Почему ИИ-видео выходит не таким, как вы хотели: 5 ошибок и как их исправить

Просили мячи, а получили лимоны. На обложке это шутка: лимоны мы попросили сами. Но чувство знакомо каждому, кто снимал видео с ИИ. Лицо героя в каждом ролике новое, мячей в руках то три, то пять, а камера снимает не то, что вы задумали.

Мы взяли одну героиню, один корт и одну модель, Seedance 2.5, и сняли каждую ошибку парой роликов. В паре меняется что-то одно: референс или текст промпта. Так видно, что именно исправило результат. Где исправить не вышло, тоже показываем.

Коротко

• Герой, описанный словами, в каждом ролике выходит другим человеком. Лицо и одежду держат портрет и лист героя.
• Плохое фото хуже, чем никакого: модель перенесла в ролик тёмные очки со снимка.
• «Быстро» и «кинематографично» модель понимает по-своему. Назовите камеру, действие и темп прямо.
• Вещи в кадре держит первый кадр. Без него модель сама решает, что лежит на скамейке и откуда снимать.
• Сложное движение точный промпт исправляет не до конца: дуги мячей стали верными, а сами мячи модель так и не сосчитала.
• Черновик на 5 секунд в 480p стоит 84 кр, вчетверо дешевле 10 секунд в 720p.

Пять ошибок и что с ними делать

Героиня и условия

Героиню зовут Ника: рыжее каре с чёлкой, веснушки, жёлтое вязаное поло, белая юбка, красный напульсник. Портрет и лист с четырьмя ракурсами нарисовала Nano Banana Pro, по 17 кр за картинку. Лист сделан из портрета, поэтому лицо на них одно.

Close-up studio portrait, head and shoulders, of a 24-year-old woman with a copper-red chin-length blunt bob with a short fringe, a dense scatter of freckles across her nose and cheeks, grey-green eyes and pale skin; she wears a butter-yellow sleeveless knit polo with a white collar, a white pleated tennis skirt, a red terry wristband on her left wrist, white crew socks with two red stripes and white leather sneakers. She looks straight into the lens with a calm closed-mouth half-smile. Plain flat light-grey background, soft even frontal light, no shadows on the background, 85mm lens, the whole face sharp. Shot on 35mm Kodak Portra 400 with fine natural grain. Real skin texture with pores and freckles, real fabric weave, no retouching, no smooth plastic skin, no CGI look. Exactly two hands with five fingers each when hands are visible. No text, no letters, no numbers, no logos, no brand marks, no watermark anywhere.

CHARACTER SHEET on a plain flat light-grey background, nothing else in the frame. Image 1 is a portrait of the woman: she is exactly that person, the same face, freckles, eyes and copper-red bob. Four full-body views of her side by side at the same scale, neutral standing pose, arms relaxed at her sides, empty hands: front, three-quarter, side profile, back. Plus one large head close-up in the top right corner. Outfit in every view: a butter-yellow sleeveless knit polo with a white collar, a white pleated tennis skirt, a red terry wristband on her left wrist, white crew socks with two red stripes and white leather sneakers. Even flat studio light, no shadows on the background, no props, no scenery. Photographic, shot on 35mm Kodak Portra 400 with fine grain. Real skin texture with pores and freckles, real fabric weave, no retouching, no smooth plastic skin, no CGI look. Exactly two hands with five fingers each when hands are visible. No text, no letters, no numbers, no logos, no brand marks, no watermark anywhere.

Все ролики сняла Seedance 2.5 в 720p, кроме одного черновика в 480p. Звук в них тоже её.

1. Лицо и одежда меняются

Как выглядит. Вы подробно описали героя, а в трёх роликах три разные девушки. Все рыжие, с каре и веснушками, но это три сестры, а не один человек. Поло у каждой своё: в рубчик, гладкое, с другим воротником.

