Большинство ИИ-видео проваливаются по одним и тем же скучным причинам. Субъект меняется в середине клипа. Камера делает то, о чем никто не просил. Цвет продукта прыгает между второй и четвертой секундами. На выходе формально «видео», а по факту — непригодно.
После просмотра десятков тысяч реальных промптов для ИИ-видео — тех, что дали клипы, которые реально выпустили, и тех, что превратились в мусор и были удалены — проявился паттерн. Сильные промпты не длиннее и не поэтичнее. Они более структурны. Они сообщают модели, что меняется, как ведет себя камера, что должно оставаться зафиксированным и что вы не готовы принять.
Это практический компаньон к нашему дата-отчету о том, что показывают 40 000 промптов для ИИ-видео о том, что люди создают. Тот пост — про что генерируют авторы. Этот — про то, как сильные авторы это пишут. Пять паттернов, у каждого — слабая версия, сильная версия и объяснение, почему разница важна.
Ключевые выводы
- Начинайте с субъекта + действия + явного изменения во времени — статические описания дают статичные, безжизненные клипы.
- Задавайте камеру так, будто режиссируете оператора: размер плана, объектив и одно продуманное движение.
- Зафиксируйте токены непрерывности (лицо, продукт, цвет, логотип), чтобы они прожили весь клип без дрейфа.
- Сопоставляйте план и темп с платформой и длительностью до генерации, а не после.
- Сужайте пространство решений негативами и четкой спецификацией выхода, чтобы модель знала, чего избегать, а не только к чему стремиться.
Шаблон 1: Начинайте с субъекта, действия и изменения во времени
Видео — это движение. Главная разница между промптами, которые дают живые кадры, и промптами, которые превращаются в медленный зум по фотографии, — описано ли, что именно происходит.
Слабые промпты описывают сцену. Сильные — сцену, которая меняется.
Слабый: A coffee cup on a wooden table in a cafe.
Сильный: A steaming coffee cup on a wooden cafe table; steam curls upward and drifts left as morning light slowly brightens across the surface over 5 seconds.
Слабая версия дает модели статичную картинку и заставляет выдумывать движение — обычно ленивый наезд или фоновую дрожь. Сильная версия называет субъект (кофейная чашка), действие (пар клубится и уходит влево) и изменение во времени (свет постепенно усиливается по ходу клипа). У модели появляется начальное и конечное состояние для интерполяции — ровно то, для чего видеомодель и создана.
Исправление механическое. Для каждого промпта спросите: что к концу клипа одно будет иным, чем в начале? Если ответа нет — вы получите «движущуюся открытку». Впеките это изменение в фразу. Даже небольшое — поворот головы, открывающаяся дверь, подкатывающий туман — дает модели задачу по таймлайне.
Шаблон 2: Режиссируйте камеру как оператор-постановщик
Если вы не задали камеру, модель выберет сама — и выберет плохо, по умолчанию делая генерический долли-ин или дрейфующую «ручную» тряску, которая кричит «ИИ». Лучшие промпты относятся к камере как к осознанному творческому решению, а не к послесловию.
Нужно три вещи: размер плана (общий, средний, крупный), объектив или ощущение кадра (35mm, широкоугольный, малая ГРИП) и одно движение (медленный наезд, орбита, статичный штатив). Одно движение. Не три.
Слабый: A car driving down a coastal road, cinematic.
Сильный: Wide tracking shot of a vintage convertible on a coastal highway, shot on a 35mm lens with shallow depth of field, camera tracks alongside the car at matching speed, golden hour.
«Cinematic» — это пожелание, а не инструкция. Сильная версия задает кадрирование (широкий трекинг), оптический характер (35mm, малая глубина резкости) и одно связное движение (трек вдоль на сопутствующей скорости). Эта связность и читается как профессионализм. Конфликтующие указания — «орбита с одновременным зумом и панорамой» — ломают модели и дают ту самую «плывущую», нестабильную картинку.
Если вы новичок в камере, наш гид по тому, как писать промпты для ИИ-видео, разбирает словарь. Шорткат: представьте, что даете однострочное ТЗ оператору, который выполнит ровно то, что вы скажете, и ни жестом больше. Будьте настолько конкретны.
Шаблон 3: Фиксируйте токены непрерывности
Это паттерн, который отделяет любителей от тех, кто делает пригодный материал. Модели ИИ-видео дрейфуют. За несколько секунд лицо незаметно перерисовывается, красный логотип уходит в оранжевый, у продукта появляется лишняя кнопка. Токены непрерывности — это короткие, повторяемые формулировки, которыми вы прибиваете эти элементы гвоздями.
Токен непрерывности — это короткое, отличительное описание, которому вы себя обязуете и дословно переиспользуете — для идентичности персонажа, продукта, палитры и любого брендинга.
Слабый: A woman in a red jacket walks through a city, then we see her closer up.
Сильный: A woman with shoulder-length curly black hair and a bright crimson leather jacket walks through a neon-lit city; same crimson jacket and same hairstyle held consistent throughout the clip.
«Женщина в красной куртке» — приглашение для модели переизобрести ее. «Женщина с черными вьющимися волосами до плеч и ярко-алым кожаным пиджаком», повторенное и явно помеченное как постоянное, дает модели якорь. Когда генерируете несколько клипов под один проект, копируйте эти точные токены в каждый промпт — никогда не перефразируйте. Перефраз — и персонаж в третьем шоте перестает быть персонажем из первого.
