27 апреля 2026 г.

Промт для генерации видео

Промт для видео — текстовое описание сцены плюс движение: что в кадре, как действуют объекты, как ведёт себя камера, какой свет, какой стиль, какая длительность и какой звук. Промт для видео сложнее промта для картинки: ИИ-модель достраивает не только пространство, но и время.

В 2026 году ведущие модели: Veo 3.1 (Google) — лидер по управляемости камерой и нативному аудио, Kling 3 (Kuaishou) — лучший по длинным сценам и движению людей, Seedance 2 (ByteDance) — топ по реализму крупного плана, Runway Gen-4.5 — студийный продакшен и редактирование, Pika 2 — короткие креативные клипы. Альтернативы: Luma Dream Machine, Hailuo, HeyGen, Pixverse. Sora 2 от OpenAI в 2026 году — закрыт публичный доступ.

Структура промта для видео

Рабочая формула из семи блоков:

subject + action + camera + setting + style + duration + audio

subject — кто или что в кадре (один главный объект)
action — конкретное действие в развитии, не статичная поза
camera — план, угол, движение камеры
setting — место, время суток, окружение, свет
style — кинематография, референс, цветовая палитра
duration — длительность и темп
audio — звук, окружение, речь (для Veo 3.1)

Пример: medium shot of a young woman walking through a Moscow park at golden hour, camera tracks her slowly from the side, soft warm rim light, cinematic style in the look of Roger Deakins, 5 seconds, slow steady pace, ambient park sound with distant footsteps.

Оптимальная длина промта — 3-6 предложений, 100-150 слов. Длиннее — модель начинает игнорировать часть параметров.

Расширенная формула: 10 параметров

Для рекламы и кино — расширенный шаблон:

shot type + subject + action + setting + time of day + weather
+ camera motion + lighting + style + duration + audio

Время суток и погода — отдельные параметры: тот же субъект и сеттинг при golden hour и overcast midday дают два разных видео.

Принцип чек-листа: один параметр на строчку, лучше чем длинное предложение. Veo 3.1, Kling 3 и Seedance 2 одинаково точнее следуют верхним строкам промта.

Из чего состоит промт для видео

1. Субъект и действие

Конкретный объект и конкретное движение. ИИ строит видео вокруг главного действия — оно должно быть одно.

Плохо: «человек в офисе». Хорошо: «молодая женщина встаёт из-за стола, подходит к окну, останавливается и смотрит наружу».

Глаголы силы — push, pull, lift, sway, ripple, spiral, drift — работают лучше абстрактных moves, does, performs. Они задают энергию движения, и ИИ-модель её удерживает.

2. Движение камеры

Главное отличие промта для видео от промта для картинки. Без явной камеры Veo и Kling ставят статичный кадр или лёгкий handheld. Базовые термины:

Static, slow zoom in/out, tracking, dolly in/out — фиксация / наезд / параллельное движение
Pan, tilt, crane, orbit/arc — поворот / наклон / кран / облёт
Handheld, steady cam, aerial/drone — ручная / плавная / с дрона
Whip pan, rack focus, POV — резкий поворот / смена фокуса / от лица героя

Одно движение на промт. «Camera orbits then dollies in then cranes up» — каша.

3. План

Wide / establishing shot — общий
Medium shot — средний
Close-up — крупный план
Extreme close-up — деталь
Over-the-shoulder — из-за плеча
Low angle / high angle — снизу / сверху

План пишется первым словом промта — так Veo 3.1 точнее следует кадрированию.

4. Освещение, время суток, погода

Свет, время и погода — отдельный пакет параметров. Подробный словарь — в разделах Стили и Освещение ниже. В блоке состава промта важно понимать: можно описать изменение во времени прямо в одной фразе — light shifts from warm to cool as the sun sets, neon signs flicker on as evening falls. Это даёт «событие» в кадре без физического движения объектов.

Настроение — одно прилагательное в конце промта: intimate, melancholic, energetic, tense, dreamy, nostalgic. Влияет на грейдинг и темп.

5. Длительность и темп

Большинство моделей в 2026 году генерируют 4-10 секунд за один промт. Veo 3.1 — до 8 секунд, с Video Extend — до 148. Kling 3 — до 10. Seedance 2 — до 10. Runway Gen-4.5 — до 10.