Три ролика по одному и тому же описанию словами, без картинок. Каждый: 4 секунды, 720p, 134 кр.

Почему. Слова задают типаж, а не человека. Под «рыжее каре, веснушки, серо-зелёные глаза» подходят тысячи лиц, и модель каждый раз берёт новое. С одеждой то же самое.

Как исправить. Мы оставили промпты теми же, слово в слово, и поменяли одну строку. Вместо описания внешности в ней теперь сказано: на первой картинке портрет, на второй лист. К каждому ролику приложили портрет и лист Ники.

С портретом и листом это одна девушка: то же лицо, те же веснушки, то же поло с белым воротником. Цена та же, 134 кр за ролик.

Промпт ролика на корте:

Live-action film, shot on 35mm Kodak Portra 400 with natural grain, 24 fps, real time, no slow motion. Vertical 3:4.
WHO: Image 1 is her portrait and Image 2 is her character sheet: the woman in the video is exactly that person, with the same face, freckles, copper-red bob and outfit. Both images are references only; neither of them is the first frame.
SCENE: the baseline of an outdoor clay tennis court in hard late-morning sun: terracotta-pink clay, a dark-green windscreen fence behind her, a deep cobalt-blue cloudless sky.
CAMERA: locked off on a tripod at her eye level, a medium close-up from the chest up, her face large and sharp in the frame. No pan, no zoom, no cut.
ACTION: she stands three-quarters to the camera with a wooden racket under her right arm. With her left hand she bounces a yellow tennis ball on the clay twice and catches it, then lifts her eyes and looks down the court to the right of the frame with a focused face. She never looks at the camera.
SOUND: the ball bouncing on clay, distant birds, a light breeze. No music, no speech. No text, no subtitles, no logos, no watermark.

В версии без картинок строка WHO была другой: в ней стояло то же словесное описание Ники, что и в промпте портрета.

Что делать.

1. Нарисуйте портрет героя: крупно, анфас, ровный свет, серый фон.
2. Из портрета сделайте лист: четыре ракурса в полный рост и лицо крупно.
3. Прикладывайте оба к каждому ролику и пишите в промпте, какая картинка за что отвечает.
4. Одежду и приметы называйте одними и теми же словами.

2. Подвёл референс

Как выглядит. Вы приложили фото, а человек в ролике на себя не похож. Или похож, но на нём очки и кепка с того самого снимка.

Мы взяли промпт из первого примера и вместо портрета и листа приложили два плохих снимка Ники.

Тёмные очки переехали со снимков в ролик и остались до конца. Лицо под ними чужое. Заодно модель не послушалась камеры: мы просили неподвижный план от груди, а она начала с юбки и поднялась к лицу. Так вышло в обеих попытках. В первой на поло ещё и появилась чужая эмблема, поэтому мы пересняли ролик с фразой «без эмблем на груди».

Почему. Модель берёт с фото всё, что видит. Она не знает, что очки вы надели случайно. А если лицо мелкое, смазанное или в тени, брать ей нечего, и лицо она придумывает сама.

Каким должно быть фото героя.

• Лицо крупно, анфас или в три четверти.
• Ровный свет, без резких теней.
• Без очков, кепки, рук и волос на лице.
• Резкое. Если на фото не разобрать веснушки, модель их тоже не разберёт.
• Одежда, в которой герой будет в ролике, видна целиком. Для этого и нужен лист.

3. Модель поняла промпт по-своему

Как выглядит. Вы хотели, чтобы героиня сердито ушла с корта, а получили спринт.

Первый промпт:

Image 1 and Image 2 are the woman, Image 3 is the court. The tennis player leaves the court fast, cinematic.

Каждый ролик: 5 секунд, 720p, 167 кр.

Почему. «Fast» — это бег, быстрый шаг или ускоренная съёмка? «Cinematic» — это какая камера? Модель не переспросит. Она выберет самый частый вариант, и он редко совпадает с вашим. Первый ролик не брак: это честный ответ на неточный запрос.

