Три минуты видео на телефон. Всё, что нужно от вас для нейроаватара

Краткий ответ

Для аватара нам нужны две-три минуты видео на смартфон и несколько минут голоса; ровный свет важнее камеры, и первую пробу голоса мы слушаем вместе. Студия, оператор и грим не нужны — нужна комната с окном, тихие полчаса и инструкция, которую мы присылаем до записи. Сама запись с дублями занимает минут пятнадцать, в работу уходят лучшие две-три минуты. Ниже — что именно снять, как поставить свет, как записать голос и что мы вернём переснять.

Что именно мы просим и почему так мало

Аватар — это модель вашего лица и голоса, которую нейросеть обучает на примерах. Ей нужно увидеть, как вы говорите, моргаете, поворачиваете голову и молчите, — и услышать, как звучит ваша речь в спокойном темпе. Для этого достаточно двух-трёх минут чистого видео и нескольких минут голоса: больше материала не делает аватар заметно лучше, а хуже — может, если в него попали смазанные или тёмные куски.

Поэтому мы просим не «пятнадцать минут чего угодно», а короткий материал по инструкции: запись с пробами займёт минут пятнадцать, в работу пойдут лучшие фрагменты. Инструкцию присылаем до записи, а первую пробу голоса слушаем вместе с вами — если что-то не так, переписываем сразу, а не после десяти видео.

Дальше ваш вклад заканчивается: сценарии, рендер, монтаж, субтитры и правки — наша часть.

Свет: окно сбоку и ничего сверху

02.1

Главное правило — ровный свет важнее камеры

Смартфон последних лет снимает достаточно; портит запись не камера, а свет. Встаньте или сядьте так, чтобы окно было сбоку-спереди, примерно под 45 градусов к лицу. Дневной рассеянный свет из окна — лучший осветитель, который у вас есть, и он бесплатный.

02.2

Чего избегать

Лампа сверху — потолочная люстра — даёт тени под глазами и носом, и нейросеть потом воспроизводит их в каждом ролике. Окно за спиной — встречный свет: лицо уходит в силуэт, а фон выгорает. Смешанный свет — окно плюс жёлтая лампа — даёт разный оттенок кожи на двух половинах лица, и это тоже закрепится в модели.

Если окна нет, подойдёт любая лампа с белым рассеянным светом, поставленная сбоку на уровне глаз. Пишите не в полдень при прямом солнце и не в сумерках: телефон начнёт шуметь, а шум аватару вредит сильнее, чем лёгкая нерезкость.

Кадр, фон и как себя вести

Телефон — на штатив или на стопку книг, на уровне глаз, в том формате, в котором пойдут ролики: вертикально для Reels и сторис, горизонтально для сайта и YouTube. Если сомневаетесь, снимайте горизонтально с запасом по бокам. План — по грудь, чтобы в кадре были плечи и жесты рук.

03.1

Фон — однотонная стена или спокойный интерьер без движения

Никаких людей, штор на ветру, телевизора. Одежда без мелкого узора и надписей, очки лучше снять или проверить, что в них не отражается окно.

03.2

В кадре ведите себя как в разговоре с одним человеком

Смотрите в объектив, слегка кивайте, жестикулируйте естественно, не трогайте лицо и волосы. Говорите две-три минуты на любую тему, а между фразами делайте паузы с закрытым ртом на две-три секунды — эти паузы нужны для липсинка. Не сходите с места и не меняйте позу резко: модели нужен один и тот же вы.

Голос: тихая комната и ваша обычная манера

Голос — вторая половина аватара, и записывается он отдельно от видео. Тихая комната без эха — спальня с мягкой мебелью лучше пустой кухни. Тот же смартфон на расстоянии ладони от лица или обычная гарнитура; студийный микрофон не требуется. Отключите уведомления, закройте окно и не ставьте музыку.

Читайте текст, который мы присылаем, — три-пять минут в своей обычной манере, как объясняете клиенту по телефону. Не диктуйте по слогам и не шепчите: модель научится тому, что услышит, и потом аватар будет говорить именно так. Если сбились — пауза и повтор фразы, вырезать легко.

Голос клонируется только по вашему письменному согласию и остаётся вашим по договору — про правовую сторону мы писали в статье о клонировании голоса. Первую пробу — короткую фразу вашим синтезированным голосом — слушаем вместе с вами до того, как начнём делать видео.

