Диалог двух ИИ-персонажей для урока: видео-сценка без актёров

Один говорящий персонаж у нейросетей давно получается сносно. С двумя начинается комедия, причём не та, что была в сценарии: капитан вдруг отвечает девчачьим голосом, журналистка шевелит губами на чужой реплике, а вопрос звучит уже после ответа. Для урока это провал: дети смеются не над шуткой, а над роликом.

Сделать сценку с двумя героями без актёров и камеры всё-таки можно, и способов два. Первый — попросить видеомодель со звуком сразу снять короткую сцену с двумя говорящими. Так быстрее всего, но влезает только пара реплик. Второй — собрать ролик из частей: озвучить весь диалог разными голосами, потом «оживить» портрет каждого героя под его реплики и склеить. Дольше, зато выдерживает настоящее интервью на минуту-две. Ниже оба способа по шагам и отдельно — почему герои говорят чужими голосами и что с этим делать.

Для чего это учителю и студенту

Диалог двух героев удобен там, где тема сама по себе похожа на спор или разговор. Несколько условных сценариев, под которые мы и будем собирать ролик:

• Шуточное интервью исторического героя. Школьный журналист расспрашивает мореплавателя о первом плавании, а тот отвечает простыми словами.
• Спор двух точек зрения. Сторонник и противник какой-нибудь идеи по очереди приводят доводы — готовый материал для обсуждения в классе.
• Разговорная сценка для иностранного языка. Покупатель и продавец, пассажир и контролёр: ученик слышит живой обмен фразами и видит, кто что говорит.
• Объяснение через вопросы. Любопытный персонаж задаёт «глупые» вопросы, второй терпеливо объясняет. Сложная тема так воспринимается легче.

Если вам нужен один ведущий, который просто рассказывает, это другой формат. Его мы разобрали в статье про говорящий аватар без камеры. Здесь речь именно о двоих и о том, как они держат разговор.

Какой путь выбрать

Выбор почти целиком зависит от длины диалога и от того, как важно, чтобы каждая реплика прозвучала слово в слово.

Если сомневаетесь, начните с первого пути. Не получилось удержать героев или текст — переходите ко второму: сценарий у вас уже будет готов.

Шаг первый: сценарий в ChatGPT

С чего бы вы ни начали, сначала нужен текст. Его удобно писать в ChatGPT: в Most AI он бесплатный и без ограничения по числу запросов, так что можно спокойно переписывать реплики хоть десять раз.

Хороший сценарий для видео-диалога отличается от обычного текста. Реплики должны быть короткими, одна мысль в каждой. Каждый персонаж говорит в своей манере, иначе на слух их не различить. А ещё в сценарии полезно сразу указать, кто где стоит и как выглядит: это пригодится на следующих шагах.

Напиши сценарий шуточного интервью для урока истории в 6 классе.
Персонажи:
ЖУРНАЛИСТ — школьница лет двенадцати, говорит бодро, задаёт короткие вопросы.
МОРЕПЛАВАТЕЛЬ — пожилой капитан в старинном камзоле, говорит медленно и с юмором.
Тема: как готовились к долгому плаванию в XV веке.
Требования: 8 реплик, по очереди. Каждая реплика — не длиннее двух коротких предложений.
Без сложных терминов. Не приписывай реальным людям цитат, которых они не говорили,
пусть капитан будет собирательным образом.
Оформи так: ИМЯ: текст реплики.

Обратите внимание на просьбу про собирательный образ. Шуточное интервью — это игра, и дети должны понимать, что перед ними выдуманный разговор, а не настоящие слова исторической личности. Об этом стоит сказать и в самом уроке.

Путь первый: двое в одной сцене

Видеомодели со звуком умеют сразу выдавать и картинку, и голоса. В каталоге Most AI для этого подходят Veo 3.1 Fast с русской озвучкой и Seedance 2.5 — она со звуком и понимает русский язык. Одна генерация — это короткий отрезок, поэтому в неё помещается лишь пара реплик. Длинный диалог разбивайте на несколько сцен и склеивайте.

Главное правило промта: модель должна точно понимать, кто есть кто. Опишите каждого героя отдельно, назовите его и поставьте на своё место в кадре. Потом перечисляйте реплики по порядку и перед каждой указывайте, кто говорит.

Уютный школьный класс, дневной свет из окна, камера стоит неподвижно, средний план.
Слева стоит девочка лет двенадцати в синем свитере, с блокнотом и микрофоном.
Справа сидит пожилой капитан с седой бородой, в тёмно-зелёном старинном камзоле.
Сначала девочка слева поворачивается к капитану и спрашивает бодрым голосом:
«Капитан, что вы брали с собой в долгое плавание?»
Потом капитан справа улыбается и отвечает медленно, низким голосом:
«Сухари, бочки с водой и очень много терпения».
Пока говорит один, второй молчит и слушает. Без музыки, без субтитров на экране.

