисует ключевые кадры, видеомодель превращает каждый утверждённый кадр в несколько секунд движения, а затем люди выбирают дубли, исправляют дефекты, монтируют и добавляют звук. Сама генерация занимает минуты. Рабочее время уходит на выбор и доводку, а календарное в основном на согласования.
Здесь описано, что студия делает для клиента, от первого сообщения до готового файла. Если хочется попробовать самостоятельно, у нас есть пошаговая инструкция, как делать рилсы с помощью нейросети: там тот же процесс, но для тех, кто делает всё своими руками, с инструментами и настройками экспорта.
Как делают видео с помощью нейросети: этапы
| Этап | Что происходит | Кто делает | Что делаете вы | Срок в общих чертах |
|---|---|---|---|---|
| 1. Бриф и цена | Мы читаем сообщение, задаём два или три вопроса и называем фиксированную цену | Люди | Присылаете оффер, аудиторию, референсы | В тот же день или на следующий |
| 2. Идея, хук и сценарий | Одна идея, первые две секунды, список шотов с текстом озвучки или титров | Люди | Утверждаете сценарий | Один или два дня |
| 3. Стиль в статичных кадрах | Ключевой кадр каждого шота, собранный по фото продукта и референсам | Рисует модель, направляют и выбирают люди | Утверждаете кадры | От одного до трёх дней |
| 4. Движение | Каждый утверждённый кадр превращается в шот на несколько секунд, в нескольких дублях | Генерирует видеомодель, выбирают люди | Обычно ничего | От одного до трёх дней |
| 5. Монтаж, субтитры и звук | Монтаж в ритм, субтитры, голос, шумы, музыка, цвет | Люди | Смотрите монтаж | Один или два дня |
| 6. Правки и сдача | Согласованные изменения и финальные файлы в нужных форматах | Люди | Принимаете работу | Один или два дня |
Этапы частично идут параллельно, а сроки зависят от длины ролика и количества шотов. Как правило, первый рилс готов через одну или две недели. Следующие ролики той же серии делаются быстрее, потому что стиль, персонаж и голос уже согласованы.
Что решают люди до начала генерации?
Четыре вещи, и они важнее любого инструмента.
Идея. Один рилс доносит одну мысль. «Наша сыворотка достаточно мягкая, чтобы пользоваться ею каждый день» можно назвать идеей. «Расскажите о нашем бренде» идеей назвать нельзя. Если в брифе три сообщения, мы помогаем выбрать одно, а два других становятся следующими роликами.
Хук. Первый кадр и первая фраза решают, увидит ли кто-нибудь остальное. Мы пишем несколько вариантов начала для одной идеи и выбираем один до того, как двигаться дальше. Слабый хук потом не спасти красивой картинкой.
Сценарий. В коротком формате это список шотов: от восьми до двенадцати строк, в каждой один кадр и слова, которые звучат или появляются на экране. Он помещается на одну страницу, и его вы утверждаете первым.
Стиль. Кто в кадре, где он находится, какое время суток, как ведёт себя камера, какие цвета повторяются. Всё это мы фиксируем в коротком наборе референсов. Если этого не сделать, модель охотно нарисует каждый шот в новом стиле.
Что на самом деле делают модели?
Две задачи, и всегда в одном порядке.
Сначала модель для изображений рисует ключевой кадр каждого шота как обычную картинку. Здесь и нужны ваши фотографии продукта, предметная съёмка или 3D-файлы: кадр строится вокруг настоящего предмета, а не вокруг того, как его представляет себе нейросеть. Одни и те же референсы используются от шота к шоту, чтобы человек, комната и свет не менялись.
Затем видеомодель оживляет каждый утверждённый кадр: камера медленно приближается, рука поднимает чашку, поднимается пар, героиня поворачивает голову к окну. Шот длится несколько секунд и содержит одно действие. В длинных и перегруженных шотах лица начинают плыть, а физика ломается.
На этом работа моделей заканчивается. Они не знают, что вы продаёте, с кем разговариваете и какой из четырёх дублей удачный.
На что реально уходит время?
Не на генерацию. Дубль рендерится, пока вы завариваете чай. Часы уходят на четыре другие вещи.
- Выбор между дублями. Каждый шот генерируется несколько раз, и большая часть дублей отправляется в корзину. Отсматривать их внимательно, кадр за кадром, долго. Но именно это отличает ролик, который держится, от ролика, в котором что-то не так, хотя никто не может объяснить, что именно.
- Исправление дефектов. Сгенерированное видео «плывёт». Меняется этикетка, рукав становится другого цвета, на полсекунды появляется шестой палец. Что-то лечится новой генерацией, что-то правкой отдельных кадров, а что-то монтажной склейкой в обход проблемы.
