Видео нейросетью из текста: как собрать ролик за вечер и где он развалится
Видео нейросетью из текста делается так: вы пишете сценарий по кадрам, каждый кадр превращаете в короткий клип генератором, склеиваете клипы в монтажке и накладываете озвучку с субтитрами. На ролик в от 30 до 40 секунд у новичка уходит вечер, у нас в студии: часа два. Ниже весь путь по шагам, что писать в промпт, какие модели брать под какую задачу и на каких кадрах генерация разваливается, чтобы вы не потратили вечер на то, что не получится в принципе. Как в целом устроено видео без съёмки, от фото товара до UGC и прав на лица, рассказываем в статье [видео без съёмки: как это работает](/blog/video-bez-semki-neyroset).
Ниже инструкция, как сделать самому. Если нужно под ключ: 20 роликов без съёмки за 120 000 ₽, 10 дней. Заказать ИИ-видео без съёмки → Отдельно разобрали, цены на рекламное видео без съёмки.

Шаг 1. Сценарий по кадрам, а не «сделай красиво»
Главная ошибка первого вечера: попросить нейросеть «сделать рекламный ролик про кофейню». Генераторы видео делают клипы по от 5 до 10 секунд; ролик это пять-восемь таких клипов, склеенных в монтажке. Поэтому сначала таблица: номер кадра, что в кадре, сколько секунд, что звучит.
Для ролика на 30 секунд хватает шести кадров: крючок (от 2 до 3 секунд, самое яркое), проблема, продукт крупно, продукт в действии, выгода с цифрой, финальный кадр с призывом. Текст озвучки пишите сразу рядом с кадром: так видно, где кадр длиннее, чем фраза.
Одно правило экономит половину времени: в одном кадре одно движение. «Бариста наливает кофе, поворачивается к гостю и улыбается» это три кадра, а не один. Генератор выберет одно движение сам, и не то, которое вам нужно.
Шаг 2. Промпт для генератора: пять частей
Рабочий промпт для видео состоит из пяти частей, и порядок важен: что в кадре (объект и действие) → где (окружение и свет) → как снято (план, движение камеры) → стиль (кинематографично, реклама, документально) → чего не должно быть.
Пример для кадра с продуктом
«стеклянная кружка с латте на деревянной стойке, пар поднимается медленно, утренний свет из окна слева, крупный план, камера медленно наезжает, рекламная съёмка продукта, без людей и без текста в кадре».
Два приёма, которые работают почти всегда
Первый сначала сгенерировать картинку кадра, утвердить её, и уже картинку оживлять в видео (режим image-to-video): так продукт не меняет форму от кадра к кадру. Второй писать движение камеры словами оператора: «наезд», «панорама слева направо», «статичный план». Абстрактное «динамично» даёт случайный результат.
Чего не писать
Несколько действий подряд, точные надписи в кадре (буквы генератор портит почти всегда), узнаваемые лица, логотипы брендов.
Хотите попробовать по ходу чтения? Сервисы из статьи открываются в новой вкладке.
Не хотите собирать сами?
Пакет START: 20 роликов по 10 секунд, в них графика, монтаж, озвучка, субтитры и все форматы публикации. 120 000 ₽, 10 дней. Раскадровку согласуем до старта.
Пакеты: START 120 000 ₽ · PRO 160 000 ₽ · EXPERT 220 000 ₽. Заказать ИИ-видео без съёмки
Шаг 3. Какие модели брать под задачу
Моделей для видео десятки, и у каждой своя специализация: универсальной нет. Ориентир по задачам:
Кинематографичные сцены с движением камеры
Генераторы с управлением камерой и пресетами движений, например Higgsfield. Там хорошо получаются природа, предметы, атмосферные планы; хуже люди в диалоге.
Человек говорит в кадре
Это отдельный класс (говорящие аватары и липсинк). Обычный видеогенератор рот под речь не синхронизирует; нужен инструмент, который берёт видео или фото человека и накладывает речь. Подробно об этом: в статье что такое нейроаватар.
Продукт крупным планом
Сначала картинка в генераторе изображений с референсом вашего товара, потом оживление в image-to-video. Так упаковка остаётся вашей, а не «похожей».
Анимация и персонажи
Стилизованные модели держат стиль от кадра к кадру лучше фотореалистичных. Наш маскот для СИБУРа собран именно так: кейс.
Практичный способ не покупать десять подписок агрегатор, где модели переключаются в одном кабинете по одной подписке (попробовать в SYNTX): за вечер вы перепробуете три-четыре модели на одном и том же промпте и увидите, какая держит ваш кадр.
Шаг 4. Склейка, озвучка, субтитры
Клипы по от 5 до 10 секунд собираются в любой монтажке: от бесплатной мобильной до десктопной. Правила простые: резать по движению, а не по паузе; клип держать не дольше, чем звучит фраза; переходы делать только склейкой, без вспышек и вращений.
