Как делать AI-видео, которые не выглядят как AI
Попробуйте: посмотрите одну готовую серию-пример без звука и отметьте, что первым кажется неправильным. Сопоставьте это с одним из шести признаков ниже — именно его и стоит исправлять в своём проекте в первую очередь.
Признак 1: лицо меняется от кадра к кадру
Почему так: если каждый кадр рисуется сам по себе, ничто не говорит, кто этот человек, и модель каждый раз рисует правдоподобное лицо. Исправление: каждый персонаж — одна запись с одним утверждённым изображением, и каждый кадр с этим персонажем делается по этой записи. Лицо на крупном плане — то же, что на общем плане и в девятой серии, потому что источник — запись, а не предыдущий клип. Неудачный кадр не портит следующий: создайте его заново или идите дальше.
Ваша часть: утвердите листы на шаге 2 в SceneMixer, прежде чем платить за любое видео. Описывайте лицо конкретными чертами, какие бывают у настоящего лица, — кривой передний зуб, сломанный нос, седая щетина, шрам, — а не оценками вроде «красивый», потому что модель превращает оценку в усреднённое симпатичное лицо. Лист рисуется с ровным боковым светом, показывающим строение лица, так что остальное делает описание. Бесплатно: первые 15 листов на аккаунте. Одно и то же лицо в каждом кадре · Описывайте причину, а не результат.
Признак 2: комната перестраивается сама, а люди меняются местами
Почему так: разговор — это три-четыре кадра, и если каждый кадр выдумывает свою комнату, окно переезжает, а мужчина, стоявший слева, оказывается справа. Обратный план даже рисует стену, которой не было. Исправление: для каждой сцены автоматически создаётся AI-модель в 3D — пространство, важная мебель и место для каждого человека, — и каждый кадр сцены генерируется по этой единственной модели. Общий план, крупные планы и обратный план показывают одну и ту же комнату с разных позиций. Ничего настраивать не нужно.
Ваша часть: записывайте положение как отношение к предметам в комнате и друг к другу — «во главе стола, напротив неё, спиной к окну» — один раз в начале сегмента и снова только тогда, когда кто-то перемещается. «У окна» верно с любой камеры; «слева» — только с одной. Все остаются там, где сели · Пишите положения так, чтобы мир мог их прочитать · Почему персонажи меняются сторонами.
Признак 3: одежда и раны перескакивают или вовсе не меняются
Почему так: модель, получившая референсную картинку, копирует то, что на ней: лицо, одежду, форму предмета, — и никакая фраза её от этого не отговорит. Исправление: вещи, которая выглядит иначе, нужна своя картинка, называемая состоянием: полная смена наряда, превращение, сгоревший зал, клинок, вынутый из ножен. Разбор предлагает их в пределах лимитов (до трёх образов для персонажа, до двух для локации, один для предмета) и определяет, какой сегмент какое использует. Всё, что меняет только ситуацию, — стоит человек или сидит, день или ночь, дождь, пыль или кто что держит, — записывается словами и прекрасно работает. Дождь, в частности, — это текст, а не состояние.
Проверка — один вопрос: выглядит иначе сама вещь или ситуация вокруг неё? Если обе версии могут оказаться в одном кадре, это два ассета, а не один ассет с состоянием. Смена костюмов и состояния сцен.
Признак 4: толпа, которая появляется, исчезает или смотрит в никуда
Почему так: есть ли в кадре люди на заднем плане — это факт, и если текст нигде его не называет, модель решает каждый раз заново. Классика — свадьба, где в одном кадре церковь полна, а в следующем пуста. Исправление: назовите толпу как факт один раз на весь сегмент: кто, где и что делает, например «десяток гостей за столами едят и разговаривают». Если место пусто, скажите, что там есть вместо этого: «пустая улица, стулья сложены у стены кафе». Отрицание вроде «без толпы» обычно приводит к появлению толпы, потому что предложение — это список того, что можно нарисовать. Люди на заднем плане сцены · Говорите о том, что есть, а не о том, чего нет.
Ставьте метку @ на каждого персонажа, который виден в кадре, и ни на кого, кого только слышно или кто находится в другом месте комнаты: невидимое имя приглашает лицо, которому там быть не нужно. Кто в кадре.
Признак 5: типовой AI-вид
Почему так: среднее из всего — это гладкая кожа, идеальная симметрия, ровный свет из ниоткуда. Исправление: выбирайте вид сознательно и слоями. Визуальный стиль — это техника изображения; стиль сцены — то, из чего построены декорации; стиль костюма — то, что носят люди. Их держат раздельно, потому что они управляют разными слоями, а смешение в одном поле как раз и делает всё типовым. Затем задайте каждому кадру свет с источником (настольная лампа, фары, скользящие по потолку, пасмурный полдень), записывайте действия как физические причины (поезд тормозит, и кофе у неё расплёскивается) и оставляйте в кадре двух-трёх человек.
Откажитесь от волшебных слов. «Шедевр, 8K, кинематографично, объёмный туман» не добавляет ничего, что модель могла бы использовать, отодвигает важные слова дальше и иногда рисуется буквально: туман действительно появляется. Как сделать AI-видео реалистичнее · Никаких волшебных слов · Выбор настроек стиля.
