Полное руководство по AI-видеопроизводству. Часть 2

2. Функция. Объяснить, какую драматическую и монтажную задачу выполняет решение.

3. Перенос. Сформулировать абстрактное правило, которое можно применить к новому проекту без копирования содержания.

Готовая команда

Проанализируй приложенное референсное видео как режиссёр и монтажёр. МОЯ ЦЕЛЬ: [что хочу извлечь — камера / свет / ритм / staging / переходы / звук]. НОВЫЙ ПРОЕКТ: [краткое описание, чтобы правила можно было адаптировать]. Работай в три прохода. PASS 1 — OBSERVATION Разметь видео на шоты с таймкодами. Для каждого укажи: длительность, крупность, угол, композицию, действие, camera move, видимые источники света, цвет, звук, тип склейки. Не угадывай объектив, оборудование и схему света, если это нельзя подтвердить. PASS 2 — FUNCTION Для каждого шота объясни: новая информация, эмоциональная функция, связь с предыдущим и следующим шотом, причина выбранной длительности. PASS 3 — TRANSFERABLE RULES Сформулируй 5–10 правил, которые можно перенести в мой проект без копирования сюжета, персонажей, бренда и уникального дизайна. Все предположения помечай INFERENCE и указывай уверенность high / medium / low. В конце дай список кадров, которые нужно пересмотреть вручную из-за смаза, скрытой склейки или недостатка информации. First state available inputs: video playback, sampled stills, audio or transcript. If only stills are visible, do not claim motion, hidden cuts, rhythm or sound. If audio is absent, say not assessed. Use source fps / timing evidence; approximate boundaries remain approximate. Sampled frames do not prove exact lens, camera rig or full performance.

Как не просить анализировать вайб

Расплывчатая оценка Наблюдаемое описание «Камера очень живая» Короткие боковые коррекции handheld; камера задерживается после остановки героя. «Дорогой свет» Видимая мягкая тень и освещение лица слева; фон визуально темнее. Размер прибора, его температура и разница «одна ступень» без измерения — INFERENCE. «Быстрый монтаж» Короткие shots со склейками на завершении жеста. Средняя 1,2 s указывается только после measured boundaries в известном source timebase. «Эмоциональные крупные планы» Крупность меняется только после новой информации; реакция длится дольше реплики. «Киношный цвет» Кожа выглядит малонасыщенной, нейтрали прохладные, виден тёплый practical. Точная температура / saturation / exposure без metadata — не измеренный факт.

4.8 Команда разложи ролик на движение камеры свет действие и монтаж

Эта команда отличается от общего анализа. Она создаёт техническую карту, пригодную для воспроизводства. Полезно разложить один референс на четыре независимые дорожки, потому что видеомодель может получать движение камеры из одного источника, героя из второго, свет из изображения, а ритм — из shot plan.

Четыре дорожки

Дорожка Что извлекаем Как использовать Camera Стартовая позиция, траектория, скорость, ускорение, остановка, фокус внимания. Camera reference или текстовое движение. Light Направление, мягкость, контраст, практические источники, изменение внутри шота. Look reference и continuity lock. Action Поза, фазы жеста, контакт, скорость, реакция, взаимодействие героев. Motion reference или разбивка сложного контакта. Edit Граница шота, тип перехода, match point, ритм, sound bridge. Multi-shot plan и монтаж после генерации.