Второй промпт:

Image 1 is the portrait of the woman and Image 2 is her character sheet: she is exactly that person, with the same face, freckles, copper-red bob and outfit. Image 3 is the location: the same clay court, fence, umpire chair and bench. All three images are references only; none of them is the first frame.
Live-action film, shot on 35mm Kodak Portra 400 with natural grain, 24 fps, real time, no slow motion. Horizontal 16:9.
CAMERA: locked off on a tripod, low, at the height of the net band, right beside the net post, looking along the court towards the far baseline and a green gate in the far fence. The camera does not move at all: no pan, no tilt, no zoom, no dolly, no cut. Time is not sped up and not slowed down.
ACTION: at the start she stands two metres from the camera with her back to us, a wooden racket in her right hand and a white towel over her left shoulder. She walks away from the camera in a straight line towards the green gate, at a brisk, annoyed walking pace: about two steps a second, her racket arm swinging. With every step she gets smaller in the frame. She does not turn round, does not run and does not stop. By the last second she is at the far baseline, a small figure close to the gate.
"Fast" here means only her walking pace.
SOUND: quick steps crunching on clay getting quieter, the racket strings humming faintly, birds. No music, no speech. No text, no subtitles, no logos, no watermark.

Что в нём названо.

• Где стоит камера и что она не двигается.
• С чего начинается кадр: где героиня и что у неё в руках.
• Куда она идёт и что делает.
• Темп в цифрах: «about two steps a second».
• Чего не происходит: «does not turn round, does not run and does not stop».
• Что значит спорное слово: «"Fast" here means only her walking pace».

4. Вещи и место меняются

Как выглядит. Камера отвернулась и вернулась, а кадр уже другой: не те вещи, не то место, героиня в другой позе.

Сначала попробовали без первого кадра: портрет, лист, фото корта и две фразы. Это черновик, поэтому 480p.

Image 1 and Image 2 are the woman, Image 3 is the court. She sits on a bench by the court with her things. The camera pans all the way round the court, a full 360 degrees, and comes back to her.

Модель сама решила, что «её вещи» — это одна ракетка. Начала с крупного плана лица, отъехала, обошла корт и нашла Нику уже вдалеке, у самого края кадра. Вернуться в исходный кадр она не могла: такого кадра у неё не было.

Почему. Модель не помнит площадку, как её помнит съёмочная группа. Всё, что вышло из кадра, она рисует заново, когда камера возвращается. Чем меньше у неё опор, тем больше она придумывает.

Как исправить. Дать первый кадр. Мы нарисовали его в Nano Banana Pro: Ника на скамейке, красная бутылка, белое полотенце, ракетка и жёлтая корзина с мячами. Потом сняли два ролика в режиме «Анимация»: один по одной строке, второй с панорамой по секундам и списком вещей.

Каждый ролик: 8 секунд, 720p, 267 кр.

С первым кадром вещи остались на местах в обоих роликах. Но одной строки хватило только на это: камера лишь слегка повернулась, и Ника не вышла из кадра. Во втором промпте панорама расписана по секундам, а вещи перечислены. Камера ушла на пустой корт и вернулась ровно туда, откуда начала.

Одна строка:

The reference image is the first frame. The camera slowly pans left to show the court, then pans back to her.

Панорама по секундам:

The reference image is the first frame. Continue it as one unbroken live-action shot. Live-action film, shot on 35mm Kodak Portra 400 with natural grain, 24 fps, real time, no slow motion. Horizontal 16:9.
CAMERA: on a tripod with a fluid head, it only turns, it never travels.
0.0–1.0 s: hold the framing of the first frame.
1.0–3.5 s: a smooth, even pan to the left until the bench is out of the frame and we see the net, the tall white umpire chair and the empty clay court.
3.5–4.5 s: hold on the empty court.
4.5–7.0 s: the same smooth pan back to the right, ending on exactly the framing of the first frame.
7.0–8.0 s: hold.
No zoom, no cut, no shake.
CONTINUITY: when the camera comes back, the bench is exactly as in the first frame. The same woman sits in the same place in the same pose, forearms on her knees. To her right (frame right) the tall RED metal bottle stands upright on the bench. Next to it the WHITE towel hangs over the back of the bench. The wooden racket leans against the bench by her leg, its head on the clay. Under the bench stands the YELLOW wire hopper full of tennis balls. Nothing is added, nothing is missing, nothing has moved or changed colour. Four things, the same four as at the start.
ACTION: she keeps catching her breath and looks down the court to the left the whole time; she does not get up and does not touch anything. When the camera returns she lifts her chin a little.
SOUND: her breathing, a light wind in the fence, a ball being hit on another court, birds. No music, no speech. No text, no subtitles, no logos, no watermark.

Если поменялась одна деталь, не переснимайте весь ролик. Правка меняет то, что вы назвали, и оставляет остальное: об этом гайд по правке видео.

5. Ломается физика

Как выглядит. Мячей в воздухе больше, чем было в руках. Предмет появляется из ниоткуда или пропадает.

Мы попросили Нику пожонглировать тремя мячами. Сначала одной строкой, потом с описанием по секундам.

Каждый ролик: 5 секунд, 720p, 167 кр.

Одна строка:

Image 1 and Image 2 are the woman, Image 3 is the court. She juggles three tennis balls.

По секундам:

Image 1 is the portrait of the woman and Image 2 is her character sheet: she is exactly that person, with the same face, freckles, copper-red bob and outfit. Image 3 is the location: the same clay court, fence, umpire chair and bench. All three images are references only; none of them is the first frame.
Live-action film, shot on 35mm Kodak Portra 400 with natural grain, 24 fps, real time, no slow motion. Horizontal 16:9.
CAMERA: locked off on a tripod at chest height, straight in front of her, about four metres away. She stands in the centre of the frame behind the baseline, seen from the knees up. No pan, no zoom, no cut.
ACTION: she juggles exactly THREE yellow tennis balls in a slow, steady three-ball cascade, in real time. There are three balls from the first frame to the last: never two, never four.
0.0–1.0 s: she stands with two balls in her right hand and one in her left, elbows bent, looking at her hands.
1.0–4.5 s: the cascade. The right hand throws a ball in an arc that peaks level with her forehead and falls into the left hand; before it lands, the left hand throws its ball in a mirrored arc to the right hand; and so on, one throw about every half a second. At every moment one ball is near the top of its arc and each hand holds or has just released one ball. Her eyes follow the top of the arcs; her hands stay at waist height and move in small circles.
4.5–5.0 s: she catches the last ball, two in the right hand and one in the left, and breathes out with a small pleased smile. She never looks at the camera.
PHYSICS: every ball is a separate solid object with weight: it rises, slows, hangs for an instant and falls along a smooth arc. Balls never merge, never pass through each other or through her hands, never appear from nowhere and never vanish. They keep one size and one colour.
SOUND: the soft slap of the balls in her palms, a light breeze, birds. No music, no speech. No text, no subtitles, no logos, no watermark.

Точный промпт исправил многое. Камера встала, куда просили. Мячи летают по дугам на уровне лба и не уходят за кадр. Ролик начинается и кончается с мячами в руках. Но считать модель так и не начала: мы трижды написали «ровно три», а в начале у Ники четыре мяча, в конце три. Один пропал по дороге. И напульсников стало два, хотя на листе он один.

Почему. Модель рисует правдоподобные кадры, а не считает предметы и не помнит, где какой мяч. Чем больше одинаковых предметов и чем быстрее они движутся, тем чаще она сбивается.

Что делать. Упростить действие. Одна подача с одним мячом вышла чисто: подброс, замах, удар.

