С 29 по 31 октября 2026 года одну 24-секундную серию «Лесной улицы» пересобрали примерно десятью способами — так проверяли, чего сегодня стоит ИИ для создания видео. Главный вывод: когда сцена расписана по секундам с репликами и эмоциями, модели собирают ролик почти с первого раза. На выходе — вертикальное видео 23–26 секунд с проверенными кадрами и подтверждёнными репликами.
Что вообще произошло на Хабре
Автор под ником nikolay0001 выложил на Хабр разбор среднего уровня сложности на 10 минут — к моменту публикации у текста 2.9K охвата и читателей. Это не теория: он собирает вертикальный мультсериал «Лесная улица» из облачных моделей, с постоянными героями и русской речью. Домашний компьютер в этой схеме только управляет задачами, хранит файлы и монтирует — вся тяжёлая генерация идёт в облаке.
Разница между «получилось» и «не получилось» видна на конкретной сцене. В раннем дубле Kling выпечка появлялась уже на 5-й секунде, и шутка рассыпалась — зритель видел разгадку раньше времени. В третьем дубле ватрушки раскрываются в финале, около 21-й секунды, и сцена наконец работает.
На 31 октября опубликованы серии «А телефон куда?» и «Подменишь?», а «Агитация запрещена» и «Посидеть потом» — это производственные пробы. За тот же период одну серию прогнали через Wan, Kling, Veo, Seedance, GPT Image и Nano Banana Pro.
Почему сначала выходила каша
Первые пробы проваливались по трём причинам: размытый сюжет, размытые запросы и отсутствие опор. Опоры — это заранее нарисованные листы героев и одно фиксированное место действия, чтобы лица не менялись от кадра к кадру, а фон не прыгал. Без них любой ИИ-мультфильм превращается в набор чужих людей в похожих декорациях.
Второй момент — жадность до анимации. В схеме всё построено наоборот: сначала история проверяется на дешёвых картинках GPT Image, и только сцена, которая уже понравилась человеку, уходит в дорогую анимацию. Поэтому Kling идёт после просмотра черновика, а не до.
Третий — формулировки. Первый запрос к Kling просил «сдержанной мимики», и лица вышли плоскими, как наклейки. После замены на игру по секундам — со взглядами, бровями и реакцией слушающего — в кадре появилось что-то живое. Автор честно оговаривается: доказать связь он не может, это наблюдение, а не закон.
Сколько должно длиться видео
Перед сборкой автор разобрал 16 чужих проектов и 24 выпуска. Замеры по небольшой выборке показали разрыв: у семи коротких зарубежных образцов движение в кадре занимало в медиане около 70% времени, а у «живого комикса» — 3,7%. Отдача у них наступала на 8–13-й секунде, у него — примерно на 35-й. Длина около 26 секунд против 40–45.
Отсюда рабочая рамка, которая пригодится любому, кто создаёт видео с помощью ИИ: 15–25 секунд, первая секунда уже внутри ситуации, отдача к 8–12-й секунде, в финале реплика или жест. Никаких «сначала покажем заставку, потом познакомим с героем» — у тебя есть секунда, чтобы зритель понял, кто здесь чего хочет и что ему мешает.
Что это даёт лично тебе
• Мама двоих детей. Младшему через неделю шесть лет, а бюджет на аниматора кончился. Она собирает «библию героев» из двух персонажей — сына и его плюшевого лиса — и получает вертикальный мультик на 20 секунд, который можно показать гостям с телефона.
• Владелец кофейни. Ему надоели фотографии круассанов в ленте. Вместо этого — серия коротких сценок с постоянным героем-бариста: одна ситуация, одна шутка, финальный жест с чашкой. Каждый ролик 23–26 секунд, снимать людей не нужно.
• Фрилансер-дизайнер. Он добавляет в прайс услугу «вертикальный ролик под соцсети» и закрывает её той же схемой: сценарий по секундам, картинки, голоса ElevenLabs eleven_v4. Заказчик видит черновик до того, как исполнитель потратил деньги на анимацию.
