Кинокартинка в ИИ-видео: свет, камера, длина плана

Почему ролик выглядит самодельным

Возьмите два видео, сгенерированных одной и той же моделью. Первое смотрится как кадр из фильма, второе — как запись с телефона, только с плывущими деталями. Разрешение одинаковое, длительность одинаковая, модель одна. Разница целиком в промте, и почти всегда — в одних и тех же четырёх вещах.

Когда в описании нет типа плана, модель выбирает средний. Когда нет описания оптики, она даёт картинку с глубоким резким фоном — таким, каким мы видим мир на смартфоне. Когда нет источника света, она ставит ровное рассеянное освещение без направления, потому что это самый частый случай в обучающих данных. Когда нет времени суток, получается нейтральный дневной свет без характера. Сложите четыре нейтральных решения — и выйдет ровно то, что мы называем любительским кадром: всё видно, ничего не выделено, объём отсутствует.

Кино устроено иначе. Там каждое из этих четырёх решений принято сознательно и подчинено смыслу сцены. Хорошая новость в том, что модели понимают профессиональный словарь: он густо представлен в описаниях к обучающим кадрам. Достаточно этим словарём пользоваться. Плохая новость — что не все приёмы работают одинаково, и про это ниже будет отдельный честный разговор.

Тип плана: решение номер один

Крупность — самое сильное слово в промте. Она определяет, что именно зритель разглядит, и заодно задаёт, на что модель потратит пиксели. Базовый набор небольшой.

Деталь (extreme close-up) — глаз, пальцы на клавиатуре, капля на стекле. Максимум фактуры, минимум контекста. Для генерации это самый безопасный план: мало объектов, мало движения, почти нечему разваливаться.

Крупный план (close-up) — лицо целиком или предмет во весь кадр. Хорошо держит черты, потому что лицу достаётся много места.

Средний план (medium shot) — человек по пояс. Универсальный рабочий вариант для говорящей головы и демонстрации предмета в руках.

Общий план (wide shot) — фигура целиком с окружением. Показывает обстановку, но лицо на нём становится мелким и начинает плыть. Если нужен общий план с узнаваемым человеком, надёжнее снять его так, чтобы лицо не читалось.

Дальний план (extreme wide) — пейзаж, город, интерьер, где человек — точка. Здесь модели чувствуют себя уверенно, потому что нет анатомии, которую можно сломать.

Отдельно стоит ракурс: с уровня глаз (нейтрально), снизу (объект кажется крупнее и значительнее), сверху (объект кажется меньше и уязвимее), от земли или от потолка (выраженный приём). Ракурс — редкая вещь, которую модель почти всегда отрабатывает точно, потому что это статичная геометрия, а не движение.

Оптика: чем это снято

Фраза «размытый фон» работает слабее, чем указание фокусного расстояния. Модели видели миллионы кадров с подписями вроде «85mm», и связь между числом и характером картинки у них устойчивая.

Короткое фокусное (широкоугольник, 24 мм) даёт много пространства в кадре, вытянутую перспективу и подчёркнутые передние объекты. Это язык репортажа и экшена. Среднее (35–50 мм) близко к тому, как видит глаз, — нейтральный документальный кадр. Длинное (85–135 мм) сжимает планы, отделяет героя от фона и даёт тот самый мягкий боке-фон, который зритель на автомате считывает как «профессионально».

К фокусному стоит добавить глубину резкости: «малая глубина резкости, фон в мягком размытии» или, наоборот, «глубокая резкость, всё в фокусе от переднего плана до горизонта». Это две разные интонации, и ни одна не является правильной по умолчанию.

Из более тонкого — зерно плёнки, лёгкая виньетка, анаморфные блики. Работает неровно: одни модели подхватывают, другие игнорируют. Проверять такие добавки лучше по одной, иначе непонятно, что именно дало эффект.

Свет: откуда и какой

Свет — то, что сильнее всего отличает кино от бытовой съёмки, и то, что чаще всего вообще не описано в промте. Полезно задавать три параметра.

Источник: дневной из окна, студийный софтбокс, настольная лампа, костёр, неоновая вывеска, экран монитора. Направление: боковой (лепит объём и фактуру), контровой (обводит фигуру светящимся контуром, отделяет от фона), фронтальный (плоско, но чисто), верхний, нижний. Характер: мягкий рассеянный с плавными тенями или жёсткий направленный с резкими краями теней.

Плюс температура: тёплый золотистый, холодный синеватый, смешанный — тёплое лицо на холодном фоне. Именно контраст температур делает кадр «дорогим»: глаз читает разделение планов даже раньше, чем сюжет.

Одно важное ограничение: для видео свет должен быть постоянным. Смена освещения посреди четырёхсекундного ролика — почти гарантированный сбой: модель начинает пересобирать сцену и заодно теряет форму объектов. Если по задумке свет обязан меняться, лучше сделать это склейкой двух планов на монтаже.

Время суток и погода

Время суток — быстрый способ задать настроение одним словом, потому что оно тянет за собой и цвет, и длину теней, и контраст.

Золотой час — низкое тёплое солнце, длинные тени, мягкие блики; беспроигрышный вариант для портрета и пейзажа. Синий час — короткий промежуток после заката, ровный холодный свет, светящиеся окна. Полдень — жёсткий верхний свет и короткие тени, честный, но неласковый к лицам. Пасмурный день — гигантский рассеиватель на всё небо, мягкие тени, приглушённые цвета. Ночь с искусственным светом — фонари, вывески, окна, высокий контраст.