Озвучка: либо ваш голос, записанный на телефон в тихой комнате, либо синтез. Синтезированный голос хорошо читает информативный текст и плохо: эмоции и шутки; об этом в статье про клонирование голоса. Музыку берите из библиотек с лицензией на коммерческое использование: на маркетплейсах и в рекламных кабинетах за трек без лицензии ролик снимают.
Субтитры обязательны: большинство роликов в ленте смотрят без звука. Крупный шрифт, две строки максимум, контрастная плашка.
Форматы: вертикаль 9:16 для Reels, Shorts и клипов, квадрат 1:1 для ленты, 16:9 для сайта. Из одной раскадровки собираются все три: нужно только заранее держать объект в центре кадра.
Где ролик развалится и что с этим делать
Текст в кадре. Буквы, ценники, надписи на упаковке генератор искажает. Решение: накладывать текст в монтажке поверх видео, а в промпте писать «без текста».
Руки, пальцы, зубы
На крупных планах людей до сих пор видны артефакты. Решение: средние планы, руки за пределами кадра или занятые предметом.
Постоянство героя
Один и тот же человек или персонаж от кадра к кадру меняется. Решение: генерировать все кадры с одной картинки-референса или вовсе не строить ролик на одном герое, если это первый опыт.
Физика. Жидкость льётся не туда, предметы проходят сквозь друг друга. Решение: короче клип, меньше движения, статичная камера.
Право. Чужие лица, бренды, узнаваемая музыка: в рекламе нельзя без согласия и лицензии. И с 1 сентября 2025 реклама в интернете маркируется: что такое erid и кто платит штраф.
Если ролик нужен один, вечер и терпение окупятся. Если нужна серия из двадцати под одну кампанию с единым героем и стилем это уже производство, и мы делаем его пакетом: 20 роликов за 120 000 ₽ и 10 дней. Разница не в инструментах, а в том, что стиль, герой и ритм держатся от первого ролика до двадцатого.
Частые вопросы
Что спрашивают до заказа и что мы на это отвечаем.
Сколько времени занимает первый ролик?
Вечер: час на сценарий и промпты, час-полтора на генерацию и перебор вариантов, полчаса на склейку и субтитры. Второй ролик по той же раскадровке: вдвое быстрее.
Сколько это стоит?
Генерация одного клипа в от 5 до 10 секунд в большинстве сервисов стоит от нескольких рублей до нескольких десятков; на ролик с перебором вариантов уходит 20–40 генераций. Подписки на отдельные модели: от полутора-двух тысяч рублей в месяц; в агрегаторах платят за использование без подписки.
Можно ли сделать видео с реальным продуктом, а не похожим?
Да, через картинку: сначала фото вашего продукта дорабатывается или ставится референсом в генератор изображений, затем полученный кадр оживляется в режиме image-to-video. Прямая генерация видео по описанию даст похожий продукт, не ваш.
Какая нейросеть для видео лучшая?
Под задачу: для кинематографичных планов модели с управлением камерой, для говорящего человека липсинк и аватары, для персонажей стилизованные модели. Проверять лучше на своём промпте в агрегаторе, где модели переключаются в одном окне.
Не хотите разбираться сами?
Пакет START: 20 роликов по 10 секунд, в них графика, монтаж, озвучка, субтитры и все форматы публикации. 120 000 ₽, 10 дней. Раскадровку согласуем до старта.
20 роликов без съёмки за 120 000 ₽, 10 дней →
Не готовы к разговору? Начните с гайда «ИИ-ролик для бренда» в Telegram →
Где это сделать самому
Инструменты, в которых собирается то, о чём статья: что каждый делает хорошо, чего от него не ждать и где попробовать на своей задаче.
SYNTX
Тексты, картинки, видео и музыка в одном Telegram-боте и веб-приложении: ChatGPT, Gemini, Kling, Veo, Sora, Suno и ещё сотня моделей по одной подписке. База знаний с инструкциями на русском.
- Одна подписка вместо десятка сервисов: тексты, картинки, видео, музыка
- Работает прямо в Telegram, ничего устанавливать не нужно
- Библиотека трендов: повторить популярный эффект в несколько кликов
- База знаний на русском: инструкции по каждой модели
Это подписка, а не оплата за использование: если генераций мало, посчитайте, окупится ли месяц.
Попробовать SYNTXHiggsfield
Картинки, видео и голос из текста или по референсу; движения камеры и стили для роликов, апскейл, редактирование. Веб и мобильное приложение.
- Движения камеры и кинематографичные пресеты для коротких роликов
- Картинка → видео: продукт и композиция остаются вашими
- Голос, апскейл и редактирование в том же кабинете, веб и мобильное приложение
Сильная сторона: кинематографичные короткие ролики; длинные сцены и точный текст в кадре не его задача.
Попробовать Higgsfield