Темп: slow steady pace, real-time continuous shot, quick energetic cuts, building tempo.

6. Стиль и кинематография

Референсы операторов и эпох коротко: in the cinematic style of Roger Deakins, in the visual style of Wong Kar-wai, 35mm anamorphic, Pixar 3D animation style. Полный словарь стилей — ниже.

7. Аудио

В 2026 году нативный звук генерирует только Veo 3.1: окружение, шумы, в части кейсов — речь. У остальных аудио добавляется отдельно — через ElevenLabs, встроенные TTS или монтаж.

Формат блока в промте для Veo 3.1:

Audio: ambient cafe sound, distant chatter, occasional cup clinks
Audio: rain on the window, soft jazz playing in background
Dialogue: «I didn’t expect you here», said softly with a slight smile

Camera motion language — что и как писать

Камера — самый частый сбой в промтах. Правила:

Одно движение. «Slow dolly in» модель отработает. «Orbits, then zooms, then pans» — каша
Указывайте направление и привязку. «Camera tracks left, following the runner» — точнее, чем «camera moves left»
Указывайте скорость. Slow / gentle / quick / sudden перед глаголом задают темп
Не противоречьте плану. «Wide shot, close-up of her eyes» — несовместимо
Front-load камеру. Veo 3.1 и Kling 3 лучше слышат камеру, если она в первом предложении промта

Расширенный словарь движений

К базовому списку — точные термины, которые модель 2026 года стабильно распознаёт:

Push in / pull out — наезд через линзу без физического движения
Boom up/down, truck left/right, pedestal up/down — вертикаль, горизонталь, подъём со смещением
Zolly / dolly zoom — наезд + обратный зум, эффект «головокружения Хичкока»
360° orbit, bird’s eye, worm’s eye — облёт, строго сверху, строго снизу
Two-shot, insert shot — план с двумя субъектами / крупная деталь в монтаже

Скорость движения — отдельный модификатор: very slow, slow, moderate, brisk, rapid, sudden. Veo 3.1 и Seedance 2 различают very slow и slow.

Стили видео-промтов

Стиль — пакет настроек камеры, света, грейдинга и грейна одним именем. Несколько прилагательных в конце промта меняют картинку сильнее, чем длинное описание сцены.

Cinematic — анаморф, плёночный грейн, тёплая палитра, малая глубина резкости. Базовый стиль для рекламы и кино
Anime — японская стилизация. Уточняйте автора: Studio Ghibli look, Makoto Shinkai style, 90s cel-shaded anime
Documentary — натуральные цвета, ручная камера, естественный свет
Vintage / retro — плёночные дефекты: Super 8 home video, VHS aesthetic, 70s Kodachrome, 60s Technicolor
Noir — высокий контраст, глубокие тени, дождь, неоновые блики
Watercolor / illustrated — рисованная стилизация. Лучше у Kling 3 и Pika 2
Hyperrealism — микродетали кожи и материалов. Лучше у Seedance 2 и Sora 2 Pro
3D animation — Pixar style, DreamWorks 3D, Unreal Engine cinematic, Blender look
Music video — высокий контраст, насыщенные цвета, моушн-блюр
Stop motion — покадровая анимация. Лучше у Kling 3 и Pika 2
Архитектурный визуал — 3D architectural visualization, V-Ray render look

Стиль — последним блоком перед длительностью. Один стиль на промт: смешивание (cinematic anime noir watercolor) — каша.

Освещение: словарь

Свет — главный инструмент атмосферы. Видео-модели 2026 года распознают киношный язык буквально.

Термин	Что делает
Golden hour	Тёплый низкий свет, длинные тени
Blue hour	Холодная пурпурно-синяя гамма после заката
Soft / hard light	Рассеянный без теней / точечный с резкими тенями
Backlit / rim light	Свет сзади субъекта / светящийся контур по краю
Key + fill	Главный свет + заполняющий
Practical light	Свет из источников в кадре: лампа, экран, фары
Neon	Цветной направленный, насыщенные пятна
Volumetric / god rays	Лучи в пыли, тумане, дыму / лучи через окна
Chiaroscuro	Высокий контраст света и тени
High key / low key	Светлая равномерная / тёмная с минимумом света

Сочетания: soft natural window light from the left + warm practical lamp on the table — двусоставная схема, которую модель отрабатывает стабильно.