Несколько приёмов, которые помогают:

• Разные приметы. Цвет одежды, возраст, причёска, предмет в руках. Чем сильнее герои отличаются внешне, тем реже модель их путает.
• Постоянные места. «Слева» и «справа» лучше не менять в течение всего ролика. Если в следующей сцене капитан окажется слева, ученики запутаются.
• Явное молчание. Фраза «второй молчит и слушает» заметно снижает шанс, что губы шевелятся у обоих.
• Неподвижная камера. Облёт вокруг героев красив, но мешает следить за разговором и добавляет модели работы.

Результат сравните со сценарием. Если модель выбросила слово или переставила фразу, а для урока это неважно, оставляйте. Если реплика должна прозвучать точно, например это правило или определение, лучше переходить ко второму пути.

Путь второй: голоса и лица по отдельности

Здесь ролик собирается как конструктор, и каждую деталь можно поправить отдельно.

Озвучиваем диалог

В каталоге у ElevenLabs V3 две версии: «Диктор» для одного голоса и «Диалог» для нескольких. Нам нужна вторая. Реплики в ней делятся по говорящим, и каждому персонажу достаётся свой голос. Возьмите заметно разные тембры: высокий и бодрый для журналистки, низкий и спокойный для капитана. Реплики вставляйте в том виде, в каком их написал ChatGPT, только проверьте ударения в именах и старых словах. Сомнительное слово иногда проще заменить синонимом.

Прослушайте результат целиком. Если какая-то реплика прозвучала не так, переозвучьте её отдельно и не трогайте остальные.

Готовим портреты

Для каждого героя нужна картинка с лицом. Её можно нарисовать картиночной моделью, например Nano Banana 2 или GPT Image 2. Делайте оба портрета в одном стиле, с похожим светом и фоном, иначе после склейки будет видно, что герои «из разных фильмов». Лицо должно смотреть примерно в камеру, рот закрыт, без рук у лица.

Для исторических героев лучше выбирать рисованный или собирательный образ, а не пытаться добиться сходства с реальным человеком. Если хочется оживить именно старинный портрет или картину, посмотрите нашу статью про оживление старого фото для урока истории. И отдельно важное: фото настоящих людей, в том числе коллег и учеников, используйте только с их согласия. С голосами то же самое.

Липсинк для каждого героя

Модель «Липсинк Kling Avatar» берёт фото и аудио и делает видео, где лицо произносит то, что звучит в дорожке. На выходе один говорящий, поэтому общую дорожку диалога нужно разрезать. В любой монтажной программе нарежьте аудио на отдельные реплики и подпишите файлы по порядку: «01 журналист», «02 капитан» и так далее. Потом для каждой реплики сделайте липсинк с портретом того, кто её произносит.

Склейка

Дальше всё как в обычном монтаже: кладёте клипы по порядку номеров, и получается привычная «восьмёрка», когда в кадре тот, кто сейчас говорит. Можно разделить экран пополам и показать обоих сразу, но тогда молчащему герою нужен отдельный спокойный клип без речи. Сверху добавьте титр с именами персонажей и, если нужно, субтитры. Для урока иностранного языка субтитры особенно полезны.

Стоимость зависит от выбранных моделей и длины ролика. Актуальные цифры смотрите на странице с ценами: там видно, сколько стоит генерация в каждой модели. Платите вы за генерации, а не за месячную подписку. Чтобы не тратиться зря, сначала прогоните одну реплику целиком — голос, липсинк, склейку — и только потом делайте остальные.

Типичные сбои и как их исправить

Говорит не тот персонаж. Самая частая проблема первого пути. Чаще всего в промте герои описаны похоже или не указано, кто произносит реплику. Лечится так: дайте персонажам яркие отличия, поставьте их слева и справа и перед каждой репликой пишите «девочка слева говорит», «капитан справа отвечает».

Реплики перепутаны местами. Модель может начать с ответа, а вопрос задать потом. Помогают слова «сначала» и «потом» и не больше двух реплик на одну генерацию. Если сцена длиннее, режьте её.

Губы шевелятся у обоих. Добавьте в промт, что второй герой молчит и слушает. Во втором пути такой проблемы нет: каждый клип делается с одним лицом.

Голоса похожи. В режиме «Диалог» выберите голоса, которые отличаются по высоте и темпу. На слух ученик должен понимать, кто говорит, даже не глядя на экран.

Реплика оказалась не у того портрета. Это ошибка нарезки, а не модели. Подписывайте файлы с именем героя и номером реплики — так при монтаже ничего не перепутается.

Герой меняет лицо между сценами. Для первого пути повторяйте описание внешности слово в слово в каждом промте. Для второго держите один и тот же портрет для всех реплик героя.

Частые вопросы