Перебивки для ролика нейросетью: B-roll без стоков и досъёмок

Перебивки для ролика с «говорящей головой» можно сгенерировать нейросетью: вы выписываете из сценария места, где зрителю нужна картинка, делаете короткие вставки на пару секунд в видеомодели и подгоняете их под свою съёмку по формату кадра, свету и палитре. Стоки и досъёмки при этом не исчезают совсем, но перестают быть единственным вариантом. Ниже — рабочий порядок: от разметки сценария до монтажа, а заодно разберём, где генерация проигрывает стоку и где её нельзя выдавать за реальную съёмку.

Зачем говорящей голове перебивки

Эксперт в кадре может говорить очень толково, но через двадцать-тридцать секунд одного и того же плана внимание зрителя начинает уплывать. Перебивка, или B-roll, закрывает сразу три задачи. Она меняет картинку и возвращает внимание. Она иллюстрирует то, что трудно объяснить словами: процесс, место, предмет. И она закрывает склейки — если вы вырезали оговорку или паузу, прыжок кадра удобно спрятать под вставкой.

Раньше у подкастера или блогера было два пути: искать похожие кадры на стоках или ехать доснимать. Первый путь даёт узнаваемые «те же самые» кадры, которые зритель видел у десятка других авторов. Второй требует времени, места и иногда реквизита. Генерация добавляет третий путь: кадр под конкретную фразу вашего сценария, в вашей палитре и под ваш формат.

Если вы уже решали похожий вопрос для картинок, логика будет знакомой — мы разбирали её в материале «Сток или генерация: когда картинку дешевле сделать самому». С видео всё то же самое, только добавляются движение, длительность и склейка с живой съёмкой.

Шаг 1. Выписываем места для B-roll из сценария

Самая частая ошибка — искать перебивки в монтажке, когда ролик уже собран и «провисает». Тогда вставки подбираются по принципу «что-нибудь красивое», и они выглядят случайными. Гораздо проще разметить места заранее, прямо в тексте сценария или в расшифровке уже записанного монолога.

Хорошие кандидаты под перебивку:

• Предметы и процессы, о которых вы говорите: «когда тесто уже подошло», «открываем ноутбук и видим отчёт».
• Места и атмосфера: офис, склад, утренний город, кухня.
• Метафоры: «деньги утекают», «очередь из задач», «всё начинает расти».
• Склейки: места, где вы вырезали кусок, и план с лицом прыгает.
• Длинные перечисления: каждый пункт списка можно проиллюстрировать отдельной вставкой.

Разметку удобно поручить текстовой модели. ChatGPT в чате Most AI бесплатный и без лимита по количеству запросов, так что сценарий можно гонять туда-обратно сколько нужно.

Вот расшифровка моего видео, где я говорю в камеру.
Найди 6-8 мест, где нужна перебивка (B-roll) на 2-4 секунды.
Для каждого места дай:
1) цитату из текста, под которую идёт вставка;
2) что должно быть в кадре — один объект или одно действие;
3) план: крупный, средний или общий;
4) движение камеры одним словом;
5) пометку, можно ли это сгенерировать или лучше снять самому.
Не предлагай кадры с узнаваемыми людьми, логотипами и надписями.
Текст: [вставьте расшифровку]

Пятый пункт важен. Модель сразу отделит то, что генерация делает уверенно, от того, что лучше снять на телефон за пять минут: ваш собственный продукт, ваш рабочий стол, ваше лицо с другого ракурса.

Шаг 2. Что генерировать, а что снимать самому

Не каждая перебивка одинаково хорошо получается у видеомодели. Уверенно выходят кадры, где нет конкретики, которую зритель может проверить:

• атмосферные планы — свет в окне, дождь по стеклу, пар над чашкой;
• абстрактные предметы — стопка бумаг, рука над клавиатурой, растение в горшке;
• визуальные метафоры — песочные часы, клубок ниток, лестница вверх;
• фактуры и детали — ткань, дерево, зёрна кофе крупным планом.

Хуже получаются кадры с текстом, экранами интерфейсов, конкретными товарами и логотипами: буквы в генеративном видео дрожат, а упаковка «плывёт». Всё, что зритель должен узнать как настоящее — ваш продукт, ваш офис, ваша команда, — лучше снять самому. Генерация здесь не просто хуже, она ещё и превращается в неправду, об этом ниже.

Шаг 3. Какие модели брать под перебивки

Перебивок в ролике обычно много, а каждая живёт на экране пару секунд. Поэтому логика простая: массовые вставки — на бюджетных моделях, а два-три кадра, на которых держится смысл ролика, — на сильной.

Kling 3.0 имеет смысл, когда перебивка несёт смысл: например, открывающий кадр ролика или визуальная метафора, на которую вы опираетесь в выводе. Для фоновых вставок её сила чаще всего не видна — зритель смотрит на кадр две секунды. Точная стоимость каждой модели в прайсинге: там видно, насколько бюджетная вставка дешевле флагманской, и можно заранее прикинуть, во что обойдётся весь набор перебивок.

