Полное руководство по AI-видеопроизводству. Часть 2

Image 1 approved character identity Image 2 approved location Video 1 camera movement and character trajectory only Video 2 hand choreography only Audio 1 voice identity speech rhythm and lip-sync Use the camera movement and action choreography from Video 1. Use only the handoff contact timing from Video 2. Use the character from Image 1 in the location from Image 2. Use the voice and speaking rhythm from Audio 1. Do not copy people clothes locations lighting color or sound from Videos 1-2.

Wan prompt для движения и голоса

Create one 10-second continuous shot. CHARACTER AND SCENE Use the character identity from Image 1 and the room from Image 2. VIDEO REFERENCE Use Video 1 only for the slow rightward camera arc, the character path from the doorway to the table and the final stop. Ignore Video 1's performer, clothes, room, light, color and original audio. AUDIO REFERENCE Use Audio 1 for voice character, speaking rhythm and natural lip-sync. The character says: [TEXT]. Preserve natural blinking, breathing and restrained head movement. CONTINUITY The black mug remains on the right side of the table. The character uses the right hand and ends facing the window. CAMERA Stable normal-lens image, no digital zoom, no extra cuts.

Режимы Wan которые важно различать

Намерение Вход Как писать задачу Новый ролик по references reference_image plus reference_video plus reference_audio. Use Image 1 for identity, Video 1 for motion, Audio 1 for voice. Изменить исходное видео reference_video и при необходимости image or audio. Edit Video 1; replace only wardrobe; preserve timing and camera. Продолжить исходное видео reference_video. Extend Video 1 forward; continue the action from the final state. Строгий first-last frame first_frame plus last_frame. Описать путь между кадрами; возможность сочетания с audio проверить по актуальному profile.

11.16 Несколько видео-референсов

Несколько видеоклипов нужны только тогда, когда один источник не может чисто показать все временные функции. Например, Video 1 задаёт camera move, Video 2 — choreography рук, Video 3 — физику ткани. Если два клипа одновременно претендуют на движение камеры, приоритет должен быть указан явно.

Минимальный достаточный video stack

Задача Набор Главный риск Перенести только camera move Один чистый Video 1. Случайный перенос актёра и сцены. Новый герой повторяет действие Character Image plus Video 1. Смешивание лиц и пропорций. Новый герой говорит и движется Character Image plus Video 1 plus Audio 1. Конфликт темпа движения и речи. Сложный контакт Character or Object Images plus Video 1 choreography. Неверные руки, контакты и object state. Сложный киношот Video 1 camera plus Video 2 action plus approved images. Два несовместимых timing map. Материальная трансформация Object Image plus Video 1 physics. Перенос чужой формы вместе с физикой.

Правило temporal master

При нескольких видео один материал должен владеть общей шкалой времени. Остальные источники адаптируются к нему. Иначе Video 1 требует остановку на третьей секунде, Video 2 — контакт на той же секунде, а Audio 1 — начало реплики, которое физически не помещается.

TEMPORAL MASTER Video 1 defines the total 8-second timing and camera path. SECONDARY REFERENCES Video 2 provides only the hand choreography. Compress its original 4-second action into 2.2 seconds and place the contact at 5.1 seconds on Video 1's timeline. Audio 1 starts at 1.0 second and ends before the hand contact. If timing conflicts occur, Video 1 overrides Video 2; the contact at 5.1 seconds overrides the audio cadence.

Temporal master выбирается задачей: финальная реплика или музыкальный beat может владеть временем вместо Video 1. Сжатие 4 s→2.2 s — предложение для теста, не гарантия физической/речевой исполнимости. Если speech/contact не помещаются, compiler возвращает конфликт и split/extend/post-sync fallback; критичный cue нельзя удалить ради удобства video timing.

11.17 Контроль качества и диагностика

Неудачная генерация редко означает, что модель «не поняла референс вообще». Чаще она перенесла не тот слой, смешала владельцев признаков или получила физически несовместимые указания. Диагностика должна находить конкретное нарушение.

