10 месяцев назад я поспорил, что соберу один ролик за вечер. Проиграл…
Задача звучала просто: вертикальное видео, минута, говорящий человек в кадре, пара перебивок, субтитры. Не кино. Обычная единица контента, каких бренду нужно восемь-десять в месяц.
К тому моменту у меня были подписки почти на всё. Веб-интерфейсы, кредиты, аккуратно заведённые платёжки. Казалось: инструменты есть, осталось нажать.
Начал с героя. Нужен человек в кадре, который будет одним и тем же из ролика в ролик — иначе бренд не узнают. Сгенерировал. Красиво. Сгенерировал второй кадр — получился его двоюродный брат: чуть другой возраст, другой нос, свет с другой стороны. Стал подбирать seed, референсы, промты. Ушёл час.
Дальше голос. Один сервис звучит как диктор автоответчика, второй — живо, но ставит ударения не туда, третий — отлично, но у него оплата не проходит с российской карты. Нашёл рабочий вариант, синтезировал, послушал, переписал текст под дыхание, пересинтезировал. Ещё час.
Потом липсинк — место, где всё разваливается. Губы почти попадают в слова. Именно «почти»: не попадают вовсе — это стилизация, её мозг прощает; а «почти» выглядит как дубляж восьмидесятых. На русском хуже: длинные слова, шипящие, свои сложности. Перегенерировал трижды.
Дальше выяснилось, что говорящая голова минуту подряд усыпляет. Нужны перебивки. Значит — генератор видео: другой сервис, другой стиль, другая цветовая температура. Вставил рядом с героем — они из разных миров, будто снимали в разные годы разные люди. Стал сводить по цвету.
Субтитры. Музыка без копирайта. Ресайз под три площадки, потому что у каждой свои требования. Экспорт.
Открыл таймлайн под утро и посчитал: генерация — минут двадцать. Всё остальное — перенос файлов, переименование, подрезка, сведение, три перегенерации и поиск, где что оплатить, — четыре часа с лишним.
И вот главный вывод, ради которого я это пишу.
Модели давно хорошие. Претензий к качеству генерации нет ни у кого: картинка, видео, речь — всё уже на уровне. Sora, Veo, Kling, Seedance, HeyGen, Runway, ChatGPT и Claude для сценариев — каждый в своей части силён по-настоящему.
Проблема не в качестве. Проблема в том, что каждый инструмент отвечает за свой кусок, и ни один не отвечает за результат целиком. Между ними нет ни общей памяти о вашем герое, ни общего стиля, ни общего понимания, что вы вообще делаете. Ответственным за склейку оказывается человек. Вы.
И это не разовая боль, а рентная. Восемь роликов в месяц — это не «нейросети экономят время», это вторая работа по вечерам. Плюс невидимый налог сверху: пять-семь подписок в валюте, часть из которых простаивает; способы оплаты, которые ломаются в самый неподходящий момент; сервисы, к которым из России без плясок не подключиться; и постоянное ощущение, что вы не производите контент, а обслуживаете инфраструктуру.
Что на самом деле нужно человеку, который делает контент регулярно.
Не ещё один генератор. Их достаточно. Нужен конвейер, у которого на выходе — готовый ролик, а не полуфабрикат, требующий четырёх часов доводки.
Под ключ — это когда в одном месте: образ, который остаётся собой во всех роликах; голос, закреплённый за ним; липсинк, который не нужно перегенерировать трижды; перебивки в том же стиле, а не из чужого мира; субтитры; форматы под площадки; и контент-план, чтобы это выходило по графику, а не когда дошли руки. Одна оплата вместо семи. Один интерфейс вместо восьми вкладок.
Такие сборки начали появляться. И, что приятно, не только на Западе: российские команды собирают это в единый пайплайн — из тех, что я щупал руками, ближе всех к «результату под ключ» подобрался VAVS. Там как раз идея не «дать доступ к нейросетям», а отдать готовый материал: записал образ один раз — дальше ролики, посты и карусели выходят по плану, оплата в рублях, без валютных карт.
Монтажёр и SMM-специалист от этого никуда не деваются, и это важно. С них снимается конвейер: снять, нарезать, подписать, опубликовать, повторить в понедельник. Остаётся то, за что им и стоит платить, — смысл, тон, редактура, «что вообще говорить». Эта часть стоит дороже конвейера и всегда стоила.