• Репетитор. Ему нужно объяснить правило за 20 секунд. Он делает сценку, где герой ошибается, а второй его поправляет — и проверяет результат без звука: если смысл понятен по кадрам, ученик поймёт и в наушниках.
• Продавец на маркетплейсе. Ему нужны живые карточки товара. Дешёвая версия — десять картинок GPT Image с движением камеры: не полная AI-анимация, зато быстро и без бюджета на дубли.
• Блогер-экспериментатор. Он хочет сериал, а не разовый ролик. Постоянные герои как раз и держат подписчика: он возвращается не за картинкой, а за персонажем.
Как попробовать прямо сейчас
Начни с самого дешёвого пути в схеме — картинки с движением камеры. Полная анимация подключается только после того, как черновик тебе понравился.
1. Собери библию героев. Два-три персонажа: внешность, характер, фраза-визитка. Одна картинка-лист на каждого — чтобы лицо не «плыло» между кадрами.
2. Выбери одно место действия. Кухня, двор, прилавок — что угодно, но одно и то же во всех кадрах серии.
3. Напиши сценарий по секундам. 15–25 секунд, первая секунда — уже внутри ситуации, отдача к 8–12-й, финал — реплика или жест. Сюжет утверждаешь ты сам, до всякой генерации.
4. Сгенерируй кадры в GPT Image или Nano Banana Pro. Это проверка истории за копейки: видно, понятно ли с первого взгляда, кто герой, чего он хочет и что ему мешает.
5. Озвучь ElevenLabs eleven_v4 и собери черновик с движением камеры.
6. Сделай проверку без звука. Попроси свежего ИИ-помощника пересказать сцену по кадрам. Смысл не совпал с задумкой — серия не выходит, правь.
7. Понравилось — иди в Kling. Там та же сцена собирается одним планом в Kling 4.0, обычно за 2–3 дубля. Дальше Voice Changer, финальная проверка — и выпуск.
Плюсы и что изменится
Главная выгода — порядок. Ты не платишь за анимацию до того, как убедился, что история работает. Одну серию пересобрали примерно десятью способами, и это не подвиг, а рутина: компьютер только управляет задачами. Постоянные герои и русская речь уже работают в этой схеме. «Ролик за вечер» перестаёт быть отдельной профессией и становится обычным навыком, как умение верстать презентацию.
Честно о минусах: зрительских чисел у этого способа пока нет — речь только о производстве, а не о просмотрах. Разбор построен на единичных пробах и не годится как рейтинг моделей, повторяемость не измерялась, выборка маленькая. Kling на одну сцену потребовал трёх дублей, а часть проблем автор так и не починил.
Один тест на сегодня
Для такого мультсериала не нужна студия — важнее дисциплина: расписать секунды, зафиксировать героев, проверить смысл без звука и только потом платить за анимацию. Сделай сегодня самое простое: возьми одну ситуацию из своей жизни на 20 секунд и распиши её по секундам. Дальше — десять картинок и проверка «поймут ли без звука». Если застрял на сценарии — разберём вместе.
🎁 Бонус: готовый промпт для сценария
Скопируй и подставь своих героев — это тот самый формат «сценарий по секундам», с которого начинается конвейер.
```
Ты — сценарист вертикального мультсериала. Формат 1080×1920, длина — около полуминуты.
Герои (2–3): [имя, возраст, внешность, характер, фраза-визитка].
Место действия: [одно место, что в нём видно].
Ситуация: один герой чего-то хочет, второй ему мешает.
Разбей сцену по секундам:
• 0–1 сек — уже внутри ситуации: герой, его цель и помеха видны сразу;
• дальше по секундам — что делает каждый герой, куда смотрит, что с бровями, где пауза, кто говорит и с какой подачей;
• к 8–12-й секунде — отдача;
• финал — реплика или жест и момент, когда раскрывается предмет.
В конце добавь одну строку: что зритель должен понять, даже если выключит звук.
```
Комментарии 0