Почему промпт вообще важен
Видеомодель не режиссёр и не художник. Она статистическая машина: превращает ваш текст в кадр, опираясь на то, что чаще всего встречала в обучающих данных. Если вы дали ей размытое описание, она заполнит пробелы средним по больнице. Если точное, она сделает то, что вы хотите.
Поэтому промпт это не творчество, а инженерия. Есть структура, которая работает, и есть слова, которые всё ломают. Разберём и то, и другое.
Формула: шесть блоков
Любой рабочий промпт для видео можно разложить на шесть частей. Не обязательно писать их именно в этом порядке, но все шесть должны присутствовать.
1. Субъект. Кто или что в кадре. Конкретно: не «человек», а «пожилой рыбак в жёлтом дождевике».
2. Действие. Что субъект делает. Одно действие. «Медленно поворачивает голову к камере», а не «встаёт, идёт и оборачивается».
3. Окружение. Где это происходит. «На деревянном пирсе, вокруг туман, вдалеке лодки».
4. Камера. Что делает камера. Одно движение. «Медленный наезд».
5. Свет. Характер освещения. «Холодный рассветный свет, мягкие тени».
6. Стиль. Общая эстетика. «Документальная съёмка, зерно плёнки, приглушённые цвета».
Собранный промпт: «Пожилой рыбак в жёлтом дождевике медленно поворачивает голову к камере. Деревянный пирс, туман, вдалеке лодки. Медленный наезд камеры. Холодный рассветный свет, мягкие тени. Документальная съёмка, зерно плёнки, приглушённые цвета».
Видите разницу с «рыбак у моря, красиво»? Модель видит тоже.
Главное правило: одно действие на сцену
Это стоит отдельного раздела, потому что здесь ошибаются чаще всего.
Модель генерирует короткий отрезок, от 5 до 15 секунд. За это время она успевает качественно отработать одно действие и одно движение камеры. Попытаетесь уместить больше, получите кашу: субъект будет одновременно вставать и сидеть, руки заживут своей жизнью, камера дёрнется в разные стороны.
Если по сюжету нужно, чтобы герой вошёл, сел и открыл ноутбук, это три сцены, которые вы склеите потом. В промпте каждая описывается отдельно. Скучнее писать, зато результат работает.
Словарь движений камеры
Модели выучили эти термины из миллионов реальных видео, поэтому понимают их точнее, чем описания на бытовом языке.
Наезд (dolly in). Камера приближается к субъекту. Создаёт напряжение, вовлечение.
Отъезд (dolly out). Камера отдаляется. Открывает контекст, ощущение финала.
Проезд вбок (truck / track). Камера едет параллельно субъекту. Хорошо для движения рядом с идущим человеком.
Панорама (pan). Камера стоит на месте и поворачивается. Осмотр пространства.
Наклон (tilt). То же, но по вертикали. Снизу вверх для величия, сверху вниз для подавленности.
Облёт (orbit / arc). Камера движется вокруг субъекта по дуге. Эффектно, но дорого по перегенерациям: модель чаще ошибается.
Подъём и спуск (crane up / crane down). Камера поднимается или опускается. Кран, дрон.
Съёмка с рук (handheld). Лёгкая дрожь. Парадоксально, но именно она добавляет реализма: идеально стабильная картинка читается как искусственная.
Если какой-то термин ниже незнаком, загляните в глоссарий AI-генерации, там всё коротко расшифровано. Правило: одно движение на сцену. «Медленный наезд с лёгкой дрожью камеры» ещё нормально. «Облёт с одновременным подъёмом и наездом» это заявка на брак.
Словарь света
Свет решает, как кадр воспринимается эмоционально. Конкретные формулировки вместо «красивого света»:
Мягкий рассеянный свет. Пасмурный день, softbox. Ровный, без резких теней. Для портретов, спокойных сцен.
Жёсткий направленный свет. Полдень, прожектор. Резкие тени, контраст. Драма, напряжение.
Контровой свет (backlight). Источник за субъектом. Силуэт, свечение по контуру. Атмосфера, загадка.
Золотой час. Низкое тёплое солнце. Красиво, но затёрто до штампа: используйте осознанно, а не по инерции.
Синий час. Сумерки после заката. Холодная палитра, меланхолия.
Неон. Городская ночь, вывески, отражения в мокром асфальте. Киберпанк, современный город.
Практический свет (practical light). Источник виден в кадре: лампа, окно, экран. Добавляет достоверности.
Слова, которые нужно выбросить
Есть набор слов-паразитов, которые кочуют из промпта в промпт и означают для модели одно: «сделай усреднённо-глянцево».
