Сцена-первоисточник — дискотека из испанского фильма «Три метра над уровнем неба» (2010): Баби танцует в толпе, Аче смотрит на неё сверху. Синий клубный свет, толпа в расфокусе, взгляд прямо в камеру. Музыка оттуда — Dorian, «La Tormenta de Arena».
Ролик, который делают в тренде, устроен предельно просто: три сцены по пять секунд, вертикаль, жёсткие склейки.
Он смотрит — мы видим, на кого — она смотрит в ответ. Это весь крючок, и именно эту последовательность нужно сохранить.
Одной кнопки «сделай такое видео» не существует. Работа идёт в два этапа, и это нормально для любого AI-ролика.
Сначала вы делаете три статичные картинки — по одной на каждую сцену. Потом каждую картинку оживляете в пятисекундный клип. В конце склеиваете три клипа и накладываете звук.
Главное правило, которое экономит и время, и нервы: картинки генерируются быстро и дёшево, видео — долго и дорого. Поэтому все вопросы к внешности, свету и композиции решаются на этапе картинки. В оживление уходит только тот кадр, который вас полностью устраивает.
Заходите на stiva.ai, регистрируетесь, подключаете тариф. Всё делается в браузере. Полный список того, что есть внутри — на страницах «Все нейросети» и «Инструменты».
Перед каждой генерацией в панели снизу показывается её стоимость в токенах — она пересчитывается, когда вы меняете модель, длительность и разрешение. Привыкните смотреть на эту строку до нажатия кнопки: так вы всегда понимаете, во что обойдётся попытка.
Единственное, что нужно от вас лично — ваши фотографии. Без них нейросеть нарисует чужих людей.
Соберите по четыре-шесть снимков на каждого: анфас, вполоборота слева, вполоборота справа, крупный план лица и один в полный рост. Требования простые: мягкий ровный свет, без резких теней, без очков и головных уборов, без бьюти-фильтров и обработки. Фильтр нейросеть честно повторит, и вместо лица получится восковая кукла. Это самая частая причина, по которой у людей тренд не выходит.
Если фото использовать не хотите вообще — тренд тоже можно собрать, просто опишите героев словами прямо в промпте (возраст, цвет волос, телосложение). Получится атмосферный ролик, но не про вас: узнаваемости не будет.
Открываете «Сделать ИИ-Фото». В панели выбираете модель Nano Banana Pro, формат 9:16, разрешение 2K. В слот референсов загружаете три фотографии мужчины.
Вставляете промпт:
Возьми лицо мужчины с референсных фотографий и сохрани его внешность и реальный возрастбез изменений — не омолаживай, не старь, не ретушируй. Вертикальный кинематографичный кадр 9:16. Мужчина в чёрной водолазке и расстёгнутом чёрном пиджаке опирается обеими руками на хромированные перила балкона дорогого ночного клуба и смотрит вниз на танцпол, лёгкая тёплая улыбка. За его спиной подсвеченная барная стойка: тёплые янтарные полки с бутылками, изогнутый золотой потолок с точечными светильниками. Снизу, от танцпола, на лицо поднимается холодный синий свет. Средний план по грудь, объектив 85 мм, f/2, малая глубина резкости, фон размыт. Глубокие тени, атмосфера дорогого клуба, лёгкое киношное зерно, фотореализм, естественная текстура кожи с порами. Без текста и надписей.
Не понравился результат — меняете только ту часть промпта, которая отвечает за проблему, и генерируете заново. Нормально потратить на кадр несколько попыток.
Тот же инструмент, та же модель, тот же формат. Здесь лиц в кадре нет, поэтому фотографии загружать не нужно — только текст.
Вертикальный кинематографичный кадр 9:16, съёмка через плечо с высокого балкона. В левом переднем углу — затылок и плечо мужчины, полностью в расфокусе, почти силуэт, тёмные волосы, чёрный пиджак. Остальной кадр: огромный танцпол ночного клуба сверху, сотни танцующих людей, две девушки танцуют на подиуме в центре, фиолетовые лучи лазеров прорезают зал, тёплые пятна света по стенам, глубокая сине-фиолетовая цветокоррекция. Резкость на толпе, передний план размыт. Широкий объектив, верхний ракурс, лёгкая дымка, объёмный свет, киношное зерно, фотореализм. Без текста.
Снова «Сделать ИИ-Фото», Nano Banana Pro, 9:16, 2K. В референсы загружаете три фотографии женщины.
Возьми лицо женщины с референсных фотографий и сохрани её внешность и реальный возраст без изменений — не омолаживай, не старь, не разглаживай кожу. Вертикальный кинематографичный кадр 9:16. Женщина в блестящем платье-сетке со стразамии прозрачными рукавами, яркая красная помада, красный маникюр. Она танцует в толпе на танцполе ночного клуба, обе руки лежат на бёдрах, корпус слегка развёрнут, смотрит прямо в камеру снизу вверх со сдержанной уверенной улыбкой. Камера чуть выше неё, как будто с балкона. Холодный сине-фиолетовый свет клуба, мягкое световое пятно на ней, тёмная размытая толпа вокруг, тёплое боке на фоне. Объектив 50 мм, f/2, малая глубина резкости, резкость на лице. Киношная цветокоррекция, мелкое зерно, фотореализм, естественная текстура кожи. Без текста.