Примеры рабочих промтов

Реклама продукта (Veo 3.1)

Medium close-up shot of a ceramic coffee mug on a wooden table
in a bright cafe. A hand reaches in and slowly lifts the mug,
steam rising from the surface. Camera stays static,
shallow depth of field.
Soft natural window light from the left,
cinematic style, 35mm lens look, muted warm palette
of cream and walnut.
5 seconds, slow steady pace.
Audio: gentle ambient cafe sound, distant chatter,
soft clink as the mug lifts.

Motion graphics и абстракция (Runway Gen-4.5)

Close-up shot of liquid mercury forming geometric shapes
on a black reflective surface. Shapes morph from cube
to sphere to spiral, rising and rotating slowly.
Camera dollies in slowly, holding focus on the centre.
High contrast studio lighting, single key light from above,
chrome reflections, modern abstract motion design style.
8 seconds, smooth continuous transformation,
no music, only subtle metallic ambient sound.

Социальные сети, вертикаль 9:16 (Pika 2)

Medium vertical shot of a young woman in a yellow raincoat
dancing in the middle of a wet city street at night.
Neon signs reflect off puddles around her.
Camera follows her with a smooth handheld motion,
slight low angle, close to the ground.
Cinematic neon palette of pink and cyan,
music video aesthetic, high contrast, slight motion blur.
6 seconds, energetic upbeat tempo.

Документальный портрет (Runway Gen-4.5)

Medium handheld shot of an elderly carpenter
working in his small workshop, sanding a piece of wood
with focused hands. Camera moves gently, observing.
Soft afternoon light from a high window,
warm muted palette of natural wood and worn fabric,
documentary cinematography style, natural color grading.
8 seconds, real-time observational pace.

Оживление статичного фото (image-to-video, Kling 3)

[uploaded photo of a young woman in a coffee shop]
She slowly turns her head toward the camera,
smiles softly, looks back down at her cup.
Soft natural light, subtle ambient movement
of background patrons.
4 seconds, gentle calm pace.

Подробнее — как нейросеть оживляет фото.

Сторис, вертикаль 9:16 (Veo 3.1)

Vertical close-up shot of a barista pouring milk
into a cup of coffee, forming a heart-shaped latte art.
Camera holds static, slightly tilted down at 15 degrees.
Soft natural morning light from window,
warm palette of cream and walnut.
4 seconds, calm steady pace.
Audio: ambient cafe sound, soft milk pouring,
distant espresso machine.

Киноконцепт: погоня (Veo 3.1)

Wide tracking shot of a black sedan speeding through
narrow rain-soaked streets of a night city.
Camera follows from the side, parallel to the car,
slight handheld motion. Neon signs flicker by,
reflections on wet asphalt.
In the visual style of Michael Mann's Heat,
35mm anamorphic look, cool blue grading
with magenta highlights.
8 seconds, urgent fast tempo.
Audio: engine roar, distant siren,
heavy rain on the windshield.

Киноконцепт: ужас (Kling 3)

Medium shot of a child slowly opening a closet door
in a dark bedroom, holding a flashlight beam in front.
Camera dollies in very slowly toward the closet.
Hard practical light from the flashlight,
deep shadow behind, low key chiaroscuro lighting.
In the visual style of Robert Eggers,
35mm film grain, desaturated palette.
6 seconds, very slow tense pace.

Продуктовое видео: ювелирка (Seedance 2)

Extreme close-up of a gold ring with a diamond
rotating slowly on a black velvet surface.
Camera orbits around the ring, holding focus.
Single hard spotlight from above,
high contrast studio cinematography style,
crisp specular highlights on the metal and stone.
8 seconds, smooth continuous rotation,
hyperrealism, product cinematography look.

Реклама: еда (Veo 3.1)

Medium close-up of a hand pouring honey
over a stack of warm pancakes on a wooden plate.
Camera holds static, slightly tilted down.
Soft natural morning light from a kitchen window,
warm palette of amber and butter.
5 seconds, very slow pour, slight steam rising.
Audio: gentle honey trickle, soft butter melting,
distant kitchen ambient.