Готовая команда

Разложи приложенный ролик на четыре производственные дорожки: CAMERA, LIGHT, ACTION, EDIT. Сначала создай shot map с таймкодами. Затем для каждого шота заполни: CAMERA — размер кадра; высота; угол; стартовая позиция; траектория; скорость; момент старта и остановки; объект внимания; возможная скрытая склейка. LIGHT — ключевой свет; заполняющий; контровой; практические источники; контраст; цветовая температура; изменение внутри шота; только наблюдаемые признаки. ACTION — исходная поза; одно главное действие; фазы; рука или направление; контакт с предметом; финальная поза; реакция. EDIT — вход и выход; тип склейки; визуальный или звуковой match; длительность; функция шота; зависимость от соседних шотов. OUTPUT 1: таблица по шотам. OUTPUT 2: четыре чистых списка — только camera plan, только light plan, только action plan, только edit plan. OUTPUT 3: рекомендации, какие свойства переносить текстом, какие — image reference, какие — video/motion reference, а какие оставить монтажу. Не смешивай описание содержания с техникой. Не называй точную оптику и приборы без достаточных визуальных оснований. Apply the same access gate: sampled images support visible composition, not continuous trajectory or audio. Bind source intervals to actual metadata; unknown frames / sample rate remain unknown. Camera / light reconstruction is an interpretation unless measured.

Матрица переноса

Свойство Текст Изображение Видео Монтаж Крупность и угол Да Да Да Нет Точная внешность Слабо Кандидат для identity reference Да Ограниченно Сложная траектория тела Риск Нет Motion ref Декомпозиция Свет и палитра Да Look ref Да Грейдинг Ритм шотов Таймкоды Нет Edit ref Точное размещение cuts в edit Sound bridge Да Нет Audio ref Точное размещение bridge в audio edit

4.9 Команда перепиши шоты под Wan

Wan 3.0 удобен для длинного до 30 секунд аудиовизуального задания, таймкодной multi-shot структуры, смешанного reference pack и последующего редактирования. Важнейшее решение делается до текста промпта: это генерация с нуля, first frame, first/last frame, reference-driven создание, editing или extension. Нельзя механически объединять несовместимые режимы в один запрос.

Актуальная документация описывает All-in-One маршрут, до двадцати материалов и нативный звук. В промпте полезно именовать роль каждого входа и отделять глобальные правила от временных блоков.

Структура задания для Wan

Слой Что писать Operation GENERATE / EDIT / EXTEND; выбранный тип входов. Global locks Герои, продукт, локация, стиль, формат, звук, запреты изменений. Reference map Stable REF bindings → local slots: Image 1 — лицо; Image 2 — продукт; Video 1 — camera; Audio 1 — voice. Slot spelling зависит от interface. Timeline Интервалы времени, одна функция и одно главное действие на блок. Continuity Входное и выходное состояние каждого блока. Audio Кто говорит, точная реплика, атмосфера, эффект, музыка. Preservation Что при edit должно остаться неизменным.

Готовая команда для GPT

Перепиши утверждённые шоты под Wan 3.0. РЕЖИМ: [T2V / first frame / first-last / reference / edit / extension]. ДЛИТЕЛЬНОСТЬ: [2–30 секунд]. РЕФЕРЕНСЫ И ИХ РОЛИ: Image 1 = ... Video 1 = ... Audio 1 = ... SHOT PLAN: [вставить] Сначала проверь совместимость режима и набора входов. Если входы нельзя использовать в одной операции, предложи двухпроходный pipeline. Собери prompt в порядке: 1. глобальная сцена и обязательные locks; 2. reference map — что именно брать из каждого файла; 3. timeline с интервалами вида (0:00–0:04); 4. камера, действие, свет и звук внутри каждого интервала; 5. continuity между интервалами; 6. preservation constraints. Одна временная секция — одна новая драматическая информация. Не дублируй глобальное описание в каждом блоке. Не добавляй неподтверждённые события. Выдай два результата: A) annotated prompt с пояснениями; B) clean Wan prompt без комментариев, готовый к копированию. Return adapter diagnostics and REF-ID → attachment-slot mapping. Production 24/1 timing is not automatically Wan output 30 fps; declare conform policy and preserve wall-clock / audio sync. Preserve interval sum and spec_version; show unsupported / lossy mappings, do not silently drop locks.

