Видео устроено так же, как изображение, плюс три новые сущности: движение камеры, смена кадра и реплики персонажей. Всё остальное — знакомая формула.

Как выглядит промпт, который работает

Не «человек идёт по городу», а раскадровка. Вот реальный запрос, который я отдавал нейросети-промптеру:

«Напиши промпт для генерации видео в такой-то модели: человек с картинки идёт по городу, камера приближается, затем переход — человек смотрит на часы, на них 20:55, резкая смена кадров, человек ускоряется, заходит в магазин, крупный план, открывает холодильник, берёт холодную банку, прикладывает карту, средний план, делает глоток и говорит по-русски: “Ух, успел”».

Обратите внимание на две вещи. Первое: указана модель, под которую пишется промпт — у каждой свои особенности, и промптер это учитывает. Второе: описаны планы — крупный, средний, приближение. Это и есть язык, который нейросеть понимает.

Ошибка, которая съедает токены

Первая генерация ушла в никуда: токены списались, а моё исходное изображение модель не использовала. Причина глупая — в промпте не было указано, что есть референс и его надо взять за основу.

Запомните: прикрепить картинку недостаточно, на неё надо сослаться в тексте промпта. Иначе модель сгенерирует своего человека, а вы оплатите этот эксперимент.

Настройки, на которых экономят

Разрешение и длительность — две ручки, которые напрямую умножаются на стоимость. Для проверки идеи хватает минимального разрешения и пяти-восьми секунд. Красивое качество включается уже тогда, когда сцена подтверждена и вы точно знаете, что она попадёт в ролик.

И ещё: у российских сервисов-агрегаторов есть неочевидное преимущество — оплата обычной картой. С официальными западными кабинетами это отдельная история, на которую уходит больше нервов, чем на саму генерацию.

Что получается на выходе

В моём примере модель отработала точно: время на часах 20:55, удивление на лице, ускорение, магазин, глоток. Промахнулась она в мелочах — смешала стилистику двух известных рекламных кампаний. Это нормально: на генерации всегда закладывайте пару попыток.

Итог одного вечера: текст, изображение и видео, сделанные без копирайтера, дизайнера и продакшена. Не потому что они плохие, а потому что на такие задачи их больше не нужно звать.