Музыкальный клип: интим (Kling 3)

Close-up shot of a singer holding a microphone
in a dim jazz club, eyes closed, leaning slightly forward.
Camera holds static, very shallow depth of field.
Single warm spotlight from above,
deep black background, smoky volumetric light,
in the visual style of Wong Kar-wai,
35mm film grain, saturated reds and blacks.
6 seconds, slow intimate pace.
Audio: soft saxophone, distant audience hush.

Sci-fi: персонаж крупным планом (Seedance 2)

Extreme close-up of a cyborg's eye opening,
mechanical iris adjusting, reflections of city lights inside.
Camera dollies in very slowly toward the eye.
Cold blue practical light from screens,
warm red rim light from the side,
hyperrealism, sci-fi product cinematography,
35mm anamorphic look.
4 seconds, very slow reveal.
Audio: subtle mechanical click, distant city hum.

Lip-sync: говорящая голова (Veo 3.1)

Medium close-up of a young woman sitting at a desk,
looking directly at the camera, speaking calmly.
Camera holds static, eye level.
Soft natural window light from the left,
muted home office background,
documentary cinematography style.
8 seconds, calm steady pace.
Dialogue: "Today I want to share what I learned this week."
Audio: clean voice, soft room ambient, no background music.

Image-to-video: подробнее

Image-to-video в 2026 году стабильнее text-to-video по композиции: первый кадр задан картинкой. Промт сводится к движению, изменениям и звуку.

Что писать: что меняется в кадре (действие, мимика), как движется камера от стартового положения, что входит/уходит из кадра, изменения освещения во времени, звук.

Что НЕ писать: описание сцены, которая уже на фото; стиль (наследуется); композицию плана; палитру (наследуется).

Пример короткого промта:

[uploaded photo of a man at a window]
He slowly turns his head left, looks down,
then back out the window. Subtle smile.
Camera holds static. Light shifts slightly
as a cloud passes.
4 seconds, calm pace.

Промт для image-to-video в 2-3 раза короче, чем для text-to-video — лишние детали ломают стабильность первого кадра. См. нейросеть оживляет фото.

Image-to-video по референсу стиля. Первая картинка — субъект, вторая — стилевой референс. Kling 3 (Custom Character), Runway Gen-4.5 (References), Seedance 2 (Style Reference). В промте — описание движения и ссылка на референс: «apply visual style from reference image».

Lip-sync и говорящие головы

В 2026 году синхронизация губ с речью — отдельная задача. Прямо из text-to-video это умеют:

Veo 3.1 — лучшая нативная синхронизация: короткие реплики 1-3 предложения в формате Dialogue: "...". Точность высокая для английского, средняя для русского
Runway Act-One — перенос мимики и артикуляции с видео-референса актёра на сгенерированного героя. Точность лучше всех, но нужно снимать референс
HeyGen — отдельная категория: загружаете фото и аудио, получаете говорящую голову. Для длинных монологов и обучающих видео

Что НЕ писать в lip-sync промтах: длинные диалоги (больше 2-3 предложений расходятся с артикуляцией), эмоциональные интонации внутри реплики (лучше снаружи: spoken softly with hesitation), несколько говорящих в одном кадре, боковой профиль с речью.

Для длинных монологов: короткий клип с речью 4-6 секунд → монтажная склейка с b-roll → следующий клип.

Локализация: русский контекст

Большинство моделей обучены преимущественно на западном датасете. Промт «woman in a cafe» по умолчанию даёт нейтральный западный кадр. Чтобы получить русский контекст, нужно явно прописывать маркеры.

Архитектура и интерьер: Soviet-era apartment, khrushchyovka kitchen with floral wallpaper, stalinka building exterior, modern Moscow loft, Russian dacha porch with samovar, Saint Petersburg courtyard with yellow stucco walls.

Погода и сезон: heavy Russian winter, slush on Moscow streets in early spring, white night in Saint Petersburg, birch forest in late autumn with golden leaves and low fog.

Типажи и одежда: Russian babushka in a wool headscarf, young man in a winter ushanka, teen in a tracksuit on a podyezd staircase, office worker at a metro entrance.

Культурные элементы: pelmeni on a cutting board with sour cream, glass of tea in a podstakannik, marshrutka interior, banya wooden interior with steam and birch venik.