Карта дефектов

Дефект Вероятная причина Следующая итерация Скопировались лицо и одежда из видео. Video role задана слишком широко. Добавить identity owner и явный ignore list. Вместо dolly получился zoom. Не описаны path, parallax и fixed lens. Зафиксировать физическое перемещение и запрет zoom. Герой идёт по другой стороне. Нет start point и screen direction. Добавить waypoints и ось действия. Руки слипаются при контакте. Слишком сложная choreography или плохая видимость. Сократить beat, назначить руки, дать чистый reference. Склейки не попадают в ритм. Нет точных cut points или audio role. Дать таймкоды и отдельный Audio reference. Изменился свет и цвет проекта. Видео стало неявным style owner. Назначить Lighting and Color из Project Bible. Ткань ведёт себя как резина. Команда physics слишком общая. Описать массу, rigidity, drag и settle. Финальный кадр не стыкуется. Не задан end state. Записать положение всех continuity-critical элементов. Движение выглядит механическим. Копируется путь без performance. Добавить намерение, gaze, breath и micro-pauses. Ролик перегружен случайными деталями. Слишком много references без владельцев. Сократить stack и оставить одну функцию на источник.

Isolation tests

1. Camera only. Сгенерировать нейтральную сцену с Video 1 только как camera reference.

2. Action only. Зафиксировать камеру и проверить choreography без нового света и сложной сцены.

3. Identity plus motion. Добавить Character Image и проверить, не смешиваются ли лица и тела.

4. Scene integration. Добавить локацию и убедиться, что waypoints физически помещаются.

5. Audio sync. Добавить Audio reference после стабилизации движения и проверить lip-sync или beat.

6. Full stack. Подключить одежду, свет, цвет и реквизит только после прохождения отдельных тестов.

Оценочная карта генерации

Сначала hard gates: identity, object ID/рука, физический контакт, critical continuity и причинный sync. Любой fail или отсутствие доказательства блокирует select независимо от суммы 0–2. Затем soft scores сравнивают только допущенные варианты; actual оценка требует exact output Asset/Version и диапазонов кадров.

Критерий Вопрос Оценка 0-2 Camera Совпали path, speed curve, orientation и stabilization? 0 нет 1 частично 2 да Trajectory Сохранены start, waypoints, direction и end? 0 нет 1 частично 2 да Choreography События идут в правильном порядке и контакты читаются? 0 нет 1 частично 2 да Blocking География, ось и depth order стабильны? 0 нет 1 частично 2 да Rhythm Тайминг, паузы и акценты соответствуют карте? 0 нет 1 частично 2 да Continuity Реквизит, руки, одежда и state не меняются? 0 нет 1 частично 2 да Physics Масса, контакты и secondary motion убедительны? 0 нет 1 частично 2 да Separation Не перенеслись запрещённые внешность, сцена и look? 0 нет 1 частично 2 да

11.18 Производственный workflow

1. Определить задачу. Новый ролик, reference transfer, video editing или extension.

2. Выбрать temporal master. Назначить основной клип, который владеет общей длительностью и последовательностью.

3. Разобрать по слоям. Камера, trajectory, choreography, blocking, rhythm, action, tempo, composition, transition, light, color и physics.

4. Составить COPY ADAPT IGNORE. Для каждого слоя определить операцию и допустимое отклонение.

5. Назначить owners. Изображения владеют identity и design, видео — выбранным движением, аудио — голосом или beat.

6. Подготовить материалы. Обрезать клипы, сохранить preparation and settle, убрать случайные склейки и назвать файлы.

7. Записать timecode plan. Разместить beats, контакты, camera phases, cut points и аудио на одной шкале времени.

8. Зафиксировать continuity. Start state, end state, руки, экранные направления и реквизит.

9. Собрать prompt. Reference map, priority, timecode, camera, action, physics, audio и negative constraints.

10. Провести isolation tests. Проверять один слой за итерацию до сборки full stack.

11. Оценить по критериям. Не выбирать дубль по красоте, если он нарушает географию или конечное состояние.

12. Зафиксировать победившие правила. Перенести рабочие формулировки и параметры в Shot Bible.

