Структура идеального промпта для ИИ‑видео

Большая часть плохого ИИ‑видео возникает из подсказа, который подошёл бы для изображения. «Женщина стоит в Токио ночью» описывает застывший кадр. Модель видео должна заполнить несколько секунд, поэтому выдумывает собственное движение. Обычно это субъект, плывущий по кадру без веса, руки, тихо превращающиеся в другие руки, и фон, который перестраивается посередине.

Плохо не в длине подсказа. Лучше подсказ отвечает на вопросы, которые модель иначе должна догадаться: кто, что делает, где, с какой точки, как освещено. В этой статье описана пятислойная структура именно для этого, плюс элементы, специфичные для вертикального видео в социальных лентах.

Опишите изменение, а не состояние

Сначала мышление, потом структура. Промпт для изображения описывает состояние. Промпт для видео описывает изменение, то есть то, что в конце клипа отличается от того, что было в начале.

Здесь большую часть работы выполняют две небольшие привычки. Первая: использовать глаголы, показывающие продолжающееся действие. «Быстро идя», «медленно опускаясь на колени» и «протягивая руку через стол» передают непрерывное движение, чего не делает «женщина, находящаяся на улице». Вторая: описывать причину и следствие, а не только само событие. Сравните:

• Слабый: «Машина едет быстро по повороту.»
• Сильный: «Машина влетает в поворот на высокой скорости, шины поднимают брызги, кузов наклоняется в сторону поворота, гравий стучит по днищу.»

Второй вариант не просто более подробный. Он более упорядочен. Он говорит модели, что происходит сначала и что следует за этим, что задаёт направленное движение. Тот же трюк работает и в мелком масштабе. Вместо «стакан разбивается» напишите «локоть заддевает стакан, он наклоняется, молоко переливается через край и попадает на стол, стакан разбивается и лужа растекается по текстуре древесины.»

Пять слоёв

Вот структура. Не всегда нужны все пять слоёв в одной подсказе, но если отсутствуют три из них, модель получит много пробелов, которые придётся заполнять ей самой.

1. Субъект

Неопределённые существительные заставляют гадать. «A person» может оказаться кем угодно. Уточняйте достаточно, чтобы зафиксировать образ: примерный возраст, телосложение, одежда, поза. «Женщина в середине 30-х (около 35 лет), атлетического телосложения, в поношенной темно‑синей дождевике» будет воспроизводиться последовательно, в то время как «женщина», нет.

Если персонажу нужно сохранять узнаваемость на протяжении всего видео, а не только одного клипа, описания недостаточно. руководство по образам персонажей объясняет, что делать в таком случае.

2. Действие

По одному понятному действию на клип, выраженному в настоящем времени как непрерывное. Два конкурирующих действия в одном клипе обычно приводят к появлению морфинга, потому что модель пытается смешать их, а не расположить последовательно. Если происходят два события, это две Сцены, и ClipPilot сгенерирует обе.

3. Окружение

Привяжите объект к реальному месту. 3-5 конкретных деталей: время суток, погода, текстуры поверхностей, один или два предмета, которые задают место. Если переборщить, вы станете конкурировать с самим объектом за внимание модели, и какие‑то детали окажутся опущены не там, где вы хотели.

4. Камера

Этот слой чаще всего пропускают, а он наиболее надёжно делает картинку «намеренной». Эти модели видели огромное количество профессионально размеченных киносъёмок, поэтому они хорошо реагируют на настоящую кинематографическую лексику.

• Пан и наклон. Поворот с фиксированной точки, слева направо или сверху вниз. Хорошо подходит для раскрытия пространства.
• Долли вперёд и назад. Движение камеры к субъекту или от него. Долли вперёд создаёт интимность и напряжение. Долли назад расширяет пространство и изолирует.
• Слежение. Камера движется рядом с объектом, идёт в ногу. Стандарт для всего, что идёт пешком или едет.
• Орбита. Облет вокруг объекта. Эффектный кадр в духе «герой-шота», но самый требовательный, поэтому чаще всего дергается.
• Камера с рук. Органичная дрожь. Читает как сырой и настоящий кадр, и скрывает мелкие артефакты ИИ, которые в статичном кадре были бы заметны.
• Статичный широкий план. Настоящий выбор, а не запасной вариант. Если движение в кадре создаёт сам объект, неподвижная камера часто выглядит чище, чем движущаяся.