Признак 6: звук не соответствует картинке
Почему так: если речь записывают или дублируют уже после картинки, губы и слова расходятся. Решение: SceneMixer генерирует каждый сегмент сразу со звуком: каждая размеченная реплика звучит голосом этого персонажа из уст того, у кого шевелятся губы, плюс звуки места. У каждого персонажа один голос, он выбирается один раз и звучит в каждой реплике каждой серии; подберите голос из встроенной библиотеки, и он будет привязан к каждому кадру, где этот персонаж говорит.
Ваша часть: пишите каждую реплику с указанием говорящего и тегом голоса, всем остальным в кадре оставляйте закрытые губы, добавьте одну строку окружающих звуков из нескольких слов, а немой кадр отметьте как «Без диалога». Если в кадре появились буквы, значит, кадр сам их вызвал упоминанием вывески, подписи или экрана с содержимым; опишите пустой экран и сгенерируйте заново. Диалог и звук за одну генерацию · Текст в кадре и неверный диалог.
Трёхминутный тест для вашего первого сегмента
| Что смотреть | Пройдено, если | Если не пройдено |
|---|---|---|
| Лицо — в крупном и в общем плане | Это тот же человек, с чертами, которые вы описали | Поправьте описание на Шаге 2, сгенерируйте референс заново |
| Помещение — на протяжении двух склеек | Окно, дверь и места не сдвинулись | Добавьте одно предложение о расположении в первый кадр сегмента |
| Одежда — в сравнении с референсом | Совпадает, или для смены выбрано состояние | Добавьте состояние или опишите смену словами, если это лишь ситуация |
| Фон | Люди есть или отсутствуют, как вы указали | Укажите толпу или опишите пустое место |
| Свет | У него есть видимый источник | Назовите в кадре лампу, окно или время суток |
| Звук — при включённой картинке | Верный голос, говорит нужный рот, на экране нет надписей | Проверьте теги говорящего и голоса, затем голос персонажа |
Прогоните этот тест на одном сегменте SceneMixer самого низкого уровня, прежде чем генерировать остальное: переснять там стоит недорого, а выводы пригодятся в каждом следующем кадре. Чек-лист перед генерацией.
Что настройка исправить не может
Руки, пятеро одновременно говорящих людей и мелкие детали в толпе — там, где AI-видео по-прежнему выдаёт себя, и выход один: просить меньше, то есть меньше людей и одно действие на кадр. Два одинаковых запроса могут дать два разных клипа, поэтому некоторым кадрам понадобится второй дубль. А лицо, слишком похожее на реального человека, отклоняется, и это правило, а не недостаток. Честная цель — не скрыть, что видео сделано с помощью ИИ (об этом как раз и говорят метка и пометки площадок), а убрать сбои, которые отвлекают от истории.
| Признак | Причина | Решение в продукте |
|---|---|---|
| Лицо меняется | Нет закреплённого образа | Один утверждённый референс на персонажа |
| Помещение перестраивается | Каждый кадр выдумывает свою комнату | 3D-модель на сцену; расположение описывается через ориентиры в помещении |
| Одежда скачет | Референс копирует то, что на нём показано | Картинка состояния для изменившегося облика; слова для изменившейся ситуации |
| Толпа мерцает | Не была указана | Укажите, кто, где и что делает, или что там вместо этого |
| Шаблонный вид | Среднее из всего | Три слоя стиля, источник света, конкретные черты |
| Звук не совпадает | Звук сделан отдельно от картинки | Звук генерируется вместе с клипом; теги говорящего и голоса |
Частые вопросы
Как сделать, чтобы AI-видео меньше походило на ИИ?
Зафиксируйте то, что должно оставаться на месте: одно утверждённое изображение на персонажа, одну комнату на сцену, картинку состояния для любой смены облика, заданную толпу, выбранный визуальный стиль и голос, привязанный к своему говорящему. Затем держите в кадре двух-трёх человек и одно действие.
Почему мой персонаж в каждом кадре выглядит по-разному?
Потому что каждый кадр делался без закреплённого референса. В SceneMixer каждый персонаж — одна запись с одним утверждённым референсом, и каждый кадр делается по нему. Проверьте референс и то, что у персонажа в кадре есть плашка @.
Можно ли сохранить одну и ту же комнату между склейками?
Да. SceneMixer строит каждую сцену по автоматической 3D-модели, которую создаёт ИИ, а вы описываете расположение относительно предметов в комнате, например окна или места во главе стола.
Как сменить наряд персонажа посреди истории?
Для полной смены наряда, ожогов или превращения добавьте состояние SceneMixer. Изменения ситуации, например дождь, ночь или то, что персонаж сел, пишутся словами.
Помогают ли слова вроде «кинематографично» или 8K?
Нет. Модели читают предложения, а не теги. Скажите, откуда идёт свет и что видит камера.
Почему отрицание вроде «без толпы» даёт мне толпу?
Предложение для модели — это список того, что можно нарисовать, и существительное весит больше, чем слово «без». Опишите вместо этого то, что там есть.
Почему на картинке есть надписи?
В кадре упоминалась вывеска, подпись или экран с содержимым. Уберите упоминание и сгенерируйте заново: сайт запрашивает чистую картинку, а диалог передаёт звуком.
Нечестно ли делать AI-видео естественным на вид?
Нет, если вы это помечаете. Метка ИИ и собственная декларация об ИИ на площадке говорят, что это такое; цель здесь — меньше сбоев, а не сокрытие.
Проведите трёхминутный тест на одном сегменте
Один раз закрепите героев и комнату, и каждый следующий кадр унаследует это.
Обновлено 2 ноября 2026 г.