Шаблон Wan prompt — отдельный 20 s structural sketch

OPERATION: Reference-to-video, 20 seconds, 9:16, native audio. GLOBAL: Realistic apartment corridor in the morning. Keep Character A, the red mug and the two-door geography consistent. Cold shared corridor, warm light inside apartments. REFERENCES: Image 1 defines Character A identity and gray cardigan. Image 2 defines the red mug. Video 1 provides only the slow forward camera movement. Audio 1 defines Character A voice; do not copy its background noise. (0:00–0:05) Static frontal wide shot... (0:05–0:10) Same axis and lens feeling... (0:10–0:15) Medium profile... (0:15–0:20) Slow push-in... AUDIO: quiet corridor room tone, elevator bell at 0:13, no music until 0:17. PRESERVE: face, cardigan, mug design, door positions, morning light direction. No extra people. A note is intentionally present; exact written text is TBD and may be added in post. No additional unapproved text. This 20 s sketch uses four 5 s blocks; it is not the 4/4/6/6 fragment above. Camera / action / note text must be filled and approved before clean compilation; ellipses are placeholders, not a ready generation request.

Когда делить Wan на два прохода

• Нужен точный start/end переход и одновременно сложный reference pack, который режим не принимает вместе.

• Несколько самостоятельных shots имеют критичные контакты: проверить decomposition. Число четыре-пять — удобный ориентир теста, не лимит Wan.

• Редактирование локального предмета начинает менять лицо, географию или ритм исходного видео.

• Диалог, движение и продукт одновременно критичны: сравнить one-pass с раздельными routes. Отдельная речь может потребовать нового lip-sync, поэтому pipeline выбирается по тесту, не универсальному правилу.

4.10 Команда перепиши шоты под Seedance

Seedance 2.5 рассчитан на связное повествование до 30 секунд, многораундовое продолжение, большой multimodal reference pack и timestamp-level editing. Официальные примеры используют ссылки вида @Image 1 и @Video 1 и прямо описывают отношения между материалами: какой файл задаёт персонажа, сцену, движение, голос или продолжение.

Для narrative-примера удобно описывать развитие сцены, для fashion / music / product — функцию раскрытия и движения. У каждого reference одна основная роль; вторичная допустима, если явно указана и не конфликтует. Больше файлов не означает больше контроля.

Reference map для Seedance

Группа Пример Правило Identity @Image 1 — героиня; @Audio 1 — её голос. Одна каноническая версия на состояние. World @Image 2 — коридор; @Image 3 — план дверей. Не смешивать разные географии и свет. Motion @Video 1 — жест; @Video 2 — камера. Явно написать, что брать и что игнорировать. Structure @Video 3 — только ритм монтажа. Не копировать героев, локацию и звук. Audio @Audio 2 — атмосфера; @Audio 3 — темп. Разделить голос, среду и музыку.

Готовая команда для GPT

Перепиши утверждённый shot plan под Seedance 2.5. ДЛИТЕЛЬНОСТЬ: [до 30 секунд]. РЕЖИМ: [T2V / reference / edit / extension]. REFERENCE PACK: @Image 1 = ... @Video 1 = ... @Audio 1 = ... СЦЕНА И SHOT PLAN: [вставить] Сначала проверь reference pack на противоречия. Для каждого файла назначь ровно одну основную роль и при необходимости одну вторичную. Собери prompt как связное развитие сцены. Используй таймкоды, если шоты должны быть распределены жёстко. Для каждого временного блока укажи: персонажи и их позицию; действие; камера; изменение света; звук; переход; continuity state. При extension начни командой Continue / Extend и перечисли, что сохраняется из @Video 1: персонажи, среда, визуальный язык, звук и темп. При editing укажи точный временной диапазон, меняемый элемент и полный список того, что должно остаться без изменений. Выдай: 1) reference map; 2) annotated structure; 3) clean Seedance prompt. Treat @Image / @Video / @Audio as local interface notation, not entity IDs. Preserve approved runtime and SH IDs; dated announcement does not prove current API field names or account availability.