Кинематографично. Ничего не описывает. Фильмы бывают любыми.
Атмосферно. Какая атмосфера? Модель выберет за вас, и посредственно.
Красиво, потрясающе, шедевр. Пустые оценки. Дают ту самую безликую красоту, по которой AI-видео узнаётся мгновенно.
Высокое качество, 8K, ультрадетализированно. Заклинания, почти не влияющие на содержание кадра.
Профессиональная съёмка. Профессионал снимет и хоррор, и рекламу шампуня.
Уберите их. Вместо каждого впишите конкретику: какой объектив, откуда свет, что в кадре несовершенного.
Секрет: просите несовершенство
Реальное видео неидеально, и наш глаз это знает. Камера чуть дрожит, в объектив попадает блик, есть зерно, фокус на долю секунды промахивается.
Модель по умолчанию делает стерильно. Именно стерильность выдаёт генерацию. Поэтому добавляйте в промпт «дефекты»:
- лёгкая дрожь камеры, съёмка с рук,
- зерно плёнки, лёгкий шум,
- блики в объективе, отражения,
- неглубокая резкость, мягкий фокус,
- пыль в луче света.
Один этот приём делает ролик убедительнее, чем все «8K» вместе взятые.
Русский или английский
Честный ответ: английский модели понимают точнее. Они обучались преимущественно на англоязычных описаниях, поэтому английский промпт даёт меньше ошибок, особенно на сложных сценах.
Но это не значит, что надо мучиться с переводом. Рабочий компромисс: продумывайте сцену на русском, а технические термины пишите по-английски. Названия движений камеры (dolly in, orbit), типов плана (close-up, wide shot), характера света (backlight, golden hour) модели считывают надёжнее в оригинале.
То есть «пожилой рыбак medium shot, slow dolly in, backlight, зерно плёнки» на практике сработает лучше, чем чистый русский или ломаный английский.
Промпт для image-to-video это другое
Если вы не генерируете с нуля, а оживляете готовую картинку, правила меняются.
Модель уже видит изображение. Поэтому описывать, кто на нём и как выглядит, не нужно и даже вредно: текстовое описание начнёт конфликтовать с картинкой, и лицо поплывёт.
В промпте для оживления остаётся только движение: что двигается в кадре (волосы, пар, листва, моргание) и что делает камера. И правило меньшего движения тут жёстче обычного: просите минимум, иначе анатомия развалится.
Готовые шаблоны
Скелеты, в которые подставляете своё. Технические термины оставлены на английском намеренно.
Портрет, атмосферный:
[кто], medium close-up, медленно [одно действие]. [Окружение]. Slow dolly in, handheld, лёгкая дрожь. Backlight, мягкие тени. Зерно плёнки, приглушённые цвета.
Продукт, реклама:
[товар] на [поверхность], slow orbit вокруг предмета. Studio light сверху, мягкая тень под объектом. Чистый фон, высокая детализация материала.
Пейзаж, кинематографичный:
[локация], wide shot, crane up. [Что движется: облака, вода, трава]. Golden hour, длинные тени. Атмосферная дымка.
Экшн, динамика:
[субъект] [одно резкое действие], handheld, быстрый truck вслед за движением. Жёсткий контровой свет, motion blur. Зерно, высокий контраст.
Оживление фото (image-to-video):
[Только движение: субъект медленно моргает, лёгкий поворот головы, ветер шевелит волосы]. Very slow dolly in. [Ничего про внешность.]
Как тренироваться, не разоряясь
Промпт это навык, он ставится практикой. Но каждая генерация стоит денег, поэтому тренируйтесь умно.
Отлаживайте промпт на дешёвой модели в низком разрешении. На этом этапе вам важно не качество картинки, а понимание: правильно ли модель прочитала сцену, туда ли едет камера. Это отлично видно и в 480p, где генерация стоит в разы дешевле.
Когда промпт отлажен, переносите его на дорогую модель и делаете финал один раз. Так один хороший ролик обходится в разы дешевле, чем если бить с первой попытки по флагману.
Подробный расчёт, во сколько обходится минута на каждой модели, есть в статье сколько стоит минута AI-видео. А если в вашем ролике повторяется один герой, обязательно прочитайте про консистентность персонажа: без референсов промпт лицо не удержит.
Коротко
Промпт для видео это структура из шести блоков: субъект, действие, окружение, камера, свет, стиль. Главное правило: одно действие и одно движение камеры на сцену. Выбрасывайте пустые слова вроде «кинематографично», добавляйте конкретику и несовершенство. Технические термины пишите по-английски, их модели понимают точнее. И тренируйтесь на дешёвых моделях, а не на флагмане.
