Что писать в ТЗ на ИИ-ролик, чтобы герой не менял лицо

Создание видеороликов на нейросетях ломается на брифе. Напишите по-старому «камера на рельсах едет за актёром в синем пальто» – и на третьей секунде у героя поплывёт лицо, а пальто сменит оттенок. Классический бриф описывает физический мир, где пальто остаётся синим само. В генеративном видео мир пластичный, и всё, что вы не зафиксировали, модель дорисует сама. Поэтому ТЗ для ИИ-ролика строится вокруг трёх вещей: консистентность героев, физика движения и апскейл.

Отдельный вопрос – деньги. В гибридном пайплайне нейросети рисуют кадры, а режиссуру, монтаж и звук делают люди. Из сметы уходят самые тяжёлые статьи классической съёмки: аренда павильона, экспедиция, декорации. Сколько именно вы сэкономите, зависит от проекта. Цифру без сметы я называть не буду: любая «средняя экономия» тут будет фантазией.

ТЗ на создание видеороликов: три отличия от классического брифа

В обычном брифе для съёмочной группы вы пишете локации, кастинг и раскадровку. В ТЗ для генерации приходится описывать то, о чём на площадке никто бы не спросил.

1. Консистентность героев и окружения. Нейросеть не помнит, что нарисовала секунду назад. Поэтому в ТЗ входит «карта персонажа» (Character Sheet): набор опорных изображений героя в разных ракурсах. Без неё сквозной персонаж через весь ролик не продержится.
2. Физика движения и динамика камеры. Модели путают направление движения объектов и рисуют неестественную пластику. Прописывайте векторы камеры (pan, tilt, zoom) и скорость анимации прямо в задании. Для прототипа можно взять Sora, а как она себя ведёт, я разбирал в статье Sora доступна в России через ChadGPT. Что проверить.
3. Параметры апскейла и детализации. Кадры из генерации часто выходят в небольшом разрешении, и до сдачи их прогоняют через апскейлер. Зафиксируйте в ТЗ финальное разрешение под вашу площадку и требования к текстурам, иначе получите «пластиковые лица».

Вот как те же пункты выглядят рядом с классическим брифом:

• Кастинг. Классика: поиск актёров, пробы, гонорары, права. ИИ: цифровой аватар и Character Sheet.
• Локации. Классика: скаутинг, аренда, разрешения на съёмку. ИИ: генерация фонов по референсам.
• Движение камеры. Классика: тележка, кран, коптер. ИИ: векторы движения в промпте (zoom, pan).
• Контроль деталей. Классика: костюмер, гример, реквизитор. ИИ: референсные изображения и апскейл текстур.
• Монтаж и сборка. Классика: склейка отснятых дублей. ИИ: сборка сгенерированных сцен, монтаж руками людей.

Отдельно пропишите микродетали. Если бренд продаёт одежду или текстиль, модель должна передать фактуру ткани, а без референсов это не работает. Как такую задачу решили на практике, я писал в материале про то, как Odd Global сняла микромир шерсти на ИИ без лотереи.

Шаблон ТЗ для бренда и агентства

Главное правило: работайте через связку Image-to-Video, а чистые текстовые промпты (Text-to-Video) оставьте для набросков. Сначала вы утверждаете идеальный статичный кадр (keyframe), потом нейросеть его оживляет. Композиция и объекты остаются на местах, и картинку вы согласуете до того, как потратили время на анимацию.

С длинными сценами сложнее. Если нужен план дольше 5–10 секунд без склеек, придётся искать специальные инструменты. Как с длинными планами справляются новые модели, смотрите в разборе Higgsfield добавил GPT-6 Astra: что проверить продюсеру.

Дальше шаблон. Копируйте и заполняйте.

1. Общие параметры проекта

• Бренд и продукт: название, позиционирование
• Формат: рекламный ролик, имиджевый тизер, презентация
• Хронометраж: точное время в секундах, например 30
• Формат кадра: 16:9 для YouTube и ТВ, 9:16 для вертикальных платформ

2. Визуальный стиль и референсы

• Цветовая палитра: тёплые тона, неоновый киберпанк, пастельные корпоративные цвета
• Ключевой референс (keyframe): ссылка на изображение-ориентир
• Текстура и детализация: кинематографичный свет, высокая детализация кожи и одежды, без ИИ-глянца

3. Описание сцен и движение (shot list). Для каждой сцены:

• Сцена 1 (0:00 – 0:05): описание кадра. Пример: крупный план чашки кофе на деревянном столе, из чашки идёт густой пар
• Движение в кадре: пар медленно поднимается вверх и даёт лёгкую дымку
• Движение камеры: медленный наезд (push-in) по центру
• Опорное изображение: ссылка на стартовый кадр

4. Звук

• Голос за кадром: пол, возраст, тембр диктора; живой диктор или черновая нейро-озвучка
• Музыкальный трек: стиль, темп, референс
• Шумы (Foley): шаги, шелест ветра, наливаемая вода

Как гибридный пайплайн работает на моих проектах

Я около 20 лет в продакшене и собираю создание видеороликов по гибридной схеме. Нейросети дают скорость и рисуют кадры, а режиссуру, монтаж и звук делают люди. Монтаж у меня всегда руками людей.

На практике это выглядит так. «Окко. Спорт в цифрах» – межпрограммный генеративный фильм про падел, где цифры живут внутри кадра. OREX – имиджевый тизер для платформы земли в Дубае: я сделал его на свой риск, и сейчас он работает в продажах. Ещё есть исторический мини-фильм «Ушаков», пилот серии «Великие люди России», и промо-фильм «Арктические узоры», где орнаменты северных народов вписаны в природу. Во всех четырёх скорость дали нейросети, а цельность фильму дали люди.

Что сделать до старта производства

• Попросите у подрядчика Character Sheet героя до начала генерации и утвердите его отдельным этапом.
• Договоритесь, что ролик идёт через Image-to-Video: сначала вы согласуете ключевые кадры, и только потом их анимируют.
• Впишите в ТЗ векторы движения камеры для каждой сцены и финальное разрешение под вашу площадку.
• Уточните, кто делает монтаж и звук. Ответ «люди» с названием ролей – нормальный. Ответ «нейросеть сама соберёт» – повод насторожиться.

Если дошли до задачи, которую страшно отдавать вслепую, посмотрите, как всё это выглядит в готовых роликах. Фильм для Окко, тизер OREX и другие работы собраны на странице AI-видеопродакшн Мити Амбарцумяна.