Анатомия промта для AI-видео: как собирать кадр из параметров

Промт для генерации видео — это не описание картинки, а набор инструкций для временной последовательности. Разберём структуру, которая даёт контроль над лицом, движением, камерой и физикой кадра.

Структура промта Идентичность лица Движение и физика Технические флаги

Почему промт для видео — это другой язык

В Midjourney или Stable Diffusion для фото вы описываете состояние: композицию, свет, детали текстуры. В Sora, Runway Gen-3, Kling, Luma Dream Machine или Pika вы описываете процесс. Модель должна предсказать не один кадр, а 24–120 последовательных, сохраняя идентичность объекта и плавность движения.

Главное различие — временная ось. Промт видео обязательно содержит вектор: куда движется камера, как меняется поза, что происходит с фоном за 4–5 секунд. Без этого вы получите «ожившую фотографию» с дрожанием текстур (фликерингом) или физически невозможными переходами.

Ключевой сдвиг мышления

Статика → Динамика: добавляйте глаголы движения (поворачивает голову, слегка улыбается, вдыхает).
Кадрирование → Режиссура: задавайте траекторию камеры (медленный зум, панорама слева направо, handheld дрожание).
Стиль → Консистентность: прописываете сохранение деталей (сохранять форму ушей, цвет глаз, текстуру кожи).

Пять слоёв рабочего промта

Каждый слой отвечает за свою зону ответственности. Пропуск любого из них передаёт контроль модели — она «придумает» за вас, часто не в вашу пользу. Собирайте промт снизу вверх: от жестких технических ограничений к художественному замыслу.

1Идентичность

Кто в кадре

Референс лица (Image-to-Video), ID-эмбеддинг (LoRA, IP-Adapter), описание уникальных признаков: форма челюсти, асимметрия бровей, рожевые 반точки. Для дипфейков — это исходник.

2Действие

Что происходит

Микродвижения (моргание, сглотание, мимика) + макродвижения (поворот головы, жесты рук). Избегайте «говорит» — пишите «артикулирует слова, губы формируют фонемы, легкое кивание в такт речи».

3Камера

Точка обзора

Фокусное расстояние (35mm, 85mm), угол (eye-level, low-angle), тип движения (static, slow push-in, orbit, handheld). Static — безопасный дефолт для лиц; orbit — максимальный тест на консистентность 3D-геометрии.

4Окружение

Свет и фон

Key-light/Fill-ratio (напр. Rembrandt lighting, 2:1 ratio), цветовая температура (5600K), фон (размытый офис, однотонный студийный, chroma key green). Фон должен быть статичен или предсказуемо динамичен.

5Техпараметры

Параметры сэмплера

CFG (Classifier Free Guidance) 7–12, Steps 30–50, Motion Bucket / FPS (для SVD-based), Seed (фиксация шума), Negative Prompt (deformation, blur, extra limbs, flickering, morphing). Это «двигатель» генерации.

Формула промта: шаблон для копирования

Склеивайте блоки через разделители ( | или , ). Порядок важен: модели внимания (attention) читают слева направо, вес первого токена выше.

[SUBJECT: young woman, oval face, distinct mole left cheek, green eyes, freckles, photo-realistic ]
 | 
[ACTION: slowly turns head left to right, subtle smile forming, natural blinking, breathing motion, speaks silently ]
 | 
[CAMERA: 85mm portrait lens, eye-level, static tripod, shallow depth of field f/1.8 ]
 | 
[LIGHTING: soft Rembrandt key light 5600K, subtle fill from left, catchlights in eyes, dark neutral background ]
 | 
[TECH: CFG 9, 40 steps, motion_bucket_id 127, fps 25, seed 42, high detail, 4k ]
 | 
[NEGATIVE: deformed face, asymmetric eyes, morphing features, flickering, jitter, blur, lowres, watermark, text, extra fingers, teeth artifacts ]

Совет: для Lip-sync (HeyGen, SadTalker, LivePortrait) слой ACTION заменяется на аудиофайл или фонема-маппинг, но CAMERA и LIGHTING остаются критичны для реализма.

Промт для фото vs Промт для видео: разбор отличий

Параметр	Image Prompt (MJ / SD)	Video Prompt (Runway / Kling / Sora)
Субъект	Описание внешности, одежды, позы	Референс + описание микромимики, дыхания, физики волос/одежды
Движение	Отсутствует (подразумевается статика)	Явный вектор: траектория, скорость, easing (ease-in-out)
Камера	Угол, фокус, композиция (rule of thirds)	Траектория дрона/крана, фокус-пуллинг, тряска (handheld)
Время	Момент (1/125 сек)	Длительность (5s), FPS, фаза затухания/появления
Консистентность	Seed + Prompt adherence	Temporal consistency, ID-preservation (IP-Adapter), ControlNet (OpenPose/Depth)
Негатив	Bad anatomy, blur, watermark	Flickering, morphing, sliding, warping, identity drift, temporal artifacts

Четыре типа ошибок, которые ломают генерацию

Фликеринг (мерцание)
Текстура кожи, волос или фона меняется кадр за кадром. Лечится: static camera, locked background, увеличение CFG, использование ControlNet Tile/Depth.

Identity Drift (дрейф личности)
Лицо плавно превращается в другое к концу клипа. Лечится: сильный IP-Adapter / LoRA, референс на каждом кадре (ControlNet Reference), фиксация Seed.

Морфинг зубов и рта
Зубы плавят, сливаются, появляются лишние ряды при речи. Лечится: негатив teeth artifacts, fused teeth, gummy smile, отдельная маска для области рта (Inpainting), использование специализированных Lip-sync моделей.

Слайдинг (скольжение)
Нога персонажа скользит по полу, не отталкиваясь; лицо «плывёт» относительно фона. Лечится: ControlNet OpenPose / Depth, указание weight shift (переложение веса) в промте, уменьшение Motion Bucket.

Инструментарий: где и как это запускать

Runway Gen-3 / Kling / Luma

Текст→Видео / Картинка→Видео. Лучшие для кинематографичности. Промт на английском. Параметры: Duration, Camera Control, Motion Brush.

Stable Video Diffusion (SVD) / ComfyUI

Локально или в облаке. Полный контроль: Motion Bucket ID, CFG, Noise Aug, ControlNet (OpenPose, Depth, IP-Adapter). Сложнее, но бесплатно и приватно.

HeyGen / D-ID / LivePortrait

Специализированные Lip-sync аватары. Промт = Аудио + Фото референса. Параметры: 표정 (expression), head pose, resolution.

FaceSwap (Inswapper, ReActor, FaceFusion)

Не генерация, а замена лица в готовом видео. Требует исходное видео-драйвер и фото-донора. Качество зависит от угла и освещения драйвера.

Этика и правовое поле: красные линии

Согласие — обязательное условие

Генерация лица реального человека без письменного согласия нарушает права на образ (ст. 152.1 ГК РФ, GDPR Art. 9, BIPA в США,.deepfake laws в штатах). Это применимо к публичным личностям, коллегам, бывшим партнёрам.

Правило: если не можете показать подпись человека — не генерируйте его лицо.

Водяные знаки и детекция

Платформы (TikTok, Reels, YouTube Shorts) внедряют обязачную разметку AI-generated content (C2PA, SynthID). Непомеченный контент снижается в рекомендациях или блокируется.

Добавляйте видимый дисклеймер «Создано ИИ» в углу кадра.
Используйте инструменты встраивания невидимого водяного знака (SynthID, Stegastamp).
Храните промты и сиды — это ваше доказательство авторства процесса.

Промт — это контракт с вероятностью

Вы не просите модель «сделать красиво». Вы задаёте жесткие границы: здесь лицо, сюда смотрит камера, так падает свет, столько кадров длится сцена. Каждый незаполненный параметр — это кубик в рулетке. Заполняйте их осознанно, и видео перестанет быть лотерей.

Анатомия промта для AI-видео: как собирать кадр из параметров