Як створити відео за текстовим описом: промпт, рух камери, звук і типові помилки

Генерація відео за текстом (text-to-video) за останній рік зробила великий крок: моделі тримають фізику руху, вміють «знімати» різними ракурсами і генерують звук разом із картинкою. Але кліп усе ще короткий, кожна спроба коштує кредитів, а розмитий запит дає випадковий результат. Тому промпт для відео важить ще більше, ніж для зображення.

Ця інструкція спирається на офіційний посібник Google з промптів для відео для моделей Veo і Gemini Omni Flash. Ті самі принципи працюють і в інших генераторах.

Що можна отримати

• Тривалість: зазвичай кілька секунд. У Google Flow — 4, 6 або 8 секунд для Veo 3.1 і до 10 секунд для Gemini Omni Flash, за довідкою. Довші ролики складають з кількох кліпів або подовжують уже згенеровані.
• Формат: горизонтальний або вертикальний.
• Звук: сучасні моделі генерують звукові ефекти, фон і репліки персонажів, якщо їх описати.

Де генерувати безкоштовно і скільки коштує одна спроба, розбираємо в окремому огляді безкоштовних відеогенераторів. Для прикладів нижче використовуємо Google Flow: Україна є в списку країн, де він доступний, а сам сервіс вимагає вік від 18 років.

Покроково: перше відео в Google Flow

За довідкою Google:

1. Відкрийте Google Flow на комп'ютері в браузері на основі Chromium, наприклад Chrome або Edge.
2. Створіть новий проєкт.
3. Опишіть сцену в полі промпту.
4. Натисніть на назву моделі й оберіть Video.
5. Оберіть формат, кількість варіантів, модель і тривалість.
6. Натисніть Generate.

Перед генерацією перевірте вартість у налаштуваннях: без підписки Veo 3.1 Lite коштує 10 кредитів, Veo 3.1 Fast — 20, а Veo 3.1 Quality — 100, що вдвічі більше за денну безкоштовну норму в 50 кредитів. Для перших спроб беріть найдешевшу модель або режим 360p у Gemini Omni Flash.

Анатомія промпту

Google пропонує розкладати ідею на складники. Не обов'язково використовувати всі в кожному запиті, але знати їх варто.

1. Об'єкт: хто або що в кадрі

Конкретність рятує від шаблонних результатів. Не «собака», а «грайливе цуценя золотистого ретривера». Не «чоловік», а «літній рибалка в жовтому дощовику».

2. Дія: що відбувається

Дія оживляє сцену: ходьба, біг, розмова, приготування їжі. Google окремо радить звертати увагу на дрібні рухи: вітер у волоссі, легкий кивок, пальці, що нетерпляче постукують по столу. Саме вони роблять кліп живим.

3. Сцена і контекст: де і коли

Місце, час доби, погода, епоха: «вузька вулиця старого Львова, ранній ранок, туман, мокра бруківка».

4. Камера: ракурс і рух

Це головна відмінність відеопромпту від промпту для зображення. Основні рухи камери з посібника Google:

Ракурси: великий план, середній план, загальний план, вид знизу, вид зверху, «з плеча» персонажа.

5. Візуальний стиль

Google ділить його на чотири частини: освітлення («золота година», «холодне світло ламп денного світла»), тон і настрій (тривожний, затишний), художній стиль (фотореалізм, анімація, стоп-моушн, кадр плівкового кіно) і атмосферу (пара, пил у світлі, дощ).

6. Час і темп

Сповільнена зйомка, таймлапс, поступові зміни: «бутон троянди повільно розкривається», «небо поступово світлішає на світанку». Для коротких кліпів зміни мають бути помірними: за 8 секунд день не стане ніччю природно, якщо не попросити таймлапс.

7. Звук

Якщо потрібен звук, скажіть про це прямо. Google радить описувати звук окремими реченнями:

• звукові ефекти: «чути, як дзвонить телефон», «скрипить двері шафи»;
• фоновий шум: «гул міського трафіку і далекі сирени», «шум хвиль»;
• діалог: «чоловік у червоному капелюсі каже: "Де кролик?"».

Приклади промптів

Атмосферна сцена:

Середній план: літня жінка в теплому светрі наливає чай у старій кухні, пара здіймається над чашкою. Ранкове світло з вікна, пил у променях. Камера статична. Чути тихе цокання годинника і шипіння чайника.

Динамічна сцена:

Проліт дрона над Карпатами восени: камера пролітає над хребтом, під нею хмари, які повільно пливуть долинами, згори видно ялинові ліси й жовті модрини. Кінематографічний стиль, тепле світло заходу сонця.

Продуктовий кліп:

Великий план: бездротові навушники на чорній глянцевій поверхні. Камера повільно рухається дугою навколо них. Контрове світло підкреслює контур, на поверхні м'яке відображення. Мінімалістично, студійне освітлення.

Сцена з діалогом:

Середній план у затишній кав'ярні. Бариста ставить чашку на стійку і каже: «Ваше лате, гарного дня!». Відвідувачка усміхається і відповідає: «Дякую!». Фоном тиха розмова інших відвідувачів і звук кавомашини.

Анімація:

Стилізована 3D-анімація для дітей: маленький синій робот поливає квітку на підвіконні, квітка розпускається, робот радісно підстрибує. Яскраві м'які кольори, тепле світло.

Google радить для найкращого результату у Flow писати промпти англійською, хоча інші мови теж підтримуються. Якщо український промпт дає слабкий результат, спробуйте перекласти його.

Як зберегти персонажа між кліпами

Найбільша проблема при складанні ролика з кількох кліпів — персонаж у кожному кадрі виглядає трохи інакше. Google Flow пропонує два інструменти:

• Інгредієнти (Ingredients): зображення персонажа чи предмета, яке модель використовує як референс. Google радить брати референси на простому однотонному фоні, без зайвих об'єктів.
• Персонажі: створеного персонажа можна викликати в промпті через @, наприклад «@CaptainZoro walking through a futuristic city».

Ще одна порада з довідки: текст промпту має доповнювати референси, а не суперечити їм. Якщо на зображенні персонаж у синій куртці, не пишіть у промпті про червону.

Негативні промпти: описуйте бажане

Моделі погано розуміють заперечення. Google прямо радить не писати «без стін» чи «не показуй стіни». Замість цього опишіть те, що має бути: не «без людей на вулиці», а «порожня вулиця на світанку».

Типові помилки

Порада для економії кредитів

Найнадійніша схема: спочатку згенерувати ідеальний перший кадр як зображення, а потім оживити його. Зображення дешевші, і їх легше доопрацювати. Як створити такий кадр, розповідає наша інструкція зі створення картинки за текстом, а як потім перетворити його на відео — інструкція зі створення відео з фото.