Какую модель взять под ролик
Для длинной сцены без склейки берите Kling 4.0: модель снимает от 3 до 30 секунд. Звук и синхронизацию губ Kling 4.0 добавляет прямо в генерации, поэтому под ролик с речью он подходит первым.
Несколько героев по фото — случай для Seedance 2.5: модель принимает до 9 фото, и каждое станет отдельным человеком или предметом.
Максимальное разрешение даёт Veo 3.1: после базового ролика доступны 1080p и 4K. Gemini Omni тоже доводит картинку до 4K при длительности 4–10 секунд и принимает до 7 референсов: фото, видео и аудио.
Seedance 2.5 принимает текст или фото и снимает от 4 до 15 секунд в разрешении до 1080p. Veo 3.1 делает ролики около 8 секунд в режимах Quality и Fast: текст в видео, фото в видео и два кадра в видео доступны в обоих режимах, а референсы из 1–3 фото работают только в Fast.
Текст и фото в видео также принимают Sora 2, Wan 3.0 и Hailuo. Kling выпускается в версиях 4.0, 3.0 и 2.6: версия 2.6 снимает до 10 секунд и стоит дешевле, а генерация по кадрам допускает до 10 кадров. Seedance выходит в версиях 2.5, 2, Fast и Mini. Для оживления фото с людьми подойдут Kling и Seedance.
Как снять ролик по фото с людьми
Загружайте для каждого героя отдельное фото. Если героев несколько, упомяните референсы в описании сцены, чтобы нейросеть связала их с роликом.
Лицо с референса нейросеть сохраняет не всегда один в один. Если сходство потерялось, перезапустите генерацию с уточнённым описанием.
Генерации приватны. Готовый ролик скачивается без водяных знаков. Дипфейки реальных людей без их согласия запрещены, как и сцены с насилием и эротикой.
Звук в ролике
Seedance 2.5 генерирует звук вместе с картинкой: речь, музыку и эффекты. Kling 4.0 озвучивает ролик прямо в генерации, но говорит только по-английски и по-китайски: русский промпт переводится автоматически, и озвучка может пострадать.
Русскую речь лучше записать отдельно в озвучке и наложить на готовый ролик.