- Монтаж. Темп, порядок, субтитры, а также текст и логотипы, которые добавляются вручную, потому что рисовать их модели доверять нельзя.
- Звук. Озвучка, шаги, шорох ткани, звук помещения, музыка с лицензией под ваш способ использования. Один и тот же шот в тишине выглядит как рендер, а с настоящим звуком воспринимается как съёмка.
В Zero Shot, лондонской студии AI-видео, мы на каждом проекте закладываем на доводку больше времени, чем на генерацию. Если вы сравниваете подрядчиков, спросите каждого, как у него распределяется время. Остальные полезные вопросы собраны в чек-листе, как выбрать студию AI-видео.
Какие этапы согласования вас ждут?
Обычно их три, и весь смысл в порядке.
- Сценарий. Вы утверждаете идею, хук и список шотов. Правки здесь ничего не стоят.
- Статичные кадры. Вы видите весь рилс как последовательность картинок и утверждаете человека, продукт, место и цвета. Правки здесь занимают минуты.
- Монтаж. Вы смотрите готовый ролик со звуком и просите изменения в пределах оговорённых кругов правок. Здесь правка может означать новую генерацию шотов, то есть часы или дни.
Поэтому студия и просит посмотреть картинки раньше, чем что-то начнёт двигаться. Спорят чаще всего о стиле, и спорить дешевле всего на этапе кадров. Если этот этап пропустить, а на монтаже выяснится, что лицо ведущей не нравится, самая дорогая правка придётся на самый дорогой момент.
Что нужно прислать клиенту?
Меньше, чем для съёмки, но кое-что всё же нужно.
- Что вы продаёте и одно предложение или сообщение для этого ролика
- Для кого видео и где оно будет показываться: обычные рилсы, платная реклама, страница товара
- Один или два рилса, которые вам нравятся, и пара слов о том, чем именно
- Фотографии продукта с разных сторон при ровном свете, а если есть, то предметная съёмка или 3D-файлы
- Логотип, шрифты и фирменные цвета
- Всё, что должно прозвучать дословно: цены, юридические оговорки, формулировки, которые вам разрешено использовать
- Язык ролика или оба языка, если нужны версии на русском и английском
- Один человек, который утверждает каждый этап, желательно в течение дня
Последний пункт влияет на срок сильнее, чем всё, что делаем мы. Если кадр должны согласовать четыре человека, каждое согласование длится вчетверо дольше.
Сколько времени занимает AI-видео?
Для рилсов и серий коротких видео счёт идёт на недели: не на часы, но и не на месяцы. Сама работа укладывается в несколько рабочих дней. До одной или двух недель первый ролик растягивают согласования.
Срок увеличивают три вещи: продукт, который обязан быть точным в каждом кадре, как в видео о продукте, персонаж, который должен оставаться одинаковым во множестве шотов, и длинные форматы, где только разработка стиля может занять неделю. Сокращают срок тоже три вещи: одно ясное сообщение, хорошие фотографии продукта в первый же день и быстрые ответы.
Одна честная оговорка. Если вам нужно показать реального человека или реальное место в точности такими, какие они есть, генерация не подойдёт, как бы быстро она ни работала. Где проходит эта граница, мы разобрали в материале AI-видео или съёмка.
Хотите увидеть процесс изнутри? Пришлите короткий бриф: что вы продаёте, для кого и один рилс, который вам нравится. В ответ вы получите несколько вопросов и фиксированную цену.
Частые вопросы
Правда ли, что AI-видео получается из одного текстового запроса?
Нет. Запрос даёт один короткий клип, а готовый рилс состоит из десяти и более клипов, которые должны совпадать между собой, держать сценарий и что-то продавать. Идею, сценарий, стиль, выбор дублей, монтаж и звук делают люди.
Что прислать в студию, чтобы начать работу?
Напишите, что вы продаёте, кто это покупает, где будет показываться видео, и приложите один или два рилса, которые вам нравятся. Если в кадре есть продукт, добавьте его чёткие фотографии с разных сторон, а также логотип, шрифты и фирменные цвета.
Будет ли мой продукт выглядеть правильно в сгенерированном видео?
Будет, если студия работает от ваших собственных фото, предметной съёмки или 3D-файлов и проверяет продукт в каждом шоте. Этикетки и логотипы лучше добавлять на монтаже, потому что мелкий текст модели до сих пор искажают.
Зачем студия показывает картинки раньше, чем видео?
Потому что картинку можно поменять за секунды, а на переделку готового шота уходят часы. Когда стиль утверждён в кадрах, дорогой этап начинается только после того, как все согласны, как выглядит ролик.