Погода добавляет ещё слой: туман создаёт воздушную перспективу и разделяет планы, дождь даёт отражения и блики на асфальте, снег гасит звук и упрощает фон. С осторожностью — сильные осадки нагружают генерацию мелким движением, и на длинном ролике это чаще всего разваливается.

Движение камеры и честные ограничения

Здесь начинается та часть, где обещания расходятся с реальностью.

Простые движения модели отрабатывают уверенно: медленный наезд, отъезд, горизонтальная панорама, лёгкий проезд вбок, небольшой подъём. Работает и статика со штатива — её тоже нужно называть явно, иначе модель добавит покачивание «с рук», потому что такого материала в данных больше всего.

А вот сложные траектории пока даются плохо, и это не вопрос неудачного промта. Облёт объекта на 180 градусов с одновременным наездом, проход камеры сквозь дверной проём в другую комнату, спуск с высоты к лицу героя, восьмёрка вокруг двух персонажей — всё это модель должна не просто нарисовать, а согласовать по геометрии на протяжении нескольких секунд. Обычно ломается либо геометрия (стены съезжают, объект деформируется), либо сама траектория (камера меняет направление на середине). Чем длиннее ролик, тем выше шанс сбоя.

Практический вывод простой. Одно движение на план. Скорость задавать словом — «очень медленный наезд» ведёт себя предсказуемее, чем просто «наезд». Сложную траекторию разбивать на два-три отдельных плана и соединять на монтаже: зритель воспринимает склейку как норму кинематографа, а не как компромисс. Если траектория принципиальна и сокращать её нельзя, есть смысл взять модель с управлением движением камеры — там путь задаётся явно, а не выводится из текста. Про другие типичные поломки есть отдельный разбор — почему видео получается кривым.

Длина плана

Про длину говорят реже, чем про свет, а она влияет не меньше. В монтаже игрового кино средний план живёт секунды, а не десятки секунд: смена крупности — часть языка. Ролик, собранный из четырёх планов по три секунды, почти всегда смотрится профессиональнее одного двенадцатисекундного куска, даже если качество генерации одинаковое.

Для генерации у этого есть и техническая выгода. Короткий отрезок — меньше кадров, на которых успевает накопиться ошибка. Лицо не успевает измениться, предмет не успевает потечь, камера не успевает сбиться с курса. Собирать сцену из коротких планов дешевле и по количеству переделок: неудачный трёхсекундный кусок перегенерировать проще, чем весь ролик целиком.

Разумная схема для короткого рекламного или контентного видео: общий план на обстановку, средний на действие, деталь на фактуру, крупный на реакцию. Четыре генерации, четыре промта, один монтаж.

Промт до и после

Первый пример — портретный кадр для соцсетей. Было:

Красивое видео с девушкой в кафе, приятная атмосфера,
кинематографично, высокое качество, 4K, профессионально.

Здесь нет ни одного решения: «кинематографично» и «профессионально» ничего не сообщают модели, а «4K» — это параметр вывода, а не описание кадра. Стало:

Средний план: девушка 25 лет у окна кафе, тёплый бежевый свитер,
кружка в обеих ладонях.
Оптика: 85 мм, малая глубина резкости, фон в мягком размытии.
Свет: боковой дневной из окна слева, мягкий рассеянный, тёплый;
фон холоднее лица.
Время: золотой час, длинные мягкие тени.
Камера: статичный кадр со штатива.
Движение в кадре: редкое моргание, лёгкий пар над кружкой.
Длина: 4 секунды.
Запреты: без покачивания камеры, без поворота головы,
без смены света, без текста в кадре.

Второй пример — товарный ролик. Было:

Кроссовок вращается, камера облетает его по кругу и наезжает,
свет меняется с синего на оранжевый, эффектно, динамично.

Три конфликтующих движения плюс смена света — почти гарантированный брак. Стало:

Крупный план: белый кожаный кроссовок на бетонном постаменте.
Оптика: 50 мм, средняя глубина резкости, фон читается силуэтом.
Свет: жёсткий контровой сзади-справа, холодный; мягкая заполняющая
подсветка спереди, неизменная.
Камера: очень медленный наезд, без поворота.
Движение в кадре: нет.
Длина: 3 секунды.
Запреты: без вращения объекта, без смены света, без бликов на логотипе.

Облёт при этом никуда не делся — он просто становится вторым планом, отдельной трёхсекундной генерацией с той же оптикой и тем же светом. На монтаже два куска читаются как одна сцена.

Где проверять

Словарь работает на любой видеомодели, но отзывчивость к отдельным словам у них разная: одна лучше держит контровой свет, другая — малую глубину резкости. Поэтому один и тот же промт полезно прогнать на двух-трёх моделях и сравнить. Дешевле всего это делать на недорогой модели и в низком разрешении: например, Veo 3.1 Fast (Relax) стоит 26 ₽ за восьмисекундный ролик в 720p — почти вдвое дешевле обычного Veo 3.1 Fast, хотя генерация в этом режиме может идти долго. Для более требовательных кадров в каталоге есть Kling 3.0, Sora 2, Seedance 2 и другие модели — все собраны в разделе видеогенерации, а актуальная стоимость генераций указана в прайсинге. Базовая структура запроса, на которую этот словарь надевается, разобрана в статье про формулу промта для видео.

Частые вопросы