Кнопки «сделай красиво» не существует
Начнем с того, что аккуратно придушим красивую фантазию подушкой. Волшебной кнопки, которая превращает промпт в готовый ролик, нет. А если есть, нас на эту встречу не позвали.
То, что вы только что посмотрели, — это 1 минута 37 секунд видео. На нее ушло 8 часов 34 минуты и $85.45. Сюда вошли персонаж, гардероб, сцены, студийные кадры, голос, липсинк и монтаж — то самое место, где оптимизм быстро учится скромности.
В этом разборе мы показываем весь процесс: промпты рядом с кадрами, неудачные попытки, исправления и итоговый счет. На каждом этапе есть свой фирменный способ сломаться. Это раздражает, но в этом и состоит работа.
Знакомьтесь, Мила
Мила — вымышленный персонаж, а не реальный человек. Ей 27, рост около 178 см, волосы цвета шампанского ниже плеч с прямым пробором, серо-голубые миндалевидные глаза, овально-сердцевидное лицо, густые светлые брови и маленькая родинка под правым глазом.
Нам нужен был образ умный, спокойный, наблюдательный и современный. Не хотелось делать глянцевый стереотип инфлюенсера: такие часто превращаются в одно и то же отполированное лицо с хорошим светом и характером уровня гостиничного лобби.
Биография простая: Мила — fashion-редактор из 2030 года, которая сама собирает образы и публикует их. Отличительные детали важны: обычное красивое лицо сложно проверять от кадра к кадру, а веснушки, брови и родинка дают и вам, и модели доказательства, что это все еще она.
Шаг 1 — референс-лист
Один портрет — еще не персонаж. Персонаж начинается с референс-листа. Мы сгенерировали шесть ракурсов: базовый портрет, поворот на 30°, профиль на 90°, кадр до середины бедра, полный рост и полный рост под углом 30°.
Главный прием простой: когда появился удачный кадр, загружайте его обратно как референс. А затем коротко просите модель сохранить лицо и анатомию без изменений. Это работает лучше, чем бесконечно раздувать промпты и постепенно превращаться в художника фотороботов с мигренью.
Мы специально старались оставаться внутри одного движка. Так меньше плывет идентичность, и становится понятнее, где именно ломается конкретная модель, вместо того чтобы одновременно ругаться на пять инструментов, как уставший родитель в долгой поездке.






Референс-лист Милы — все последующие кадры собирались от него.
Пять промптов для референс-листа
Промпты показаны рядом с каждым кадром, а в заметках объясняется, зачем нужен именно такой прием. Главное — повторять одно и то же описание внешности, каждый раз менять только один параметр и постепенно добавлять утвержденные изображения как референсы.
В каждом промпте заново фиксируется одно и то же лицо и добавляется только новый ракурс. Основную работу делает загруженный портрет; текст лишь объясняет, куда ей повернуться.

Показать промпт
Use the uploaded portrait of Mila as the primary identity reference. Create a RAW photorealistic studio portrait of the same real-looking adult woman. Keep her exact face: fair skin with natural texture, oval heart-shaped face, defined cheekbones, soft refined jawline, large expressive grey-blue almond eyes, straight narrow nose, natural medium lips, distinctive full blonde eyebrows with a soft lifted arch, and a small beauty mark below her right eye. Champagne-blonde hair below the shoulders, centre part, soft waves. Head-and-shoulders view, face turned 30 degrees to her left, eyes looking into the camera, head upright and level. Calm, intelligent, slightly reserved expression, closed lips. Minimal makeup, graphite-grey crew-neck top, no jewellery. Light-grey seamless studio background, soft frontal light, 85mm lens look, realistic colour, unretouched human photo. No illustration, CGI, doll face, glamour filter, text or watermark.
Строгий профиль — самый сложный ракурс для сохранения персонажа. Подробное описание бровей и родинки буквально удерживает образ на месте.

Показать промпт
Use the uploaded portrait of Mila as the primary identity reference. Create a RAW photorealistic studio image of the same real-looking adult woman. She is tall and slender, with fair skin, natural texture, visible pores, an oval heart-shaped face, defined cheekbones, a soft refined jawline, large expressive grey-blue almond eyes, a straight narrow nose, natural medium lips, and a small beauty mark below her right eye. Her eyebrows are distinctive: light blonde, full, textured, elegant, with a soft lifted arch. Her hair is champagne blonde, below the shoulders, centre part, soft waves. Show a strict 90-degree right-facing side profile, head level, calm neutral expression, closed lips, hair tucked behind the visible ear. Graphite-grey crew-neck top, no jewellery. Light-grey seamless studio background, soft diffused light, true human photo. No cartoon, CGI, doll face, beauty filter, text or watermark.
Фраза «не переделывать, не переосмыслять, не улучшать и не заменять лицо» звучит как занудство. Именно это занудство и спасает от дрейфа.

