Видео вышло кривым: частые сбои генерации и как их чинить

Дефекты повторяются, и это хорошая новость

Генеративное видео ломается не случайно. Если просмотреть подряд десяток неудачных роликов, окажется, что сбоев там не десять разных, а четыре-пять одних и тех же: лицо меняется от секунды к секунде, у человека появляется шестой палец, камера трясётся там, где её никто не просил, фон подменяется на середине ролика, а твёрдый предмет ведёт себя как пластилин.

Это повторяемость, а не невезение. Значит, лечится она не кнопкой «сгенерировать ещё раз», а конкретной правкой: что-то убрать из промта, что-то добавить, что-то перенести на монтаж, а иногда — сменить модель. Перегенерация вслепую — самый дорогой способ починки: вы платите за каждую попытку, а причина остаётся на месте. Ниже — разбор по дефектам: что происходит внутри, что менять в тексте запроса и когда есть смысл уйти на другую модель. Общая формула запроса разобрана отдельно, в статье про промты для видео; здесь мы идём от симптома.

Лицо «плывёт» между кадрами

Симптом: на первой секунде человек один, на четвёртой — уже слегка другой. Меняется форма носа, разрез глаз, ширина скул, иногда возраст.

Механика простая. Модель не хранит лицо как объект с параметрами — она пересобирает его на каждом кадре, опираясь на предыдущие. Чем меньше лицо занимает места в кадре, тем меньше информации у неё для опоры: на общем плане лицо — это небольшая область, и черты там восстанавливаются приблизительно. Дальше ошибка накапливается кадр за кадром, и к концу ролика вы видите другого человека.

Что менять:

• Крупность плана. Портрет по грудь и крупный план держатся заметно лучше, чем ростовой кадр. Если по сценарию нужен общий план — снимайте его отдельно, без узнаваемого лица.
• Референс. Загруженное фото лица даёт модели опору, которой нет в текстовом описании. Как правильно готовить такой кадр — в разборе про референс лица в фото и видео.
• Повороты головы. Каждый поворот заставляет модель достраивать невидимую половину лица. Оставьте одно небольшое движение: моргание, дыхание, лёгкий наклон.
• Длительность. Ошибка копится со временем. Два ролика по пять секунд стабильнее одного десятисекундного.
• Речь. Если человек в кадре говорит, модель одновременно удерживает и черты, и артикуляцию. Надёжнее сгенерировать спокойный кадр, а губы синхронизировать отдельно — для этого в каталоге есть «Липсинк (Kling Avatar)».

Пример перестроенного промта:

Субъект: мужчина 40 лет, короткая борода, тёмно-синяя рубашка,
портрет по грудь, лицо занимает центральную треть кадра.
Камера: статичная, без движения.
Движение в кадре: спокойное дыхание, редкое моргание.
Свет: мягкий рассеянный дневной, слева, неизменный.
Запреты: без поворота головы, без смены черт лица,
без резких изменений плана.

Если после этого лицо всё равно расползается, есть смысл прогнать тот же промт на другой модели: Kling 3.0, Veo 3.1 Fast и Sora 2 по-разному удерживают портрет, и на конкретном лице разница бывает заметной. Проверять это дёшево — Veo 3.1 Fast (Relax) и Grok Video входят в бесплатную дневную квоту, по два ролика в день на каждую.

Лишние пальцы и лишние руки

Симптом: шесть пальцев, ладонь, вывернутая не в ту сторону, третья рука на краю кадра, пальцы, срастающиеся в один при движении.

Руки — самая сложная часть кадра для генерации по двум причинам. Во-первых, у них огромное число положений при небольшом размере в кадре. Во-вторых, они постоянно перекрывают сами себя: пальцы уходят за ладонь и должны появиться обратно. Каждое такое перекрытие — момент, когда модель заново решает, сколько пальцев вернуть в кадр. В статике ошибку видно на одном кадре, в видео она множится на всю длину ролика.

Что менять:

• Убрать руки из кадра. Самое надёжное решение. Портрет по плечи, кадр со спины, композиция, где руки за пределами рамки, — и дефекта нет вовсе.
• Занять руки предметом. Рука, держащая чашку, телефон, книгу, фиксируется в понятной позе, и у модели меньше свободы додумывать. Хват при этом лучше описать явно: «обе ладони обхватывают кружку».
• Убрать жестикуляцию. Формулировки вроде «объясняет, активно жестикулируя» — прямое приглашение к артефактам. Замените на «руки спокойно лежат на столе».
• Добавить запрет. Строка «без лишних пальцев и конечностей, без деформации кистей» не гарантирует результат, но заметно снижает частоту.
• Сократить ролик. Чем короче отрезок, тем меньше перекрытий и меньше шансов на пересборку кисти.