Правильно и неправильно: что мы вернём переснять

05.1

Кадры, которые не пойдут в работу, узнаются сразу

Резкая тень на половине лица от лампы сверху. Шум и зернистость — снимали в сумерках. Силуэт на фоне окна. Автофокус, который гуляет между лицом и стеной, — это видно как лёгкое «дыхание» резкости. Дрожащая рука вместо штатива. Фон, в котором кто-то прошёл.

05.2

Кадры, которые пойдут

Ровное лицо без резких теней, чёткие глаза, спокойный однотонный фон, вы в одной позе с естественными движениями и паузами.

Мы смотрим материал в день получения и, если что-то не так, пишем конкретно: «переснять при свете из окна, лампу выключить». Обычно хватает одной пересъёмки, и она занимает те же пятнадцать минут. Это дешевле, чем обучать модель на плохом материале и потом видеть тень под глазами в каждом ролике.

Что происходит после того, как вы отправили файлы

06.1

Три-пять дней уходит на обучение

Мы собираем модель лица, клонируем голос и синхронизируем мимику. Затем показываем демо — короткое видео вашего аватара — до начала производства. Если что-то не устраивает на этапе демо, пересоздаём за свой счёт. Дальше сценарии, рендер, субтитры и обложки; на каждое видео — до трёх правок.

06.2

Так собран аватар Игоря Никитина, основателя WMT

Эксперту с плотным графиком нужно было реагировать на события за часы, а не ждать съёмки. После одной записи цикл выглядит так: сценарий — аватар — готовый ролик, и Игорю не нужно каждый раз садиться перед камерой. Кейс с выпусками можно посмотреть на сайте.

06.3

У ООО «Стандарт» задача была другой

Аватар встречает посетителя сайта и объясняет простым языком сложные услуги по утилизации и демонтажу — под каждое направление свой ролик. Записывался при этом всё тот же короткий материал.

Когда аватар не нужен и когда звать студию

Если вы легко и регулярно снимаете себя сами и вам это нравится — аватар не нужен, живая запись выиграет. Если хотите просто попробовать говорящую голову по одной фотографии, это делается самостоятельно за вечер; как и где это ломается, мы писали в статье про оживление фото.

Аватар нужен, когда роликов должно быть много и регулярно, а времени на камеру нет; когда камера вас сковывает; когда одни и те же ролики нужны на нескольких языках. Тогда работает пакет START — 20 видео за 120 000 ₽: аватар создаётся один раз и остаётся вашим, а дальше вы платите только за новые видео. Как всё устроено внутри — лицо, голос, липсинк, сборка — в статье как работает нейроаватар.

Когда аватар — часть большого запуска с исследованием аудитории, брендом и съёмкой на заказ, это проект от 600 000 ₽ с менеджером и командой; ваши три минуты видео на телефон понадобятся и там.

Частые вопросы

Что спрашивают до заказа — с ответами, которые мы даём на брифе.

Нужна ли студия, чтобы сделать ИИ-аватар?

Нет. Достаточно комнаты с окном сбоку, смартфона на штативе и тихих пятнадцати минут. Ровный дневной свет важнее камеры и грима; студийная запись не сделает аватар заметно лучше, а ошибки света испортят его при любой камере.

Сколько видео нужно для нейроаватара?

Две-три минуты чистого материала по инструкции: вы говорите в камеру, естественно двигаетесь и делаете паузы с закрытым ртом. Сама запись с дублями занимает около пятнадцати минут; лучшие фрагменты мы выбираем сами. Плюс три-пять минут голоса отдельной записью.

Можно ли сделать ИИ-аватар по одной фотографии?

Говорящую голову — да, сервисы для этого есть. Но по фотографии не получится ваша мимика, повороты головы и жесты, а голос придётся брать синтетический или записывать отдельно. Для регулярных роликов от своего лица нужна короткая видеозапись.

Как сделать ИИ-аватар самому?

Для пробы — оживить фото в сервисе и озвучить синтетическим голосом; на это уйдёт вечер. Полный аватар со своим голосом, липсинком и одинаковым лицом в двадцати роликах требует обучения модели, проверки демо и монтажа — это уже работа команды, а ваш вклад в ней — те же три минуты видео на телефон.