Надёжнее всего работать через режим «картинка в видео». Сначала вы делаете стартовый кадр картиночной моделью, например Nano Banana 2, утверждаете его, а уже потом оживляете. Так вы контролируете палитру и композицию до того, как заплатили за движение.

Кадр для перебивки в видео, снятом на телефон.
Вертикальный формат 9:16.
Крупный план: керамическая чашка с кофе на деревянном столе,
над чашкой поднимается пар.
Свет тёплый, мягкий, из окна слева, как в обычной квартире днём.
Лёгкая естественная зернистость, без сильного размытия фона.
Цвета приглушённые, без насыщенного «рекламного» контраста.
Без текста, без логотипов, без людей.

Кадр с прикреплённого изображения оставить без изменений.
Камера: очень медленный наезд, почти незаметный.
Движение: пар над чашкой медленно поднимается и рассеивается.
Больше ничего в кадре не двигается.
Длительность короткая, без смены плана, без текста.

Шаг 4. Подгоняем перебивку под съёмку с телефона

Сгенерированный кадр почти всегда «красивее», чем живая съёмка: чище свет, глубже цвета, кинематографичное размытие фона. На склейке с телефонной записью это выглядит как вставка из другого фильма. Задача — не сделать генерацию лучше, а сделать её похожей.

Формат и разрешение

Генерируйте сразу в том соотношении сторон, в котором снят ролик: 9:16 для вертикали, 16:9 для горизонтали. Обрезать горизонтальный кадр под вертикаль можно, но вы теряете большую часть композиции, и главный объект может уехать за край. Если модель выдала кадр в меньшем разрешении, чем ваш проект, помогает готовый инструмент «Увеличить размер видео» — он поднимает разрешение вплоть до 4K и сохраняет длительность.

Частота кадров

Телефон обычно снимает в той частоте, которую вы выставили в настройках камеры, а сгенерированный ролик может прийти в другой. Сама по себе это не беда: монтажная программа приведёт вставку к частоте проекта. Главное — проверить, что проект настроен под вашу основную съёмку, а не под первый файл, который вы в него перетащили. Иначе основная запись начнёт подёргиваться, а это заметнее, чем любая перебивка.

Свет и палитра

Самый действенный приём — взять стоп-кадр из собственной записи и описать его свет словами в промте: откуда падает, тёплый или холодный, мягкий или жёсткий. Если вы снимаетесь у окна днём, а перебивка сгенерирована «в студийном свете», склейка будет видна сразу. Подробнее о том, как описывать свет и камеру, мы писали в разборе «Кинокартинка в ИИ-видео: свет, камера, длина плана» — там обратная задача, но словарь тот же.

Остальное доводится на монтаже. Наложите на все перебивки ту же цветокоррекцию, что и на основную запись, — один пресет на весь ролик выравнивает оттенки лучше, чем попытки угадать цвет в промте.

Резкость и звук

Попросите в промте естественную зернистость и умеренную глубину резкости: телефон редко даёт сильное боке. Звук перебивки обычно не нужен — под ней идёт ваш голос. Если модель сгенерировала ролик со звуком, просто заглушите эту дорожку при монтаже.

Когда сток выгоднее

Генерация — не универсальный ответ. Сток выигрывает в нескольких случаях:

• Нужна реальная узнаваемая локация. Конкретный город, известное здание, реальное событие. Сгенерированная «похожая» площадь вызовет вопросы у тех, кто там был.
• Нужна длинная непрерывная сцена. Одна генерация — короткий отрезок, а сток даёт план на десять-двадцать секунд без склеек.
• Нужны живые люди в естественной динамике. Толпа, разговор, работа руками. Генеративные люди всё ещё выдают себя в движении пальцев и мимике.
• Кадр уже есть в подписке, которую вы оплачиваете. Тогда генерировать то же самое просто лишний расход.

Условный сценарий: подкастер записывает выпуск про усталость на удалёнке. Кадр «ноутбук на кухонном столе вечером» проще и точнее сгенерировать под его палитру. А кадр «утренний поток людей в метро» честнее и дешевле взять со стока.

Сгенерированное нельзя выдавать за документальное

Перебивка-метафора вроде «песочных часов» никого не обманывает. Но как только сгенерированный кадр начинает изображать реальность — «вот так выглядит наш цех», «вот наш клиент», «вот что было на мероприятии» — это уже подмена. Зритель воспринимает B-roll как иллюстрацию сказанного, и если иллюстрация выдуманная, доверие ко всему ролику страдает.

Правило простое: генерируйте то, что иллюстрирует мысль, и снимайте то, что подтверждает факт. Если сгенерированный кадр всё-таки изображает что-то похожее на реальную сцену, пометьте это в описании или маленькой подписью в углу. И не используйте чужие лица и голоса в перебивках без согласия их владельцев — даже если это «просто фон».

Частые вопросы