Когда вы вводите в Sora или Runway запрос вроде «красивый фильм про город», модель возвращает случайный ролик без сюжета, единого света и логики движения камеры — потому что в промте нет ни одного управляющего параметра. Генеративные видеомодели не «понимают кино» сами по себе: они собирают кадр из тех сущностей, которые вы явно назвали — сцена, субъект, действие, ракурс, освещение, стиль. Пропустили один блок — модель достроит его случайным образом, и результат перестанет совпадать с задумкой.
Эта статья разбирает структуру рабочего промта для генерации фильмов и видеосцен: из каких блоков он состоит, как описывать камеру и свет, чем отличаются запросы для разных моделей и какие ошибки чаще всего портят результат. Материал подходит для Sora, Runway Gen, Kling, Pika и других видеогенераторов — принципы построения запроса у них общие, хотя детали синтаксиса различаются.
Что такое промт для видеогенерации и чем он отличается от текстового
Промт — это текстовое описание сцены, которое нейросеть преобразует в последовательность кадров. В отличие от промта для генерации изображений (например, в Midjourney), видеопромт обязан описывать не только статику, но и движение: что перемещается в кадре, куда направлена камера, как меняется освещение со временем. Именно временнáя составляющая — главное отличие и главный источник ошибок у новичков.
Второе отличие — единство сцены. Картинка существует одно мгновение, а ролик длится секунды, и модель должна удерживать персонажа, декорацию и свет согласованными от первого кадра до последнего. Чем точнее вы зафиксируете внешность субъекта и параметры среды в тексте, тем меньше «плывёт» изображение. Размытое описание вроде «мужчина идёт по улице» почти гарантированно даст меняющееся лицо и прыгающий фон.
Структура рабочего промта: шесть обязательных блоков
Опытные пользователи видеогенераторов собирают запрос по шаблону. Порядок блоков может меняться, но наличие каждого из них резко повышает предсказуемость результата.
- 🎬 Сцена и сеттинг — место, время суток, эпоха, погода: «ночной неоновый переулок после дождя».
- 🧍 Субъект — кто в кадре: внешность, одежда, возраст, характерные детали.
- 🏃 Действие — конкретный глагол движения: «медленно оборачивается», «бежит к камере».
- 🎥 Камера — ракурс и движение: close-up, aerial shot, «камера плавно наезжает».
- 💡 Свет и атмосфера — источник и характер освещения: «мягкий закатный свет», «жёсткий контровой».
- 🎨 Стиль — визуальный язык: «кинематографично, 35 мм плёнка», «аниме», «документальная съёмка».
Соберите блоки в одно связное описание — и получите промт вида: «Кинематографичный кадр, 35 мм: пожилой рыбак в жёлтом дождевике стоит на носу лодки в утреннем тумане, медленно забрасывает сеть; камера плавно облетает лодку по дуге; мягкий рассеянный свет, приглушённая палитра». Такой запрос оставляет модели минимум свободы для импровизации.