Видео по тексту или из картинки: какой режим выбрать новичку

Если коротко: начинайте с текста, когда вам нужно быстро проверить идею и неважно, как именно будут выглядеть люди и предметы в кадре. Начинайте с картинки, когда важна конкретная внешность — героя, товара, комнаты, стиля — и вы не хотите, чтобы модель каждый раз придумывала её заново. Первый путь быстрее на старте, второй спокойнее на финише. Ниже разберём оба режима на простых примерах, а в конце соберём короткий алгоритм, по которому выбор занимает минуту.

Чем отличаются два режима

Обычно в видеогенераторе есть две кнопки входа. В первом случае вы пишете словами, что должно происходить, и модель рисует ролик с нуля. Это называют «видео по тексту». Во втором случае вы загружаете готовое изображение, дописываете, что в нём должно двигаться, и модель оживляет именно этот кадр. Это «видео из картинки».

Кажется, что разница небольшая: там текст, тут текст плюс картинка. На деле это два разных способа думать о ролике. В первом режиме вы режиссёр, который описывает сцену по телефону художнику и надеется, что его поймут. Во втором вы сначала сами смотрите на эскиз, говорите «да, вот так», и только потом просите добавить движение.

Оба режима есть в Most AI: видео по тексту и видео из картинки живут в одном кабинете, так что переключаться между ними можно без лишних аккаунтов.

Видео по тексту: когда хватит одного промта

Этот режим хорош своей простотой. Не нужно ничего готовить заранее: открыли модель, описали сцену, получили ролик. Для новичка это самый короткий путь к первому результату и хороший способ понять, как вообще «думает» видеомодель.

Когда текст работает отлично:

• Настроение и атмосфера. Туман над рекой, дождь по стеклу, огни ночного города. Здесь неважно, какой именно дом стоит на заднем плане, важно ощущение.
• Черновик идеи. Вы ещё не знаете, как будет выглядеть ролик, и хотите посмотреть несколько вариантов. Текст позволяет быстро перебрать направления.
• Фоны и перебивки. Короткие вставки на пару секунд для монтажа: облака, волны, листья на ветру.
• Абстракция и стилизация. Мультяшный стиль, пластилин, акварель — модели хорошо держат стиль, если он описан ясно.

Вот пример простого промта для такого режима:

Утро на тихой кухне, солнечный свет из окна падает на деревянный стол,
над чашкой кофе поднимается пар. Камера медленно приближается к чашке.
Тёплые тона, спокойное настроение, реалистичная съёмка.

Где текст подводит. Модель не видит у вас в голове ту самую кухню. Она нарисует какую-то кухню, и в следующей генерации — уже другую. Если вам нужно три ролика с одним и тем же героем, текст почти гарантированно выдаст трёх разных людей. То же с товаром: форму флакона или рисунок на кружке словами передать очень трудно.

Ещё одна особенность: каждая попытка в этом режиме — это сразу видео. Если не понравился цвет стен, вы перегенерируете весь ролик целиком и платите за него заново.

Видео из картинки: сначала кадр, потом движение

Здесь работа идёт в два шага. Сначала вы делаете изображение в картиночной модели, например в Nano Banana 2 или GPT Image 2. Смотрите на него, правите, добиваетесь нужного вида. И только когда кадр вас устраивает, отдаёте его видеомодели — скажем, Kling 3.0 или Seedance 2.5 — с коротким описанием движения.

Когда картинка лучше:

• Один и тот же герой в нескольких роликах. Кадр фиксирует лицо, одежду, причёску. Видеомодель опирается на него, а не придумывает человека заново.
• Товар или конкретный предмет. Упаковка, украшение, торт на заказ — всё, что должно выглядеть узнаваемо.
• Точная композиция. Вам важно, где стоит герой, что видно за окном, какого цвета стены. На картинке это легко проверить до того, как вы потратитесь на видео.
• Оживление своих изображений. Иллюстрация к докладу, рисунок, открытка, фото — модель добавляет движение к тому, что уже есть.

Промт для видеомодели в этом режиме короче, потому что внешность уже задана картинкой. Описывать нужно в основном движение:

Девушка поворачивает голову к окну и слегка улыбается.
Волосы чуть шевелятся от ветра. Камера неподвижна.
Движение плавное, без резких переходов.

А картиночный промт, с которого всё началось, может выглядеть так:

Девушка в жёлтом свитере сидит у окна в светлой комнате,
на подоконнике растение в горшке, за окном осенние деревья.
Мягкий дневной свет, реалистичная фотография, кадр по пояс.

Подробный пошаговый разбор второго пути, с настройками разных видеомоделей, есть в статье как сделать видео из фотографии. Здесь нам важнее понять, когда он вообще нужен.