5. Освещение и настроение

Освещение дает самый сильный эффект на слово среди всех слоев в промпте. «Теплый натриевый уличный фонарь», «мягкий контровой свет на плече», «пасмурный рассеянный дневной свет» и «жесткая тень на половине лица», каждая из этих фраз меняет эмоциональный тон кадра примерно за 4 слова. Если вы добавляете в промпт только один слой, добавьте именно этот.

Собираем вместе

Слои, уложенные в порядке:

Женщина в середине 30-х в потёртом тёмно-синем дождевике быстро идёт по узкому переулку Токио, плечи сгорблены от дождя, мимо паровых выпусков и расписанных вручную вывесок. Камера сопровождает её сбоку на уровне глаз. Мокрый асфальт отражает тёплый натриевый уличный свет, глубокие тени между витринами.

Субъект, действие, окружение, камера, свет. Звучит как бриф режиссёра съёмочной группе, и это примерно правильная ментальная модель.

Писать для вертикального кадра

Кадр 9:16 не тот же самый кадр 16:9, просто повернутый на бок, и подсказки, которые это игнорируют, дают ролики, которые технически работают, но всё равно выглядят неуместно в ленте.

Используйте высоту. Вертикальные кадры щедры для полного кадрирования тела и стеснены при широкой горизонтальной композиции. Попросите «полный рост, уровень глаз» и получите весь объект удобно. Попросите широкую горизонтальную панораму и получите тонкую срезанную полосу.

Предпочитайте вертикальные движения камеры. Наклон вверх по зданию, подъём вниз к объекту и тележка внутрь естественно ощущаются в высоком кадре. Длинные горизонтальные панорамирования кажутся тесными, потому что кадр не может показать достаточно того, по чему вы панорамируете.

Следите за тем, что в верхней части кадра. На TikTok, Reels и Shorts нижняя часть экрана закрыта подписью и описанием, а правая грань содержит кнопки взаимодействия. Субтитры ClipPilot располагаются по вертикальному центру, если вы их включили. Остаётся верхняя треть как самое надёжное место для важного элемента, поэтому размещение там сохраняет его видимым.

Открывайте с движением. Алгоритмы ленты придают большое значение первым секундам, и клип, который начинается со статичного установочного кадра, тратит самый ценный момент ни на что. Загрузите движение в начало. «Резкий зум-аут от макрокрупного плана, чтобы показать неоновый горизонт, когда проскакивает летающая машина» привлекает внимание сильнее, чем «камера медленно идёт через неоновый город».

Что ClipPilot делает за вас

Стоит прояснить разделение обязанностей, потому что это меняет то, что вам имеет смысл писать.

Вам не нужно прописывать субтитры, озвучивание, музыку или переходы между клипами. Это настройки на странице создания, а не текст промпта. Просьба «текст на экране: X» в видеопромпте обычно даёт искажённые AI-буквы вместо чистого заголовка, поэтому оставьте это системе субтитров.

Вам также не нужно писать лист планов. ClipPilot делит ваш сценарий или идею на сцены и генерирует клип для каждой из них, так что один промпт превращается в многосценное видео. Это стоит понимать отдельно, и об этом рассказано в как ClipPilot превращает одну идею в полное видео.

Чек-лист

Перед генерацией перечитайте промпт и проверьте:

• Есть ли конкретный объект или общее слово-заполнитель?
• Есть ли ровно одно чёткое действие, описанное как продолжающееся движение?
• Делает ли камера что-то конкретное?
• Описание света есть?
• Для вертикального формата: объект расположен в высоком кадре и находится достаточно высоко, чтобы не перекрываться субтитрами и элементами интерфейса платформы?
• Движется ли что‑то в первые полсекунды?

Как правило, пять из шести решают, будет ли материал опубликован или вам придётся его перегенерировать.