Показать промпт
Use the uploaded portrait as the only identity reference. Create a RAW photorealistic studio photo of the exact same woman, framed from head to mid-thigh. Do not redesign, reinterpret, beautify or replace her face. Preserve her identity exactly: same facial geometry, proportions, eyes, eyebrows, nose, lips, jawline, skin tone, hairline, hairstyle and beauty mark. She is a clearly adult woman, tall and slim, with a defined waist and balanced feminine curves. She faces the camera in a relaxed neutral pose, arms slightly away from her torso. She wears a fitted graphite-grey bodysuit. Light-grey seamless background, soft even light, 50mm lens, realistic skin texture, true human photography. Keep the face sharp, detailed and clearly recognizable. No new face, face variation, cartoon, CGI, doll-like skin, distorted anatomy, text or watermark.
Теперь в работу идут ДВА референса: портрет и утвержденный кадр до середины бедра. Чем больше проверенных ракурсов вы возвращаете модели, тем стабильнее становится персонаж.

Показать промпт
Use the uploaded portrait and approved mid-thigh image as identity references. Create a RAW photorealistic full-body studio photo of the exact same woman. Do not redesign or replace her face. Preserve her identity exactly: same facial geometry, proportions, eyes, eyebrows, nose, lips, jawline, skin tone, hairline, hairstyle and beauty mark. She is a clearly adult woman, about 178 cm tall, with a slim elegant figure, defined waist, softly rounded hips, balanced feminine curves and long legs, suitable for dress fittings. She stands front-facing in a relaxed neutral pose, arms naturally at her sides, full body visible from head to bare feet. Fitted graphite-grey bodysuit, matte black leggings. Light-grey studio background, soft even light, 50mm lens, true human photo. No new face, face variation, cartoon, CGI, doll-like skin, distorted anatomy, cropped feet, text or watermark.
На этом этапе промпт уже может быть коротким. Она существует — вы просто записываете ее еще на один ракурс.

Показать промпт
Using the uploaded portrait as the face reference, create a photorealistic full-body studio photo of the exact same woman. Tall, slim figure with a defined waist and natural feminine curves. Body turned 30 degrees, head toward the camera, relaxed pose, full body and feet visible. Preserve her face and hair exactly. Simple fitted grey outfit, soft studio light, plain grey background, no cartoon, CGI or distorted anatomy.
Пять промптов, которые превратили один портрет в полный референс-лист.
Шаг 2 — собираем гардероб
Когда образ был выбран, мы попросили image-модель вынести каждый предмет одежды и аксессуар в отдельный чистый продуктовый кадр: платье, сумку, туфли, очки, серьги и браслет.
Этот дополнительный шаг себя окупает. Когда вещь существует как отдельный референс, ее можно возвращать в любую сцену — и шанс, что она останется той же самой вещью, заметно выше. Так собирают настоящий лукбук, только без стойки с одеждой, которая вечно перегораживает дверь.