Финальный production template

SHOT ID [номер и функция] OUTPUT [длительность формат single shot или multi-shot] REFERENCE MAP Image 1 [identity] Image 2 [wardrobe] Image 3 [scene] Video 1 [temporal master and exact layers] Video 2 [secondary temporal layer] Audio 1 [voice music beat lip-sync] COPY FROM VIDEO [camera trajectory choreography blocking rhythm transition physics] ADAPT [масштаб длительность амплитуда геометрия телосложение] IGNORE FROM VIDEO [people faces clothes scene light color style text logos sound] TIMECODE PLAN [интервалы события camera action contact audio cut] START STATE [полный входной state] END STATE [полный выходной state] CONTINUITY LOCKS [руки направления реквизит одежда свет] NEGATIVE CONSTRAINTS [запрещённые изменения и типичные дефекты] SUCCESS TEST [наблюдаемые критерии результата]

11.19 Главные ошибки

1. Команда «скопируй видео». Она не разделяет движение, содержание, стиль и звук.

2. Несколько равноправных видео. Модель не знает, какой клип владеет временем и камерой.

3. Нет start и end state. Движение может быть красивым, но непригодным для монтажа.

4. Камера описана одним словом. Orbit, pan, truck, zoom и push начинают подменять друг друга.

5. Игнорируется геометрия новой сцены. Траектория из референса физически не помещается в локацию.

6. Choreography без причинности. Контакт происходит раньше подготовки или предмет телепортируется.

7. Монтажный ритм называют динамикой. Без длительностей и cut points структура распадается.

8. Physics задана словом realistic. Модель не получает массу, материал, силу и сопротивление.

9. Звук не отделён от изображения. Видео случайно становится владельцем голоса, музыки и lip-sync.

10. Слишком длинный грязный reference. Нужное движение теряется среди нескольких функций и склеек.

11. Отсутствует ignore list. Переносятся лицо, одежда, интерьер, палитра и брендинг источника.

12. Оценка только по впечатлению. Красивый дубль выбирается даже при нарушенной continuity.

Граница между референсом и копированием

Профессиональная работа с референсом переносит кинематографический принцип, механику движения или производственное решение, но создаёт новое содержание. Чем узнаваемее исходный ролик, тем важнее изменить персонажей, дизайн, сцену, драматургию, композиционные решения и конкретную последовательность кадров. Для коммерческого использования нужно учитывать права на исходные видео, лица, музыку, бренды и хореографию.

• Безопаснее переносить абстрактную структуру: медленное наблюдение, один резкий push, пауза перед контактом.

• Опаснее воспроизводить уникальную последовательность шотов, узнаваемые костюмы, декорации, реплики и музыку.

• Собственный proxy reference, снятый на телефон, часто даёт более чистый контроль и меньше правовых рисков.

• Референс должен объяснять модели движение, а не заменять режиссёрское решение.

Вывод

Видео-референс становится режиссёрским инструментом только после декомпозиции. Камера, траектория, choreography, blocking, монтажный ритм, действие, темп, композиция, переход, свет, цвет и физика — отдельные управляемые слои. Сильный запрос не просит модель повторить ролик. Он назначает роль источника, задаёт временную карту, отделяет движение от внешности и фиксирует результат, который можно проверить и смонтировать.

Рабочая формула:

Video reference = выбранный временной слой + точная граница переноса + новый владелец содержания + start and end state + проверяемый критерий.

Источники

Alibaba Cloud Model Studio. Wan Video Generation: источник для проверки mode/capabilities. Указанная в исходнике дата обращения не подтверждена evidence snapshot; актуальная внешняя проверка остаётся открытой.

Wan 3.0 Video Generation Guide

Alibaba Cloud Model Studio. Video Generation API Reference: источник для проверки точных inputs, aliases и limits. Дата/endpoint/region и результаты проверки должны быть зафиксированы перед production compile.

Wan 3.0 Video Generation API Reference

Глава 12 Как деконструировать чужой ролик

Чужой ролик часто производит сильное впечатление целиком: нравится камера, герой, музыка, цвет, монтаж и переход. Но формулировка «хочу так же» не помогает производству. Она не объясняет, из каких решений складывается эффект и какие из них действительно нужны новому проекту.

Деконструкция превращает впечатление в наблюдаемую систему. Ролик делится на временные отрезки, каждый отрезок получает функцию, крупность, движение камеры, действие, композицию, переход, свет, звук и конечное состояние. Только после этого механика переносится в новую историю с другими героями, предметами и локацией.