Принцип: одно-два конкретных слова (khrushchyovka, dacha, babushka, podstakannik) точнее настраивают модель, чем «post-Soviet aesthetic». Veo 3.1 и Kling 3 распознают эти термины напрямую — они есть в обучающих данных. Seedance 2 — иногда требует уточнения через атрибут (1970s Soviet apartment with floral wallpaper). Маркеры добавляйте по одному. Сразу всё — каша.

Анти-промт: что НЕ писать

Список того, что ломает кадр или игнорируется:

Длинные деепричастные конструкции — «девушка, проходящая мимо, оборачиваясь и улыбаясь, идёт дальше». Один глагол в настоящем времени на действие
Конфликтующие движения камеры — «static handheld dolly tracking shot». Одно движение
Противоречивые планы — «wide shot, close-up of her face». Один план
Имена реальных людей и бренды — блокируются. Описывайте через типаж
Слова-усилители без смысла — «very very very beautiful» модель игнорирует. Конкретное прилагательное лучше
Эмодзи и спецсимволы — ломают парсер
Кириллица в кадре — почти всегда нечитаемые символы. Накладывать в монтаже
Иностранный текст длиннее одного слова — на вывесках, документах, экранах искажается
Отрицания — «без логотипов, без текста, без размытия». Модель цепляется за существительные. Переформулируйте в положительное: clean surface, no signage in frame
Число объектов > 3 — модель не считает. До 3 стабильно, выше — повезёт
Слишком детальный сценарий — «сначала она входит, потом садится, потом смотрит, потом улыбается». Один основной момент на промт

Принцип: положительные формулировки точнее отрицательных, конкретные термины — точнее общих.

Особенности моделей

Veo 3.1 — лидер по управляемости камерой (dolly, crane, orbit, rack focus). Единственная модель в 2026 году с нативным синхронным звуком и речью. 8 секунд за проход, до 4K, Video Extend до 148 секунд. Через Google AI Studio и Gemini Advanced, в РФ — через VPN.

Kling 3 — лучшая работа с image-to-video и движением людей. Motion Control — перенос движения с референса. До 10 секунд за раз, бесплатный лимит без VPN. Хороша для длинных сцен и сложного экшена.

Seedance 2 — топ по фотореализму крупного плана и материалов. Премиум-кино качество для рекламы. До 10 секунд, из РФ — через VPN. Дороже остальных.

Runway Gen-4.5 — студийная платформа с продакшен-функциями: моушн-кисти, Director Mode, расширение видео, замена объектов. Лучший выбор для пост-продакшна. $15-95/мес.

Pika 2 — короткие креативные клипы и моушен-стилизация. Сильная вертикаль для TikTok/Reels. Лимитированный бесплатный доступ.

Hailuo 02 — бесплатный доступ из РФ без VPN. Стабильный результат на простых промтах — для новичков. Версия Fast — для массовой генерации. 6-10 секунд за раз.

Luma Dream Machine (Ray Flash 2) — атмосферные кинематографичные клипы, мягкая палитра. Сильная физика воды, тумана, ткани. 5-10 секунд, быстрая генерация.

Альтернативы: Pixverse — вертикальные клипы, HeyGen — аватары и говорящая голова, Шедеврум видео — бесплатно, русский интерфейс. Подробнее — нейросеть для видео обзор.

Что промт делает в каждой модели

Структура subject + action + camera + setting + style + duration + audio универсальна, но акценты меняются.

Модель	Что важнее всего в промте
Veo 3.1	Камера, аудио, диалог — камера первой, аудио отдельным блоком
Kling 3	Движение людей, image-to-video — длинный промт переваривает лучше
Seedance 2	Фактура и материалы — подробно описывайте поверхности и свет
Runway Gen-4.5	Стиль и грейдинг — режиссёр/оператор-референс, потом монтаж
Pika 2	Темп и стиль — короткие промты, явный жанр
Hailuo 02	Простота — короткие промты под 80 слов
Luma Ray Flash 2	Атмосфера — мягкие переходы света, погода, физика

Sora 2 — публичный доступ закрыт в 2026 году. Промты переносятся на Veo / Kling / Seedance без изменений.

Что не работает в видео-ИИ

У лидеров 2026 года остаются стабильные слабые места. На эти сценарии закладывайте монтаж, а не одну генерацию.