Отдельно про товарные ролики: если в кадре руки демонстрируют предмет, часто проще снять предмет без рук — на подставке, с медленным вращением. Показать функциональность руками почти всегда дороже по количеству переделок, чем показать сам объект.

Камера дрожит, хотя её об этом не просили

Симптом: вместо ровного кадра — лёгкая тряска, как при съёмке с рук, или рывки на середине ролика.

Причин обычно две. Первая: в промте нет ни слова о камере. Модель заполняет пробел тем, что чаще встречалось в похожих сценах, а это очень часто съёмка с рук — она преобладает в реальном видео. Вторая: в промте два движения камеры сразу, например наезд и облёт. Согласовать их за несколько секунд не получается, и на стыке появляется рывок.

Что менять: описывать камеру явно, даже когда она неподвижна. «Камера статична, штатив, без покачивания» работает лучше, чем молчание. Если движение нужно — оставьте одно: наезд, отъезд, панораму или облёт, но не комбинацию. Скорость тоже стоит задать словом: «очень медленный наезд» даёт спокойный кадр, а просто «наезд» модель нередко трактует как быстрый.

Камера: статичный кадр, съёмка со штатива, фокусное расстояние
как у портретного объектива, без покачивания и без зума.
Запреты: без тряски, без резких рывков, без смены ракурса.

Когда траектория принципиальна — например, камера должна пройти строго вдоль стеллажа, — есть смысл взять Kling Motion Control: это модель с управлением движением камеры, где траектория задаётся явно, а не выводится моделью из текста.

Фон скачет на склейке

Симптом: ролик идёт нормально, но примерно на середине меняется задний план — исчезает предмет, сдвигается стена, меняется цвет освещения. Часто это выглядит как незапланированная монтажная склейка.

Так проявляется устройство длинных генераций: ролик собирается сегментами, и каждый следующий отрезок опирается на конец предыдущего. Передний план — человек, товар — удерживается лучше, потому что он крупный и заметный. Фон при этом остаётся второстепенным, и на границе сегментов модель пересобирает его заново.

Что менять:

• Не растягивать один ролик. Если нужно двадцать секунд, это почти всегда четыре плана по пять секунд, склеенные при монтаже. Так вы ещё и получаете нормальную смену планов вместо одного статичного куска.
• Упростить фон. Однотонная стена, студийный задник, размытое боке. Чем меньше в фоне уникальных деталей, тем меньше видно их подмену. Кафе с людьми и вывесками на заднем плане — сложный случай.
• Зафиксировать свет. Формулировка «свет неизменный на протяжении всего ролика» убирает часть перепадов.
• Стартовать с одного изображения. Если несколько планов должны выглядеть как одна локация, сгенерируйте кадр-опору картинкой и используйте её как стартовое изображение для всех роликов.

Объект меняет форму

Симптом: коробка на облёте перестаёт быть прямоугольной, у стула добавляется ножка, надпись на упаковке превращается в кашу из букв, металл ведёт себя как ткань.

Причина та же, что с лицами и руками, только на другом материале: модель не держит трёхмерную модель предмета. Когда камера облетает объект, невидимая сторона не «вспоминается», а придумывается заново — и часто не совпадает с тем, что было видно секунду назад. Хуже всего это проявляется на предметах с жёсткой геометрией и на любом тексте.

Что менять:

• Заменить облёт на наезд. При наезде и отъезде объект не показывает новых сторон, и форма держится.
• Описать материал и жёсткость. «Жёсткая картонная коробка с чёткими рёбрами, форма неизменна» — это подсказка, которую модель действительно использует.
• Убрать текст из генерации. Названия, логотипы и этикетки лучше накладывать при монтаже поверх чистого ролика. Ни одна видеомодель не даёт стабильно читаемую надпись на всём протяжении клипа.
• Не менять освещение. Резкая смена света провоцирует пересборку и формы тоже.

Порядок починки

Когда ролик не получился, полезно не переписывать промт целиком, а идти по шагам. Сначала убрать из кадра то, что чаще всего ломается: руки, текст, движение камеры. Если после этого дефект исчез — вы нашли источник и можете возвращать элементы по одному. Затем сократить длительность: многие артефакты просто не успевают накопиться за пять секунд. Дальше — упростить фон и зафиксировать свет. И только когда всё это не помогло, менять модель: разные видеомодели каталога по-разному ведут себя на одной и той же сцене, и иногда портрет, который разваливается на одной, спокойно держится на другой.

Тестировать перебор дешевле на бесплатной дневной квоте — Veo 3.1 Fast (Relax) и Grok Video дают по два ролика в день. Когда промт устоялся, финальный вариант имеет смысл прогнать на более тяжёлой модели; стоимость генераций видно в актуальном прайсинге, и она заметно различается между моделями, так что отладку разумно завершать до, а не после перехода на дорогой вариант.

Частые вопросы