Image 1 is the portrait of the woman and Image 2 is her character sheet: she is exactly that person, with the same face, freckles, copper-red bob and outfit. Image 3 is the location: the same clay court, fence, umpire chair and bench. All three images are references only; none of them is the first frame.
Live-action film, shot on 35mm Kodak Portra 400 with natural grain, 24 fps, real time, no slow motion. Horizontal 16:9.
CAMERA: locked off on a tripod at chest height, side-on to her, about seven metres away. She is full body in the left half of the frame, facing right; the net is at the right edge of the frame. No pan, no zoom, no cut.
ACTION: one tennis serve in real time. There is exactly ONE yellow tennis ball in the whole clip.
0.0–1.0 s: she stands sideways behind the baseline, the ball in her left hand, a wooden racket in her right; she bounces the ball once on the clay and catches it.
1.0–2.2 s: her left arm lifts straight up and lets the ball go; the ball rises about a metre above her head in a vertical line and hangs at the top for an instant, while her racket arm drops behind her back and her knees bend.
2.2–2.8 s: she pushes up from her legs, the racket swings up and over, and the strings meet the ball at full stretch above her head: one clean, sharp contact.
2.8–3.5 s: the ball leaves the strings in a straight flat line to the right and flies out of the frame above the net. It does not curve back, does not vanish in mid-air and does not split in two.
3.5–5.0 s: she lands on her front foot inside the baseline, the racket finishes across her body, a small puff of clay dust rises from her shoe, and she watches the ball go to the right.
PHYSICS: the ball has weight: it rises and falls under gravity, keeps one size and one colour, and is never in two places at once. The racket is rigid wood and keeps its shape; her hand never lets go of it. The pleated skirt and her hair follow the movement with a slight delay.
SOUND: one bounce of the ball on clay, the sharp pop of the strings, her shoe sliding on clay, distant birds. No music, no speech. No text, no subtitles, no logos, no watermark.

• Один предмет лучше трёх, одно действие на ролик лучше двух.
• Расписывайте движение по секундам: что в начале, что в середине, чем кончается.
• Число предметов назовите, но не рассчитывайте на него.
• Камеру ставьте на штатив: сложное движение и подвижная камера вместе ошибаются чаще.
• Если действие не выходит два-три раза, меняйте само действие, а не слова в промпте.

Что будет с кредитами, если ролик не получился

Есть два разных случая.

Генерация завершилась ошибкой. Кредиты вернутся, а в спорных случаях — после проверки. У нас так было один раз: сцену в раздевалке провайдер отклонил на проверке содержимого, хотя ничего особенного в ней нет. Тот же запрос прошёл со второй попытки.

Ролик готов, но вышел не таким. Это не ошибка: модель сняла то, что поняла. Кредиты потрачены. Поэтому идеи проверяют на дешёвых черновиках.

Цена видна на кнопке до запуска.

Как учиться дешевле

Ролик, который вышел не таким, — это оплаченный урок. Сделайте уроки дешёвыми.

• Черновик — 5 секунд в 480p. Камеру, движение и физику видно и там. Панораму без первого кадра мы сняли как раз черновиком.
• Композицию проверяйте на картинке. Первый кадр в Nano Banana Pro стоит 17 кр, ролик на 5 секунд в 720p — 167.
• Меняйте что-то одно. Тогда понятно, что именно сработало.
• Чистовик в конце. Когда промпт сошёлся, запустите его же в 720p или 1080p.

Проверка перед запуском

1. У героя есть портрет и лист, оба приложены к ролику.
2. На фото лицо крупно, без очков, кепки и теней.
3. В промпте сказано, какая картинка за что отвечает.
4. Камера названа: где стоит и двигается ли.
5. Действие одно и расписано по секундам.
6. Вещи, которые должны остаться, есть в первом кадре и перечислены в промпте.
7. Первый запуск — черновик: 5 секунд, 480p.