Шаблон Seedance prompt — отдельный 30 s draft brief

30-second vertical cinematic-realistic sequence with native sound. Use @Image 1 strictly for the female lead, @Image 2 for the corridor geometry, @Image 3 for the red mug. Reference only the camera pacing from @Video 1; do not copy its subjects, location or color. Use @Audio 1 only for the lead voice. 0–6 s: Repeat the morning ritual in three concise visual beats... 6–12 s: The pattern breaks... 12–20 s: She resists... 20–26 s: She chooses... 26–30 s: Aftereffect... Keep the character, cardigan, mug, door positions and morning direction of light consistent across all cuts. Native audio: isolated household sounds, elevator bell as deadline, first spoken line only in the final beat. Draft variant: 30 s / 720 project frames. It adds choice / aftereffect to the 20 s fragment and therefore requires its own approved brief / spec_version. These ellipses are not a completed prompt or generated result.

Когда Seedance нужен storyboard render

• В сцене много персонажей и каждому назначены точные позиции.

• Камера проходит через несколько пространств без склейки.

• Есть product assembly, архитектура или сложный staging.

• Image references хорошо задают стиль, но не объясняют геометрию сцены.

В таких задачах полезно передать clay render или простую 3D-раскадровку как structural reference, отдельно указав, что финальные текстуры и свет берутся из других материалов.

4.11 Команда перепиши шоты под Kling

Kling VIDEO 3.0 и Omni — разные selected routes. Их guides описывают native audio / multi-shot до 15 s. Custom shot structure и доступные inputs проверяются по exact mode / interface; нельзя переносить checkbox или syntax между версиями автоматически. Prompt-led / reference-led — рабочая routing эвристика, не рейтинг.

Single Shot Multi-Shot Custom Multi-Shot

Режим Когда выбирать Что отдавать GPT Single Shot Одно непрерывное действие или сложная пластика камеры. Старт, траектория, главный жест, финальное состояние. Multi-Shot Нужна автоматическая coverage сцены. Содержание, драматические beats, диалог, желаемый диапазон планов. Custom Multi-Shot Крупности, углы и длительность уже утверждены. Отдельный блок на каждый shot без скрытого монтажа.

Готовая команда для GPT

Перепиши shot plan под Kling VIDEO 3.0 / VIDEO 3.0 Omni. ВЕРСИЯ: [3.0 / 3.0 Omni]. РЕЖИМ: [Single Shot / Multi-Shot / Custom Multi-Shot]. ДЛИТЕЛЬНОСТЬ: [3–15 секунд]. ELEMENTS И REFERENCES: @Element1 = ... @Image1 = ... @Video1 = ... Для Custom Multi-Shot создай не более [N] шотов. Сумма длительностей должна точно равняться общей длительности. Каждый блок оформляй так: Shot N (Xs): framing; angle; named subject; one action; camera movement; dialogue or sound; end state. Не повторяй глобальную внешность внутри каждого шота, если герой уже связан с Element. Не назначай новый голос в prompt, если он bound to Element. Удерживай screen direction, eyeline, реквизит и состояние света. Если сцена больше 15 секунд, предложи границу между генерациями в моменте с естественной монтажной точкой или стабильным end frame. Выдай: A) проверку длительности и elements; B) custom shot blocks; C) clean Kling prompt. Local Shot N denotes output order, not SH ID. Include local Shot N → stable SH map, input attachment mapping and unsupported / lossy fields. Budget source handles separately; never silently compress the approved scene to the provider maximum.