Прежде чем идти дальше, проверьте все три картинки. Лицо должно быть действительно вашим — откройте рядом свою фотографию и сравните, а не полагайтесь на общее впечатление. Возраст не должен уехать ни вверх, ни вниз. На руках должно быть по пять пальцев, не слипшихся. Свет обязан совпадать с описанием: тёплый сзади, холодный синий снизу. Формат — ровно 9:16.
Если всё хорошо, кроме лица, не перегенерируйте кадр целиком. Есть «Замена лица»: загружаете свой сгенерированный кадр как основу и свою фотографию как донора.
Этот шаг пропускать нельзя. Оживить неудачный кадр — значит гарантированно получить неудачный клип и потратить впятеро больше.
Открываете «Оживить фото» — или «Создать видео», там та же панель. Переключаетесь на режим «Видео по Фото» и загружаете первую картинку.
Настройки: формат 9:16, длительность 5 секунд, разрешение 720p. Именно пять секунд, потому что оригинал состоит из трёх пятисекундных кусков. Разрешение выше ставить смысла мало — соцсети всё равно пережмут, а генерация подорожает.
Модель выбирайте по важности сцены. Для первой и второй достаточно быстрых моделей вроде Veo 3.1 Fast или Seedance 2.0 Fast. Третью сцену, где она смотрит в камеру, имеет смысл сделать на Kling 3.0 — это главный кадр ролика, и качество движения там заметнее всего.
В промпте описывайте только движение. Внешность уже зафиксирована в картинке, и если начать описывать её заново, модель перерисует лицо.
Первая сцена:
Очень медленный наезд камеры на мужчину. Он смотрит вниз на танцпол, тёплая улыбка медленно гаснет и сменяется задумчивым, чуть грустным выражением. Движений минимум: переносит вес на перилах, один раз моргает, взгляд не отрывается от танцпола. Люди и бар на фоне двигаются естественно, в расфокусе. Камера статичная, без тряски, без склеек.
Вторая сцена:
Медленный перевод фокуса: размытые плечо и затылок на переднем плане остаются мягкими, резкость плавно уходит на толпу далеко внизу. Толпа непрерывно танцует, лучи лазеров медленно скользят по залу, свет пульсирует. Камера едва заметно смещается вправо. Без склеек, без зума.
Третья сцена:
Она медленно и уверенно танцует, мягко покачивает бёдрами, ладони скользят по бёдрам, не отрывает взгляда от камеры. На губах появляется лёгкая понимающая улыбка, чуть наклоняет голову. Камера очень медленно наезжает. Толпа вокруг продолжает двигаться, размыта. Свет скользит по платью, стразы вспыхивают. Без склеек.
Просите минимум движения. Один взгляд, один поворот головы, медленный наезд — и клип получится с первого-второго раза. Чем больше действий втиснуто в пять секунд, тем выше шанс, что руки и лицо развалятся.
Есть два инструмента посильнее обычного оживления.
Режим «Первый и Последний кадр» (третья вкладка в той же панели генерации) пригодится, когда важен точный наезд камеры. Сделайте в Nano Banana Pro два варианта кадра: обычный и тот же самый, но крупнее процентов на десять. Первый ставите стартовым, второй финальным — модель построит плавный доезд ровно туда, куда нужно, и не станет импровизировать.
Kling 3 Motion Control переносит движение из готового видео. Вы загружаете ролик-образец как источник движения и свою картинку как героя, а камера и хореография копируются из образца. Это самый точный способ повторить оригинал, но и самый тяжёлый — включайте его точечно, на одну упрямую сцену.
Три клипа удобнее всего склеить в CapCut, он бесплатный.
Ставите их подряд, встык, без переходов — в оригинале склейки жёсткие. Сверху кладёте звук тренда и двигаете стыки так, чтобы они попадали в музыкальные акценты. Дальше накидываете один цветокор сразу на всю дорожку: температуру в минус, контраст чуть вверх, тени в синий, света в тёплый. Это важный момент — именно общая цветокоррекция сшивает три отдельные генерации в цельный ролик, без неё видно, что куски делались по отдельности. Последний штрих — зерно процентов на пять-десять, оно маскирует пластиковость AI.
Экспорт: 1080×1920, 24 кадра в секунду.
Вертикаль 9:16, ровно пятнадцать секунд. Обязательно с оригинальным звуком тренда — алгоритм группирует ролики по аудиодорожке, и это половина охвата. Первые две секунды оставьте без текста поверх: здесь работает чистая картинка. Выкладывать имеет смысл, пока тренд живой, окно обычно одна-три недели.
Оживили кадр, который «в целом норм» — лицо поплыло по ходу клипа. Лечится только перегенерацией картинки.
Описали внешность в промпте оживления — модель нарисовала лицо заново. В промпте движения должно быть движение и ничего больше.
Попросили много действий за пять секунд — руки и лица развалились.
Не привели клипы к одному цвету — сразу видно три разные генерации.
Подложили свою музыку вместо трендовой — ролик не подхватился алгоритмом.
Загрузили селфи с бьюти-фильтром — получили гладкую восковую куклу вместо себя.
Основное, что понадобится по ходу работы:
Видеомодели, между которыми выбираете:
Полезное вокруг: