Создать видео нейросетью: как сделать ролик по фото и тексту на 10, 30 и 60 секунд — бесплатно, на русском

Создать видео нейросетью сегодня может любой, у кого есть фото и пара минут. Сложности начинаются, когда ролик нужен длиннее одного клипа. Десятисекундное оживление фото и минутный рекламный ролик — это две разные технологии, хотя в обоих случаях вы «просто генерируете видео». Большинство инструкций этот момент пропускают, и люди тратят вечер на попытки впихнуть целый сюжет в один промпт.

В этой инструкции я разделил процесс по хронометражу. Сначала разберем, как сделать видео на 10 секунд одной генерацией, потом ролик на 30 секунд, и наконец видео на минуту и длиннее, которое собирается из сцен. Для каждого уровня есть пошаговый порядок действий, пример из теста и готовые промпты.

Короткий ответ: чем создать видео нейросетью

1. Kling 3.0 и 4.0 — лучший старт для роликов с людьми: живые лица, мимика и речь. Четвертая версия делает до 30 секунд за раз.

2. Seedance 2.5 — для 30-секундных роликов одним дублем, когда в кадре несколько действий подряд.

3. Wan 3.0 — длинные сцены с несколькими героями и серии роликов в одном стиле.

4. Veo 3.1 — когда в ролике важны голос, диалог и звуки окружения.

5. Study AI Видео — один кабинет для всех видеомоделей, удобно сравнивать результат одного промпта.

6. Оживление фото — самый быстрый способ сделать видео из фотографии без промптов.

7. Шаблоны ИИ-трендов — готовые сценарии вирусных роликов: фото на входе, видео на выходе.

8. Nano Banana Pro — для стартовых кадров героя и локации, без которых длинный ролик разваливается.

9. Suno — музыка и песни под ролик, если нужен свой трек вместо стокового.

Как мы проверяли эту инструкцию

Чтобы советы не были теорией, я прошел все три уровня на реальных задачах:

• 10 секунд: видео-поздравление с днем рождения по одному фото;

• 30 секунд: рекламный ролик для карточки товара, термокружки;

• 60 секунд: короткий обучающий ролик «как заварить кофе в турке» с ведущим.

Каждый ролик я собирал несколько раз разными способами и в разных моделях, а каждый промпт прогонял повторно. Смотрел на пять вещей:

1. Сколько попыток уходит на пригодный результат.

2. Сохраняется ли герой от сцены к сцене и от генерации к генерации.

3. Звук: нужна ли отдельная озвучка или модель справляется сама.

4. Время от идеи до готового файла.

5. Порог входа: сможет ли человек без опыта повторить шаги без подсказок.

Отсюда и главный вывод, на котором построена статья.

Главное правило: длина ролика определяет способ создания видео

Видеомодель за один проход выдает клип ограниченной длины. Короткие модели работают в пределах 5–15 секунд, самые длинные на сегодня (Seedance 2.5, Kling 4.0, Wan 3.0) доходят до 30 секунд. Все, что длиннее, собирается из нескольких генераций. От этого и зависит, сколько подготовки нужно.

Если вы не знаете, с чего начать, определите хронометраж. Он сразу подскажет, нужен ли вам сценарий или хватит одной фотографии.

Уровень 1. Видео на 10 секунд: одна генерация

Это зона быстрых роликов: поздравления, оживленные фотографии, сторис, короткие Reels. Здесь не нужен монтаж, весь ролик получается за один проход нейросети.

Как сделать видео из фото нейросетью

1. Выберите четкое фото, где лицо хорошо освещено и не перекрыто руками, очками или волосами.

2. Откройте Оживление фото или Kling в режиме «по изображению».

3. Опишите одно действие: «улыбается и машет рукой», «поворачивает голову к камере».

4. Выберите формат: 9:16 для сторис и Reels, 16:9 для YouTube и презентаций.

5. Запустите генерацию два-три раза и выберите лучший вариант.

На поздравлении из теста лучше всего сработало именно одно действие. Когда я просил «улыбается, машет, подмигивает и задувает свечи», модели спешили и ломали физику. Одно действие за десять секунд — оптимальный темп.

Создание видео по описанию, без фото

Если исходного фото нет, видео можно сгенерировать только по тексту. Порядок такой же, но промпт подробнее: кто в кадре, где, что делает, как движется камера, какой свет. Для коротких атмосферных роликов хорошо подходят Kling и HappyHorse, для сцен со звуком и репликой — Veo 3.1.

Совет из практики: даже если фото нет, сначала сгенерируйте картинку героя в Nano Banana Pro, а потом оживите ее. Так вы контролируете внешность, а не надеетесь на удачу. 

Видео без промптов из готового шаблона

Самый короткий путь — шаблон тренда. Сцена, движение камеры и музыка уже собраны, от вас нужно одно-два фото. Для поздравлений и роликов «как у всех в ленте» это быстрее и стабильнее, чем писать промпт с нуля. Минус шаблона в том, что сюжет поменять нельзя, кому-то это ограничение, а кому-то как раз экономия времени.

Открыть шаблоны ИИ-трендов в Study AI

Уровень 2. Ролик на 30 секунд: один длинный дубль или три сцены

Тридцать секунд — стандарт рекламы для маркетплейсов, вертикальных объявлений и роликов-объяснений. Здесь есть два пути, и выбор зависит от того, нужны ли в ролике разные места и ракурсы.

Вариант А: длинный дубль за одну генерацию

Seedance 2.5, Kling 4.0 и Wan 3.0 умеют генерировать до 30 секунд за проход. Это удобно, когда действие непрерывное: камера следует за героем, предмет вращается, человек рассказывает о товаре.

Ключ к длинному дублю — промпт с таймкодами. Вы расписываете, что происходит на каждом отрезке, и модель держит этот порядок. Без таймкодов 30 секунд превращаются в одно растянутое действие или, наоборот, в кашу из всего сразу.

1. Подготовьте стартовый кадр: фото товара или героя на нужном фоне.

2. Разбейте 30 секунд на 3–4 отрезка и опишите каждый одной фразой.

3. Укажите движение камеры для каждого отрезка.

4. Добавьте звук: музыку, голос, шумы.

5. Сгенерируйте и проверьте, не «уплыл» ли предмет к концу ролика.

На ролике с термокружкой Seedance 2.5 лучше всех держала форму и логотип предмета до последней секунды, Kling 4.0 давал более живую руку, которая берет кружку.

Вариант Б: три сцены по 10 секунд

Если нужны разные локации, например кружка на столе, в рюкзаке и в руках на прогулке, проще сделать три короткие генерации и склеить их. Главное правило: все три сцены строятся от одного стартового изображения товара или героя. Тогда предмет выглядит одинаково во всех кадрах.

Этот вариант дольше, зато каждую сцену можно переделать отдельно, не теряя остальные. Для рекламы, где важна каждая деталь, я чаще выбирал именно его.

Уровень 3. Видео на минуту и длиннее: раскадровка и сборка

Минутный ролик нейросеть за один раз не сделает. Это уже маленькое производство, где ИИ выполняет работу съемочной группы, а вы — режиссера. Ниже порядок, по которому я собирал обучающее видео про кофе в турке.

Шаг 1. Сценарий и раскадровка

Сначала текст. Опишите идею текстовой нейросети, например Claude Fable, и попросите разбить ролик на сцены по 8–15 секунд. Для каждой сцены нужно: что в кадре, ракурс, движение камеры, реплика или звук. Получится таблица из 5–7 строк, это и есть раскадровка.

Шаг 2. Стартовые кадры героя и локации

Сгенерируйте 2–3 изображения ведущего в одной одежде и одну-две картинки кухни. Все дальнейшие сцены будут строиться от этих кадров. Это самый важный шаг: без него ведущий в каждой сцене будет немного другим человеком.

Шаг 3. Генерация сцен разными моделями

Раздайте сцены моделям по их сильным сторонам. В тесте крупные планы ведущего с репликами я делал в Kling, общий план кухни — в Wan 3.0, крупные вставки с туркой и пенкой — в HappyHorse, а сцену с объяснением и голосом — в Veo 3.1. На каждую сцену уходило 2–4 попытки.

Шаг 4. Звук: голос, музыка и шумы

Многие модели генерируют звук сами, поэтому реплики и шумы часто уже есть в сценах. Музыку лучше сделать отдельно и одну на весь ролик, иначе каждая сцена будет звучать по-своему. Трек можно создать в Suno, а как писать промпты для песен и музыки.

Шаг 5. Сборка и финальные правки

Сцены склеиваются в любом видеоредакторе, хоть на телефоне. Если в одной сцене что-то не так, например на столе лишний предмет или не тот свет, ее не обязательно генерировать заново. Gemini Omni Flash поправит готовый фрагмент текстовой командой.

На минутный ролик у меня ушел вечер, большая часть времени — на сценарий и стартовые кадры. Сама генерация сцен оказалась самой быстрой частью.

Говорящее видео по фото: как создать ролик с ведущим

Отдельный популярный сценарий — видео, где человек с фото говорит текст. Так делают приветствия, видеовизитки, обучающие ролики и объявления.

1. Возьмите фото анфас с хорошим светом, рот закрыт или слегка приоткрыт.

2. Напишите реплику в промпте в кавычках, как прямую речь.

3. Укажите голос: мужской или женский, спокойный или энергичный.

4. Сгенерируйте ролик в модели со встроенной речью: Veo 3.1, Kling или HappyHorse.

5. Для длинного текста разбейте его на фразы по 8–10 секунд и сделайте несколько клипов.

В тесте синхронизация губ лучше всего получалась на коротких фразах. Длинное предложение на одном дыхании модели произносят хуже, чем две короткие реплики.

Как создать клип нейросетью под музыку

Клип удобно строить от трека, а не наоборот.

1. Создайте или выберите песню и разметьте ее по секундам: куплет, припев, проигрыш.

2. Под каждый отрезок придумайте одну сцену.

3. Для танцевальных фрагментов используйте Kling Motion Control: он переносит движение из видео-образца на вашего героя.

4. Для атмосферных проигрышей подойдут длинные планы Seedance 2.5 или Wan 3.0.

5. Склейте сцены точно по ударным долям музыки, так клип выглядит снятым, а не собранным.

Промпт с таймкодами: формула для длинных роликов

Для коротких клипов хватает одного абзаца. Для роликов от 20 секунд работает промпт-сценарий:

[стартовый кадр и формат] + [отрезок 1: секунды, действие, камера] + [отрезок 2] + [отрезок 3] + [звук на весь ролик] + [что не должно меняться]

Последний пункт часто забывают, а он сильно помогает: «лицо героя, одежда и логотип не меняются до конца ролика».

Поздравление по фото, 10 секунд:

text

Оживи фото: мужчина за праздничным столом улыбается, поднимает бокал и говорит: «С днем рождения, мама!». Камера медленно приближается. Теплый свет гирлянд на фоне. Звук: легкая праздничная музыка, звон бокала. Вертикально 9:16.

Реклама товара, 30 секунд, с таймкодами:

textСтартовый кадр: черная термокружка на деревянном столе у окна. Формат 9:16.0–8 сек: камера медленно облетает кружку, на поверхности видны капли.8–18 сек: рука берет кружку, открывает крышку, поднимается пар.18–30 сек: девушка в куртке идет по осеннему парку с кружкой в руке, камера ведет ее сбоку.Звук: спокойная акустическая музыка, шорох листьев.Форма кружки и логотип не меняются до конца ролика.

Говорящий ведущий:

textСредний план, мужчина-бариста за стойкой смотрит в камеру и говорит спокойным голосом: «Сегодня покажу, как сварить кофе в турке за пять минут». Легкая жестикуляция руками. Мягкий дневной свет. Звук: тихий фон кофейни. 16:9, 8 секунд.

Короткий мультфильм:

textСтиль объемной детской анимации. Маленький рыжий лис просыпается в норе, потягивается, выглядывает наружу и радуется первому снегу. Камера начинает изнутри норы и выезжает наружу. Утренний голубой свет. Звук: тихая сказочная музыка, хруст снега. 16:9, 12 секунд.

Сцена для клипа:

text

Ночная крыша города, девушка в длинном пальто стоит у края, ветер развевает волосы, внизу огни машин. Камера медленно поднимается снизу вверх и облетает героиню. Неоновые отражения, легкий туман. Без звука, музыка будет наложена отдельно. 9:16, 10 секунд.

Ошибки при создании видео нейросетью

• Сюжет на минуту в одном промпте. Модель не растянет историю, она ее сожмет. Определите хронометраж и выберите уровень из этой статьи.

• Нет стартового кадра. Главная причина, почему герой меняется от сцены к сцене.

• Формат выбран после генерации. Обрезать горизонтальное видео до вертикали без потерь не получится. Решите заранее, где будет ролик.

• Музыка из каждой сцены. Когда каждая генерация приносит свою мелодию, ролик звучит рвано. Музыка — одна на весь ролик, отдельно.

• Финальное качество на черновиках. Пока ищете идею, генерируйте короткие варианты в меньшем разрешении, если модель это позволяет. Максимальное качество — для финальной версии.

• Меняют все сразу. Если результат не нравится, правьте одну вещь за раз: камеру, свет или действие. Иначе непонятно, что именно помогло.

Можно ли создать видео бесплатно и без VPN

Да, если говорить о пробе. Большинство сильных видеомоделей зарубежные, и напрямую из России с ними работать неудобно: нужна зарубежная карта и обход блокировок. Агрегаторы решают обе проблемы: модели собраны в одном кабинете, интерфейс на русском, оплата российской картой.

В Study AI после регистрации можно бесплатно создать видео по фото или тексту в пробном режиме и сравнить несколько моделей. Для одного-двух коротких роликов этого хватает. Для регулярной работы и роликов на 30–60 секунд генерации понадобятся платные, потому что видео — самая ресурсоемкая задача для ИИ.

Промпты можно писать на русском, модели их понимают. Для сложных движений камеры иногда точнее срабатывают английские термины, кому-то удобнее так, а кто-то спокойно обходится описанием своими словами.

Вопросы и ответы

Как создать видео с помощью нейросети с нуля?

Определите длину ролика. Для 10 секунд хватит фото или короткого описания и одной генерации. Для 30 секунд подготовьте стартовый кадр и промпт с таймкодами. Для минуты и больше напишите сценарий, сделайте кадры героя, сгенерируйте сцены и склейте их.

Можно ли создать видео нейросетью бесплатно в 2026 году?

Можно попробовать бесплатно в агрегаторах вроде Study AI: после регистрации доступны пробные генерации на русском и без VPN. Безлимитных бесплатных сервисов с хорошим качеством нет, регулярная генерация видео платная.

Как сделать видео из фото с помощью ИИ?

Загрузите четкое фото в инструмент оживления или в Kling, опишите одно действие, выберите формат и сгенерируйте несколько вариантов. Для готового сюжета без промптов подойдут шаблоны трендов.

Как сделать видео нейросетью длиннее 30 секунд?

Ни одна модель сейчас не делает минуту за раз. Длинное видео собирается из сцен по 8–30 секунд, сгенерированных от одних и тех же стартовых кадров, и склеивается в видеоредакторе.

Как сделать, чтобы герой не менялся от сцены к сцене?

Сначала сгенерируйте изображение героя, а потом запускайте все сцены от этой картинки. В промпте добавьте фразу о том, что лицо и одежда не меняются.

Можно ли создать видео нейросетью на телефоне?

Да. Агрегаторы работают в браузере смартфона, а склеить сцены можно в любом мобильном видеоредакторе.

Можно ли создать видео по тексту на русском языке?

Да, современные модели понимают промпты на русском и генерируют русскую речь. Реплику героя лучше писать в кавычках, как прямую речь.

Есть ли нейросеть для видео без цензуры?

Облачные сервисы такой контент не создают, фильтры у них встроены на уровне сервера. Без ограничений работают только локальные открытые модели на своем компьютере с мощной видеокартой, но законы о согласии людей в кадре, дипфейках и защите несовершеннолетних действуют и для них.

Итоги

Создать видео нейросетью проще всего, если начать не с выбора модели, а с хронометража. Десять секунд — одна генерация по фото или шаблону. Тридцать секунд — длинный дубль с таймкодами в Seedance 2.5, Kling 4.0 или Wan 3.0, либо три сцены от одного стартового кадра. Минута и больше — сценарий, кадры героя, сцены в разных моделях, общая музыка и склейка.

Если сомневаетесь, какую модель выбрать под конкретную сцену, начните с одного промпта в нескольких моделях на агрегаторе Study AI: все видеонейросети из инструкции, а также генераторы фото, музыки и текста работают там на русском и без VPN.