Шаблон Kling — отдельный 15 s draft brief

Shot 1 (3 s): Wide frontal shot. @Element1 places the red mug beside the opposite door and steps back. Static camera. Quiet corridor ambience. Shot 2 (2 s): Insert close-up. The same red mug is now outside her door with a handwritten note beneath it. No camera movement. Shot 3 (4 s): Medium profile. @Element1 places her right hand on the handle, opens her door halfway, then retreats one step as the elevator bell rings. Slow subtle push-in. Shot 4 (3 s): Close-up. She decides, grips a second mug and crosses the threshold. Handheld movement begins only after the step. Shot 5 (3 s): Wide two-shot. @Element2 opens the opposite door. Both characters share the frame for the first time. Warm apartment light spills into the cold corridor. Draft variant: total 15 s / 360 project frames; five local Shot positions map to new SH Specs when approved. Mug relocation occurs after an intentional next-morning temporal cut; the second mug / second character are proposals in this variant, not silently imported into the 20 s fragment.

Проверки для Kling

• Для выбранного Custom route проверить фактический UI и включение соответствующего multi-shot режима; не объявлять один layout универсальным для всех версий.

• Сумма длительностей не превышает 15 секунд и каждый шот успевает прочитаться.

• В одном шоте нет двух несовместимых крупностей без отдельной склейки.

• Персонажи названы одинаково и реплики привязаны к конкретному говорящему.

• Element задаёт reference intent в своём scope. Например, facial binding Motion Control не фиксирует одежду, волосы и реквизит. Не заменять требуемые locks названием Element.

• VIDEO 3.0 и Omni не смешаны как будто это один режим интерфейса.

4.12 Команда перепиши шоты под MiniMax

MiniMax H3 принимает текст, изображения, видео и аудио в общем контексте. Его сильная логика — не отдельные жёсткие инструменты, а выраженные естественным языком отношения между входами и целевым видео: взять движение камеры из Video 1, персонажа из Image 2 и голос из Audio 3.

MiniMax-H3 API описывает integer duration 4–15 s, refs до 9 images / 3 videos / 3 audio, mixed total ≤12. Guide предлагает camera tags [pan], [zoom], [static]; точная семантика движения всё равно проверяется. H3-Context-IR возвращает enhanced prompt в content.prompt, не видео и не canonical Production JSON.

Отношения вместо списка файлов

Слабая формулировка Рабочая формулировка «Используй все референсы» Image 1 задаёт только лицо; Image 2 — костюм; не переносить фон ни из одного изображения. «Сделай как Video 1» Возьми из Video 1 только траекторию камеры и темп остановки; не копируй героя и локацию. «Используй Audio 1» Голос и артикуляция следуют Audio 1; атмосферу и музыку не переносить. «Сохрани стиль» Сохрани низкую насыщенность, холодные нейтрали и мягкий тёплый практический источник.

Готовая команда для GPT

Перепиши утверждённый shot plan под MiniMax H3. ДЛИТЕЛЬНОСТЬ: [4–15 секунд]. РЕЖИМ: [T2V / I2V / first-last / reference generation / edit]. INPUT MAP: Image 1 = ... Video 1 = ... Audio 1 = ... Опиши отношения между каждым входом и целевым видео: что брать, что игнорировать, где применять и что важнее при конфликте. Собери prompt в естественном языке. Для каждого шота или временного блока укажи сцену, субъект, одно действие, camera behavior, свет, звук и end state. Используй [static], [pan] или [zoom] только там, где тег делает движение однозначнее. Не превращай prompt в список несовместимых camera tags. Проверь лимиты материалов: до 9 images, 3 videos, 3 audios, не более 12 файлов суммарно. Если контекст сложный, предложи сначала H3-Context-IR, затем покажи, какие части его результата режиссёр обязан проверить вручную. Выдай: 1) input relationship map; 2) risk check; 3) clean H3 prompt. Use integer requested duration for MiniMax-H3. Preserve 24/1 planned edit, define actual source fps / conform after output. Do not map spatial push-in to optical [zoom]. Context-IR content.prompt is an enhanced text prompt, not Production JSON or an approved scene.