Видео по описанию: как сделать ролик из текста нейросетью

Нейросеть для видео по описанию превращает пару предложений в короткий ролик: вы пишете «рыжий кот сидит на подоконнике и смотрит на дождь» — и примерно через минуту получаете эту сцену в движении. В Каравае так можно создать видео нейросетью прямо в чате, без монтажных программ и без VPN. Разберём, как описывать сцену, чтобы результат совпадал с задумкой, и какие ошибки чаще всего портят ролик.

Как работает генерация видео по тексту

Вы описываете сцену словами, модель рисует её кадр за кадром. В отличие от оживления фото, здесь нет исходной картинки — нейросеть сама придумывает, как выглядят персонажи, место и свет. Поэтому всё, что вы не уточнили, она решит за вас.

• Длина ролика — 5–6 секунд, качество 720p, файл mp4 можно скачать.
• Генерация занимает около минуты. Приложение можно закрыть — видео появится в том же чате.
• Модели Veo 3.1 Fast и Veo 3.1 Lite делают ролик со звуком, Seedance 1.0 Pro Fast — без звука.
• Работает в браузере и в приложениях для Android и iOS, интерфейс на русском.

Как сгенерировать видео по описанию: пошагово

1. 1Откройте Каравай и войдите в аккаунт с тарифом «Пекарня».
2. 2В режиме «Автоматически» просто напишите, что хотите видео, — Каравай сам выберет модель. В режиме «Вручную» выберите модель со значком 🎬.
3. 3Опишите сцену по схеме: кто, где, что делает, как движется камера, какой свет и звук.
4. 4Отправьте запрос и подождите около минуты.
5. 5Посмотрите результат. Если что-то не так, поменяйте в описании одну деталь и сгенерируйте заново.
6. 6Скачайте готовый ролик в mp4.

Схема хорошего описания сцены

Удобно думать о запросе как о короткой записке оператору. Шесть элементов покрывают почти всё, что важно для 5–6 секунд видео. Не обязательно указывать все — но чем больше вы задали сами, тем меньше сюрпризов.

Кто или что в кадре

Главный герой сцены: «пожилой рыбак в жёлтом дождевике», «рыжий кот», «старый трамвай», «чашка кофе на деревянном столе». Пара прилагательных — цвет, возраст, материал — заметно уточняет результат. Длинный портрет на абзац не нужен: модель запутается в деталях.

Где происходит действие

Место и время: «на пирсе на рассвете», «на подоконнике в дождливый вечер», «на заснеженной улице маленького города». Время суток сразу подсказывает модели свет и настроение.

Что происходит

Одно главное действие. «Рыбак забрасывает удочку», «кот следит за каплей на стекле», «трамвай медленно проезжает мимо». За 5–6 секунд помещается одно событие — не цепочка из трёх.

Как движется камера

Камера — половина впечатления от ролика. «Крупный план», «общий план», «камера медленно наезжает», «камера плавно облетает вокруг», «вид сверху», «камера неподвижна». Если не указать, модель выберет сама — иногда удачно, иногда нет.

Свет и стиль

«Тёплый закатный свет», «холодный утренний туман», «мягкий свет от лампы», «как кадр из фильма», «акварельная анимация». Свет сильнее всего влияет на настроение, а стиль — на то, будет ли ролик похож на съёмку или на мультфильм.

Звук

Если генерирует Veo 3.1, можно подсказать, что должно звучать: «слышен шум дождя», «крики чаек и плеск волн», «тихий гул города». Помните, что озвучки заданного текста конкретным голосом и музыки по заказу в Каравае нет. Seedance делает ролики без звука — для него эту часть описания можно пропустить.

Ошибки, из-за которых ролик не получается

• Сюжет вместо сцены. «Девушка просыпается, варит кофе, выходит на улицу и встречает друга» — это четыре сцены. Выберите одну.
• Слишком общее описание. «Красивое видео про природу» даёт случайный результат. Конкретика — «водопад в горах, туман, камера медленно поднимается» — даёт предсказуемый.
• Противоречия. «Солнечная ночь», «неподвижная камера облетает вокруг» — модель выберет что-то одно или смешает.
• Текст в кадре. Надписи, логотипы и вывески модели видео рисуют неаккуратно. Если нужен текст, лучше добавить его поверх ролика в редакторе.
• Известные персонажи и звёзды. Такие запросы модели отклоняют, как и контент 18+ и унизительные сцены с реальными людьми.

Как улучшать результат

Первый ролик редко идеален — и это нормально. Меняйте по одной детали: сначала камеру, потом свет, потом действие. Так вы быстро поймёте, что именно влияет на результат. Если модель упорно делает не то, попробуйте описать сцену проще и короче.

Ещё один приём — сначала попросить нейросеть в обычном чате Каравая помочь с описанием: «Помоги описать сцену для видео на 6 секунд: осенний парк, уютно». Текстовая модель предложит несколько вариантов, а лучший можно сразу отправить на генерацию видео.

Какую модель выбрать для видео из текста

В режиме «Автоматически» выбирать ничего не нужно. Если хотите управлять сами: Veo 3.1 Fast — лучшее качество и звук, Veo 3.1 Lite — баланс цены и качества, тоже со звуком, Seedance 1.0 Pro Fast — быстро и дёшево, без звука. Для черновиков удобно начинать с Seedance, а финальный вариант делать на Veo 3.1 Fast. Подробнее о Veo — в статье «Veo 3.1 в России без VPN», сравнение всех трёх — в «Какая нейросеть делает видео».

Чего в Каравае нет

Чтобы не ждать невозможного: длинных роликов, клипов на песню целиком и сериалов нет, как и GIF, музыки, монтажа готового видео (сменить фон, вырезать объект) и озвучки заданного текста конкретным голосом. Каравай делает одну короткую сцену — зато быстро и прямо в чате.

Лимит на «Пекарне» общий для сообщений, картинок и видео: если тратить его только на видео, хватит примерно на 30 роликов в неделю или 140 в месяц. Цены и состав тарифов — в блоке тарифов.

Пример: как запрос улучшается за три попытки

Посмотрим, как меняется описание, если дорабатывать его по одной детали.

• Попытка 1: «Видео про осень». Модель сама выбирает, что показать, — результат случайный: может быть парк, может быть поле, может быть дождь.
• Попытка 2: «Осенний парк, на скамейку падают жёлтые листья». Сцена понятна, но камера гуляет, и настроение не то, что хотелось.
• Попытка 3: «Осенний парк, на деревянную скамейку медленно падают жёлтые листья. Общий план, камера неподвижна, мягкий золотой свет. Тихо шелестят листья». Теперь у модели есть всё: герой, место, действие, камера, свет и звук.

Обратите внимание: третий запрос не длинный — это три коротких предложения. Хорошее описание сцены для видео обычно укладывается в 20–40 слов. Если описание разрослось до абзаца, скорее всего, в нём несколько сцен — разбейте его на отдельные ролики.

По тексту или из фото: что выбрать

Видео по описанию удобно, когда нужен образ, которого нет на ваших снимках: сказочный лес, зимний город, абстрактная сцена для фона. Видео из фото — когда важно, чтобы в кадре был конкретный человек, предмет или место. Если вы хотите показать свой товар или своё кафе, начинайте с фотографии: по тексту нейросеть нарисует «похожее», но не ваше.

Частые вопросы