Что малый бизнес может отдать нейросетям уже сейчас: пять задач и их реальная себестоимость

За последний месяц мы прогнали через нейросети несколько десятков задач, с которыми обычно приходит небольшой бизнес: фото товара для маркетплейса, короткое видео для соцсетей, озвучка, говорящий ведущий и фоновая музыка. Ниже цифры по каждой задаче, где результат можно брать в работу, а где нейросеть пока ошибается.

Цены взяты из агрегатора Aigena, над которым я работаю, поэтому себестоимость я знаю изнутри. Похожие модели есть и в других российских агрегаторах, например SYNTX, GPTunneL или Chad AI, а напрямую их продают зарубежные сервисы с оплатой иностранной картой. Порядок цифр везде близкий, конкретные тарифы у каждого свои.

1. Фото товара для маркетплейса

Самая понятная задача с самой быстрой окупаемостью. Продавец снимает товар на телефон дома, на кухонном столе или на диване, а нейросеть переносит его на белый фон, в интерьер или на слайд с инфографикой.

Мы проверили это на трёх товарах ручной работы: кружке с неровной глазурью, вязаной шапке и свече в банке. Главное фото на белом фоне стоило 28 ₽, слайд с инфографикой около 8 ₽. Карточка из пяти кадров обходится примерно в 100 ₽.

Ключевой риск здесь один: товар не должен измениться. Маркетплейсы требуют, чтобы фото соответствовало товару, а покупатель, получивший кружку другого оттенка, вернёт её и оставит отзыв. Поэтому в каждом запросе к нейросети мы прямо писали, что форма, цвет и детали остаются как на исходнике. Без этой фразы модель склонна «улучшать» товар. Результат всё равно нужно сверять с вещью в руках.

Для слайдов с текстом по-русски лучше брать модели, которые уверенно пишут кириллицу. В наших тестах все надписи на инфографике вышли без ошибок с первой попытки, но короткие: до шести слов на плашку.

2. Короткое видео для соцсетей

Здесь разброс цен самый большой. Десятисекундный ролик стоит от 50 ₽ в 480p на недорогой модели до 448 ₽ за восемь секунд у одной из самых дорогих моделей со звуком. Разница в девять раз, и дорогая модель нужна далеко не всегда: для пейзажа или предмета без людей дешёвые модели справляются не хуже.

Но считать нужно не цену одного ролика, а цену серии. Первая генерация редко становится финальной, обычно нужно две-три пробы, чтобы подобрать описание. По нашим расчётам готовый ролик с пробами обходится от 250 до 1300 ₽ в зависимости от подхода. Главная экономия не в выборе дешёвой модели, а в дешёвых пробах: проверить сцену в низком разрешении на пять секунд и только потом запускать финал.

Где видео пока ошибается:

1. Текст в кадре. Одна и та же модель в одном прогоне написала фразу правильно, а в следующем поставила «ти» вместо «ты». Надписи надёжнее добавлять при монтаже.
2. Необычные формы. Попросите «небоскрёбы XIX века» и получите готические башни с часами: модель знает эпоху лучше, чем фантазию.
3. Второстепенные детали. В десять секунд помещается одно событие, всё остальное из описания модель сокращает сама.

3. Озвучка

Самая дешёвая задача из пяти. Минута речи на русском стоит около 12 ₽, файл готов за десять секунд. Для рекламы в локальном радио, закадрового текста к ролику, инструкции или голосового поздравления этого качества уже хватает.

Что улучшает результат сильнее, чем выбор голоса:

1. числа и даты словами, иначе голос может прочитать их не в том падеже;
2. буква «ё», без неё «все» и «всё» звучат одинаково;
3. короткие предложения, точка даёт паузу;
4. знаки препинания: по восклицательным знакам модель понимает, где поднять интонацию.

4. Говорящий ведущий из одной фотографии

Ролик, где человек с фото произносит ваш текст, двигает губами под речь и жестикулирует, стоит около 132 ₽ за 15 секунд вместе с озвучкой. Генерация занимает от четырёх до восьми минут. Это закрывает вступления к урокам онлайн-курса, ответы на частые вопросы, короткие обращения от лица мастера или продавца.

Две оговорки. Первая: фото должно быть по пояс с видимыми руками, иначе жестов не будет. Вторая, важнее: делать аватара можно только с лица человека, который дал на это согласие. Использовать чужие фотографии нельзя ни этически, ни юридически.

5. Музыка и джинглы

Трек на две-три минуты с вокалом на русском стоит 12 ₽ за запуск, причём на выходе сразу два варианта. Для бизнеса это прежде всего своя фоновая музыка для роликов: она меньше рискует попасть под блокировку за чужой трек. Второй сценарий: песня к корпоративу или дню рождения коллеги, где работает личный текст с именами, а не общие слова.

Что нейросетям пока лучше не отдавать

1. Точные характеристики товара на картинке. Состав, размеры и комплектацию пишите сами и проверяйте.
2. Лица без согласия. Даже если технически это возможно.
3. Длинный текст внутри изображения или видео. Одна строка выходит чисто, абзац почти наверняка будет с ошибками.
4. Финальную проверку. Всё, что уходит покупателю, нужно смотреть глазами.

Итого по деньгам

1. Карточка товара из пяти кадров: около 100 ₽.
2. Готовый ролик для соцсетей с пробами: 250–1300 ₽.
3. Минута озвучки: около 12 ₽.
4. Говорящий ведущий на 15 секунд: около 132 ₽.
5. Музыкальный трек: 12 ₽ за два варианта.

Для малого бизнеса это уже не эксперимент, а рабочий инструмент: месячный контент для небольшого магазина укладывается в несколько тысяч рублей. Но экономия появляется только при двух условиях: дешёвые пробы до финала и внимательная проверка перед публикацией.