Минусы у этого режима тоже есть. Нужно два шага вместо одного, а значит, немного больше времени. И видеомодель не всегда аккуратно продолжает кадр: если на картинке герой стоит в сложной позе, движение может получиться странным. Проще всего оживляются кадры, где уже намечено действие или где движение естественное и небольшое.

И ещё про людей в кадре. Если вы оживляете чужое фото, делайте это только с согласия человека на снимке. А вот ролик с узнаваемой знаменитостью лучше не планировать вовсе: и по этике, и по правилам моделей это плохая идея.

Сравниваем по трём вещам: контроль, попытки, цена

Контроль

Здесь картинка выигрывает однозначно. Вы видите кадр до того, как он начнёт двигаться. В режиме по тексту вы узнаёте, как выглядит сцена, только когда ролик уже готов.

Число попыток

В режиме по тексту все попытки — видео. Не понравился фон — новое видео. Не понравилось лицо — снова видео. В режиме из картинки основные поиски происходят на этапе изображения. Картинку можно перегенерировать и поправить несколько раз, а видео запустить, когда кадр уже утверждён. Обычно так уходит меньше видеопопыток на один удачный ролик, хотя гарантировать число заранее нельзя: иногда движение приходится пробовать по несколько раз.

Цена

В Most AI вы платите за каждую генерацию, а не месячной подпиской. Картинка обычно заметно дешевле видео, поэтому перенос «поисков» на этап изображения часто экономит бюджет. Но это не правило на все случаи: если вам нужен просто красивый фон на три секунды, лишний шаг с картинкой ничего не сэкономит. Точные цены за каждую модель смотрите на странице прайсинга — там видно, сколько стоит одна генерация картинки и одна генерация видео, и можно прикинуть свой сценарий.

Таблица: какая задача — какой режим

Простой алгоритм выбора

Если таблица не подсказала ответ, пройдите по трём вопросам.

Вопрос первый: важно ли, как именно выглядит главный объект? Если в кадре человек, которого нужно узнать, товар или конкретный рисунок — начинайте с картинки. Если главное настроение, переходите ко второму вопросу.

Вопрос второй: будет ли продолжение? Если это один ролик, текст подойдёт. Если нужна серия, где герой или место повторяются, лучше сразу сделать опорный кадр. Потом его можно использовать много раз.

Вопрос третий: сколько вариантов вы уже перебрали? Если вы трижды генерировали видео по тексту и каждый раз не нравится одно и то же — лицо, фон, цвет, — это сигнал переключиться. Возьмите лучший кадр или сделайте картинку отдельно и оживите её.

Есть и смешанный путь, который удобен новичкам. Сначала попробуйте текст, чтобы понять, какое движение и какой ракурс вам нравятся. Потом сделайте картинку с нужной внешностью и перенесите в неё найденное движение. Так вы используете сильные стороны обоих режимов.

Где новички чаще всего застревают

Эти три ошибки встречаются чаще других, и каждую легко обойти, если знать о ней заранее.

Описывают внешность второй раз. Картинка уже загружена, а в промте для видео снова идёт абзац про жёлтый свитер и цвет глаз. Модели приходится сверять два описания, и иногда она начинает «исправлять» кадр. Про внешность пусть говорит картинка, а текст пусть говорит про движение.

Просят слишком много за один ролик. Герой встаёт, идёт к двери, открывает её, оборачивается и машет рукой — для нескольких секунд это перебор. Одно действие плюс одно движение камеры — хороший предел для первых проб.

Забывают про формат. Если ролик нужен вертикальный, для сторис или шортсов, делайте сразу вертикальную картинку. Переделывать горизонтальный кадр под вертикаль потом неудобно: что-то важное обязательно окажется за краем.

Какие модели взять для старта

Для картинок в Most AI удобно начать с Nano Banana 2 или GPT Image 2 — обе хорошо понимают подробные описания сцены. Для оживления кадра подойдут Kling 3.0 и Seedance 2.5: обе умеют делать видео со звуком, а Seedance 2.5 понимает русский язык в промте. Если бюджет ограничен, в каталоге есть и более доступные видеомодели, например Seedance 2 Mini или Wan 3.0 Video — они подходят для черновиков и первых проб.

Kling 3.0 и Seedance 2.5 работают и в режиме по тексту, так что переучиваться не придётся: меняется только то, загружаете вы картинку или нет. А если хочется совсем без настроек, в каталоге есть готовый инструмент «Оживление фото» — загрузили снимок, и он превращается в короткий ролик. Попробовать всё это можно в кабинете Most AI после входа через Яндекс или VK.

Частые вопросы