Как сделана обложка

Обложка — обычная картинка Nano Banana Pro по портрету и листу Ники. Мы описали съёмку как ночной кадр на плёнку со вспышкой в лоб и попросили лимоны вместо мячей.

Image 1 is a close-up portrait of the woman, Image 2 is her character sheet. She is exactly that person: identical face, freckles, eyes, copper-red bob and outfit. Do not redesign her.
MEDIUM: a fashion-editorial snapshot shot at night on 35mm film (Kodak Portra 800) with a hard direct on-camera flash: the subject is bright and crisp in the flash, hard small shadows right behind things, the night behind falls off to deep black, visible natural film grain, slight halation on the highlights. Horizontal 16:9.
SETTING: an outdoor clay tennis court: terracotta-pink clay with crisp white lines, a white net with a white band, a dark-green windscreen fence around the court, a tall white wooden umpire chair by the net post, and a dark-green slatted bench at the side of the court, at night.
SUBJECT: the woman sits on the clay by the net, legs stretched out towards the camera and crossed at the ankles, leaning back on her left hand, an old wooden tennis racket across her lap. All around her the court is littered with dozens of bright yellow lemons instead of tennis balls, and a tipped-over wire ball hopper beside her spills more lemons onto the clay. With her right hand she holds one lemon up at eye level between her fingers and studies it with a deadpan, unimpressed face: eyes on the lemon, not on the camera. Behind her, soft in the dark, a tennis ball machine on wheels with one more lemon frozen in mid-air just out of its barrel.
Camera at her eye level, 35mm lens, about three metres away; she sits slightly right of centre and takes about half the frame height. Colours: terracotta, lemon yellow, butter yellow, white, dark green, black night. Clay dust on her socks and sneakers. Real skin texture with pores and freckles, real fabric weave, no retouching, no smooth plastic skin, no CGI look. Exactly two hands with five fingers each when hands are visible. No text, no letters, no numbers, no logos, no brand marks, no watermark anywhere.

Ролик в начале статьи — та же картинка в режиме «Анимация»:

The reference image is the first frame. Continue it as one unbroken live-action shot with exactly the look of the photo: night, a hard direct on-camera flash light on her and on the lemons, deep black behind, 35mm film grain. 24 fps, real time, horizontal 16:9.
CAMERA: locked off on a tripod, the framing of the first frame for the whole shot. No pan, no zoom, no cut.
ACTION:
0.0–2.0 s: she turns the lemon in her fingers and studies it with the same deadpan, unimpressed face. Behind her the ball machine gives a dull thump and fires one lemon in a low arc over the net; it lands on the clay to the left of her, bounces once, low, and rolls to a stop.
2.0–4.5 s: the machine thumps again and a second lemon lands near her sneakers and rolls against her sole. She does not flinch; only her eyes follow it down, then come back to the lemon in her hand.
4.5–6.5 s: she breathes out through her nose, lowers her hand and drops her lemon onto the pile spilling from the tipped wire hopper beside her.
6.5–8.0 s: a third lemon flies out of the machine and lands on the clay behind her. She closes her eyes and slowly leans her head back.
She never looks at the camera.
PHYSICS: lemons are heavy and firm: a dull thud on the clay, one small bounce, a short wobbling roll. Lemons that already lie on the court stay where they are. The racket stays across her lap.
SOUND: the mechanical thump of the ball machine, lemons thudding on clay, crickets, quiet night air, her breath. No music, no speech. No text, no subtitles, no logos, no watermark.

Во что обошлась статья

В статью вошли 16 роликов из 18. Не вошли первая попытка с плохими фото, где на поло появилась чужая эмблема, и подача по одной строке: удар в ней верный, но камеру модель поставила неудачно. Отклонённая сцена в раздевалке в таблицу не входит.

Частые вопросы

Перед следующим запуском пройдитесь по семи пунктам проверки. А начните с портрета героя: он стоит 17 кр и убирает самую частую ошибку.