Главный принцип главы:

Сначала описываем, что происходит во времени. Затем отделяем механику от содержания. И только после этого переписываем механику под собственную сцену.

Учебная десятисекундная схема — пять функциональных отрезков

Таймкод Наблюдаемое событие Рабочее название 0:00-0:02 Общий план вводит пространство и героя. Establishing 0:02-0:04 Камера физически приближается к герою. Dolly in 0:04-0:06 Персонаж слышит сигнал и поворачивается. Turn and reaction 0:06-0:08 Ближний объект полностью закрывает кадр. Foreground wipe 0:08-0:10 Новый крупный план фиксирует реакцию. Close-up

Эта схема уже полезнее фразы «повтори ролик», но для производственного переноса её нужно углубить. Dolly in может быть медленным или резким, wipe — полным или частичным, поворот — инициировать склейку или продолжаться через неё. Задача деконструкции — зафиксировать именно эти свойства.

Пять отрезков не означают пять доказанных shots: establishing, approach и reaction могут происходить внутри непрерывного шота. Shot boundary фиксируется только по наблюдаемому cut. Далее используется воображаемый пример, а не приложенный реальный ролик; source/remake media и результаты определяют при исполнении этого учебного примера.

12.1 Что такое деконструкция ролика

Деконструкция — это обратный путь от готового видео к режиссёрской документации. Мы не угадываем, какой prompt использовал автор, и не оцениваем ролик словами «красиво» или «динамично». Мы восстанавливаем наблюдаемую конструкцию: порядок планов, длительность, экранную географию, движение, причинность и ритм.

Три уровня разбора

Уровень Вопрос Результат Содержание Кто, где и что делает? Список героев, предметов, локаций и событий. Форма Как это показано? Крупности, композиции, свет, цвет, оптика и звук. Механика Как решения организованы во времени? Тайминг, camera path, blocking, transitions и cut points.

Что мы переносим а что заменяем

Категория Обычно переносим Обычно создаём заново Структура Порядок функций: establishing, approach, reaction, transition, reveal. Конкретные события и драматургический контекст. Камера Тип пути, speed curve, стабилизацию и момент остановки. Угол, масштаб и амплитуду под новую геометрию. Монтаж Длины планов, cut points и принцип склейки. Конкретное содержание каждого кадра. Действие Фазы preparation, action, contact, reaction и settle. Героя, реквизит и смысл действия. Переход Механизм occlusion, match или movement continuity. Объект, который выполняет переход. Look Только если он отдельно назначен целью. Лица, костюмы, интерьер, брендинг, палитру и стиль.

12.2 Подготовка видео к анализу

Точный разбор начинается до просмотра. Нужно подготовить клип так, чтобы таймкоды были стабильными, кадры можно было останавливать, а звук — включать и выключать. Если анализ ведётся по ролику из социальной сети, лучше работать с локальной копией без интерфейса, субтитров и плавающих кнопок.

Минимальный набор

• Видео в исходной частоте кадров или максимально близкой к ней.

• Плеер или монтажная программа с покадровой навигацией.

• Отображение таймкода до десятых секунды или по кадрам.

• Возможность отдельно отключить звук и посмотреть только изображение.

• Таблица или Shot Deconstruction Sheet для фиксации наблюдений.

• Папка со стоп-кадрами в точках начала, изменения и завершения каждого шота.

Что проверить до разбора

Проверка Почему важно Действие Скорость воспроизведения Speed ramp можно принять за движение актёра или камеры. Сначала смотреть в реальном времени, затем замедлять для анализа. Частота кадров Сдвигает точность покадровых измерений. Зафиксировать source rational fps, timestamp origin, CFR/VFR и отдельно master 24/1 fps. Не переопределять исходный fps частотой монтажного проекта. Кроп платформы Может скрывать исходную композицию. Определить реальное соотношение сторон. Встроенные титры Могут выглядеть частью исходного кадра. Отделить графику от съёмочного слоя. Музыка и sound design Звук маскирует реальный монтажный ритм. Сделать просмотр со звуком и без звука. Петля Конец ролика может быть создан для незаметного возврата в начало. Проверить стык последнего и первого кадров.