Для брендов это не обсуждается. Фиксируйте точное цветоименование на уровне hex-эквивалента, позицию логотипа и определяющую особенность продукта в каждом промпте. Если платформа поддерживает референс-изображение или text-to-video со стартовым кадром, используйте — но подстрахуйте закрепленными текстовыми токенами: именно описание протягивает идентичность сквозь движение, а не только в первый кадр.
Шаблон 4: Сопоставляйте шот с платформой и длительностью
Промпт, отличный для 12‑секундного YouTube‑хиро, будет неверным для 4‑секундного TikTok‑хука — и дело не только в соотношении сторон. Лучшие промпты проектируются «от платформы назад».
Три решения до описания: соотношение сторон (9:16 вертикаль для лент, 16:9 для YouTube и лендингов), длительность (и значит, сколько вообще может произойти) и темп (один спокойный бит для короткой петли, ясная дуга для более длинного клипа).
Слабый: An energetic montage of a fitness product with lots of quick cuts and text, for social media.
Сильный: 9:16 vertical, single continuous 5-second shot: a runner laces up bright orange sneakers and pushes off frame-left into a sprint, fast-paced, punchy, designed as a TikTok hook with the action landing in the first 2 seconds.
Просить «много быстрых склеек» внутри одной короткой генерации — просить кашу: большинство моделей выдают один непрерывный шот за генерацию, так что запрос идет против инструмента. Сильная версия уважает формат: вертикаль, один шот, действие, рассчитанное ударить в первые две секунды — как требует платформа. Часто лучше сгенерировать несколько чистых одношотных клипов по этому ТЗ и смонтировать, чем пытаться втиснуть монтаж в один промпт.
Длительность также определяет масштаб изменений. За четыре секунды внятно приземляется одно действие. За двенадцать можно разыграть маленькую дугу. Просьба о «трехактовой истории» за четыре секунды просто размажет все в кашу.
Шаблон 5: Сужайте негативами и четкой спецификацией выхода
Финальный паттерн почти никто не использует — поэтому это и есть преимущество. Сказать модели, чего вы не хотите, зачастую сильнее, чем навалить еще хотелок. В паре с явной спецификацией выхода это снимает с случая все негламурные решения.
Два хода: негативы (артефакты и клише, которые вы отбрасываете — искривленные руки, абракадабра-текст, лишние конечности, мерцание, нежелательный медленный зум) и спецификация выхода (ощущение частоты кадров, свет, настроение и соотношение сторон, ясно заявленные в конце).
Слабый: A chef plating a dish in a restaurant kitchen.
Сильный: A chef precisely plating a dish in a warm restaurant kitchen; medium shot, soft key light from the left, calm and deliberate pacing, 16:9. Avoid: distorted hands, extra fingers, floating utensils, on-screen text, fast camera movement.
Негативный список делает реальную работу. Руки — место, где видеомодели часто срываются, так что «distorted hands, extra fingers» направляет усилие туда. «Avoid on-screen text» убивает любимую моделями галиматью букв. А завершение спецификацией — размер плана, направление света, темп, соотношение сторон — означает, что вы не надеетесь на догадки модели: вы их озвучили.
Держите негативы точными и релевантными. Десять общих «не надо» размазывают сигнал. Три-четыре, бьющие в вероятные слабости этого промпта, — заостряют. У разных моделей разные болевые точки, так что полезно знать, какую вы используете — наша карта сильных сторон моделей ИИ показывает, где каждая блестяще справляется, а где ломается.
Как объединить все пять в один промпт
Это не меню — лучшие промпты складывают все пять. Естественный порядок такой:
- Субъект + действие + изменение («шеф сервирует блюдо; пар поднимается, когда она кладет финальный гарнир»)
- Камера («средний план, 50mm, медленный наезд»)
- Токены непрерывности («та же шеф в белом двубортном кителе на протяжении всего клипа»)
- Платформа + длительность («16:9, 8 секунд, спокойный темп»)
- Негативы + вывод («теплый ключевой свет слева. Avoid: distorted hands, on-screen text»)
Сверху вниз — это единая внятная инструкция, которую модель уверенно исполнит. Каждый пункт отвечает на вопрос, который иначе модель решила бы за вас — а «за вас» и рождает плохое ИИ-видео.
И не обязательно каждый раз начинать с пустого листа. Библиотека шаблонов промптов для копирования дает проверенные скелеты типовых шотов; вы подставляете свой субъект и токены — и уже запускаете все пять паттернов без лишних размышлений.
Ваш следующий шаг
Возьмите один свой промпт, который дал разочаровывающий клип. Пропустите его через пять паттернов: Есть ли изменение во времени? Задан ли один четкий ход камеры? Зафиксированы и повторены ли токены непрерывности? Есть ли спецификация под реальную платформу и длительность? Сказано ли модели, чего избегать?
Исправьте два самых слабых места и перегенерируйте. Часто одной такой правки достаточно, чтобы клип из «удалить» превратился в «выпустить».
Готовы применить паттерны — откройте text-to-video в приложении и напишите первый промпт по структуре: субъект, камера, токены, спецификация, негативы. А если хотите данных о том, что реально работает на масштабе, прочитайте сопроводительный разбор что показывают 40 000 промптов для ИИ-видео. Ремесло плюс доказательства — так вы перестаете гадать и начинаете режиссировать.