Длинные диалоги — Veo 3.1 держит 1-2 предложения с синхронизацией губ; полноценный разговор на 8 секунд расходится с артикуляцией
Сложные руки в движении — игра на пианино, набор текста, растопыренные пальцы. Закрывайте руки кадром или планом до запястий
Надписи иностранных языков — кириллица, иероглифы, арабская вязь генерируются как нечитаемый шум. Накладывать в монтаже
Сложная физика — жидкости, дым, ткань, стекло на крупном плане. Seedance 2 справляется лучше остальных
Длинные сцены с одним героем — на 8-10 секундах внешность «плывёт». Два клипа по 4 секунды стабильнее одного на 8
Слишком много движения — модель сделает кашу. Одно главное движение в кадре
Промт без действия — «девушка стоит у окна». Модель сделает статичный кадр. Добавляйте конкретный глагол

FAQ

Какая модель лучше для рекламного ролика? Veo 3.1 — если важны управляемая камера и нативный звук. Seedance 2 — максимальный реализм крупного плана. Kling 3 — цена и доступность из РФ. Runway — если нужны продакшен-функции после генерации.

Какая бесплатная модель лучшая? Hailuo и Шедеврум видео — бесплатно из РФ без VPN. Kling Free — лимитированно, но качество выше.

Можно ли сгенерировать видео с речью? Лучше всего — Veo 3.1 с нативным аудио. В Runway, Seedance и Kling речь добавляется через ElevenLabs или встроенный TTS.

Какая оптимальная длина промта? 3-6 предложений, 100-150 слов. Veo 3.1 — 3-5 предложений. Kling и Seedance — до 8. Длиннее — модель игнорирует часть параметров.

Промт по-русски или по-английски? Английский устойчиво лучше у всех мировых моделей. Кинематографические термины (dolly, tracking, rack focus) — стандарт индустрии. Русский работает у Шедеврума и Kandinsky Video.

Почему ИИ-видео выглядят странно? Главные слабые места: руки, лица в движении, текст, длинные диалоги. Лидеры 2026 года закрывают это лучше моделей 2024-го, но артефакты ещё встречаются. Закладывайте монтаж.

Можно ли указать конкретного актёра или бренд? Нет. Все мировые модели блокируют имена реальных людей и логотипы. Описывайте типаж: «молодая женщина с тёмными волосами», «красный спортивный седан».

Что случилось с Sora? В 2026 году OpenAI закрыл публичный доступ к Sora 2. Замена — Veo 3.1, Kling, Seedance 2. Промты переносятся без адаптации — структура универсальна.

Как сохранить одного героя между клипами? Image-to-video с одним и тем же первым кадром или character reference: Runway Gen-4.5 — References, Kling 3 — Custom Character. Без этого внешность расходится.

Можно ли вставить кириллический текст в кадр? Прямо в видео-модели — почти всегда нет. Кириллица, иероглифы и арабская вязь генерируются как нечитаемые символы. Чистый кадр через промт + надпись в CapCut / Premiere в монтаже.

Какая длительность лучше — 4, 5, 6 или 8 секунд? 4 сек — одно действие и стабильность героя. 5 сек — рекламная заставка. 6 сек — сторис и тизеры. 8 сек — контемплятивные кадры. Чем длиннее, тем больше шанс на «плывущее» лицо. Два клипа по 4 секунды стабильнее одного на 8.

Как уточнить кадр после первой генерации? Менять один параметр за раз. Поменяли камеру — оставили остальное. Если меняете всё сразу — непонятно, что сработало.

Image-to-video или text-to-video — что выбрать? Image-to-video стабильнее по композиции и палитре, особенно для рекламы. Сначала кадр в Midjourney или DALL-E, потом — в Kling 3 / Runway / Pika с описанием движения. Text-to-video — для творческих сюжетов, где композиция вторична.

Дальше

Конкретные модели разобраны в отдельных гайдах: Sora — обзор (что было и куда переехала аудитория), Veo — обзор и промты, Runway — обзор, Kling — обзор, Hailuo — обзор, Seedance — обзор, Luma Dream Machine, HeyGen — говорящая голова, Pika — обзор, Pixverse — вертикальные клипы. Общий обзор всех видео-моделей — нейросеть для видео, готовые промты для копирования — библиотека промтов и общая страница промты.