Каждый предмет вынесен в отдельный продуктовый кадр, чтобы его можно было стабильно использовать снова.
Шаг 3 — заставляем ее говорить
Для говорящего кадра стек получился честный и немного собранный на скотч. Мы сделали talking clip из статичного изображения, голос сгенерировали в ElevenLabs, а липсинк собрали в Sync.so.
Голос и липсинк сегодня находятся вне Vynzo. Kling 2.6 умеет делать липсинк прямо внутри Vynzo, а GPT Image 2 скоро появится в Vynzo.
Практический совет важнее списка инструментов: каждый дубль для липсинка начинайте с нового исходного клипа, где другие жесты и выражение лица. Если гонять один и тот же источник, результат быстро становится роботизированным — будто Мила застряла в вежливом цикле службы поддержки.
Говорящий фрагмент: выражение лица и жесты важнее самих слов.
Показать промпт
Use the uploaded reference image as the exact identity of the character. Preserve her face, hairstyle, skin tone, proportions, clothing and accessories. Do not redesign or stylize her. Medium close-up, eye-level camera. She looks into the lens and speaks naturally: "[DIALOGUE]". Precise lip sync. Expressions follow the speech: subtle eyebrow movement, realistic blinking, small smiles, brief pauses and natural breathing. She uses restrained hand gestures, small head nods and slight posture shifts. Movements are smooth, relaxed and conversational, never theatrical or repetitive. Keep hands anatomically correct. Negative prompt: identity drift, facial warping, frozen expressions, excessive blinking, random gestures, distorted hands, lip-sync errors, flicker, camera shake, cuts or background changes.
Шаг 4 — домашний сегмент
Домашний блок на бумаге выглядит просто: Мила показывает по одному продукту в каждом клипе. Процесс повторяется: генерируем статичный кадр от референсов, анимируем, делаем новые прогоны и оставляем лучший дубль.
В каждом клипе была одна и та же инструкция: сохранить идентичность и сделать движение естественным и сдержанным. Самое полезное — в заметках под роликами, потому что первая версия часто вежливо демонстрирует вам новую проблему.
Полный оборот — честная проверка персонажа: модель должна остаться собой на всех 360°. Здесь получилось, но обратите внимание, сколько промпта ушло не на просьбы, а на запреты.
Показать промпт
Use the provided frame as a strict reference. Vertical 9:16, full-body, static camera. Keep the same woman, identity, face, body proportions, hairstyle, dress, bare feet, room, lighting and framing unchanged throughout. She starts already facing the camera, looking directly into the lens with a soft natural smile. From this exact starting pose, she gently holds the sides of the dress with both hands and makes one smooth natural full turn around herself at normal real-time speed, with small realistic steps. The movement should feel elegant and physically natural, with subtle fabric motion and slight hair movement. After the turn, she finishes facing the camera again. No slow motion, no strange grimaces, no exaggerated expressions, no face distortion, no identity drift, no hand glitches, no extra fingers, no foot deformation, no added heels or footwear, no camera movement, no flicker
Наш любимый провал: модель снова и снова проводила сумку прямо СКВОЗЬ ее руку, как призрак. После множества попыток мы использовали только часть дубля. Контакт руки с предметом — все еще слабое место видеомоделей.
Показать промпт
A woman naturally presents a light-colored leather handbag in a minimalist room. She gently turns her upper body slightly toward the camera, carefully lifts the bag by its handle, and brings it a little closer to the lens to showcase its shape, leather texture, stitching, and hardware. She then subtly adjusts her grip and slowly rotates the handbag to reveal its side profile. Her expression remains calm and confident, with a soft, natural smile. Her hair and clothing move slightly with her body. The camera performs a slow, smooth push-in while keeping the handbag as the main focal point. Realistic premium fashion commercial, soft natural daylight, elegant and controlled movement, high detail, stable composition, smooth natural motion
Невидимый телефон плюс намеренная легкая тряска камеры — именно это считывается как настоящее селфи. Дужки очков при повороте постоянно исчезали; помогали только новые прогоны и прямое указание на эту деталь.
Показать промпт
Create a photorealistic vertical 9:16 front-camera selfie video from the reference image. Preserve her identity, hair, sunglasses, mint athletic outfit, room, lighting, and framing. The phone is in her hand but never visible, so the camera should have subtle natural handheld motion throughout: tiny shakes, micro-sways, and slight distance shifts. She looks at the screen, slowly turns her head to one side and freezes, holding still for a moment to show the sunglasses. Then she slowly turns her head to the other side and freezes again. After that, she gently brings the camera closer to her face for a close-up of the sunglasses and holds it there briefly. Add natural blinking, breathing, tiny facial movements, and slight hair motion. No speaking, cuts, sudden motion, warped features, or background changes.
Первый кадр / последний кадр. Правило, о котором редко предупреждают: положение камеры в ОБОИХ кадрах должно совпадать, иначе предметы поплывут через склейку.
Показать промпт
Use the first frame as the starting pose and the last frame as the ending pose. In the same bright minimalist room, the woman sits on the sofa and smoothly transitions from reaching toward the open shoebox on the floor to lifting one iridescent heel out of the box and examining it in her hands. At the start, both shoes are clearly inside the shoebox among the tissue paper. During the action, she leans forward, reaches into the box, takes only one shoe by the ankle strap, lifts it up, and supports it with her other hand while looking at it with soft curiosity and a subtle pleased smile. By the end, one shoe is in her hands and the second shoe remains inside the box. Maintain consistent appearance, outfit, room layout, shoebox position, and shoe design. Soft daylight, static camera, realistic motion
Вторая попытка. В первой рука спокойно провернула туфлю на полные 360 градусов, хотя запястье так не умеет.
Показать промпт
A cinematic product showcase of a futuristic silver iridescent high-heel sandal being elegantly held in one hand inside a bright, minimalist living room. The camera performs a slow, smooth push-in combined with a subtle left-to-right arc, creating gentle parallax between the shoe and the softly blurred background. The hand naturally rotates the shoe a few degrees to reveal the shimmering holographic panels, metallic finish, sculptural transparent heel, and ankle strap. Soft daylight from the window creates realistic reflections and rainbow highlights that glide across the surface as the camera moves. The background remains calm and out of focus, emphasizing the product. Premium luxury fashion commercial aesthetic, ultra-realistic materials, clean composition, shallow depth of field, stabilized camera, natural motion only, no abrupt movements, no object deformation, no flickering, no warping, no extra fingers or artifacts.
Домашний сегмент: один продукт — один клип.
Прием с первым и последним кадром
Для любого действия с понятным началом и концом — например, когда туфлю достают из коробки, — дайте модели и первый, и последний кадр. Ей нужно знать, откуда движение начинается и куда должно прийти.
Правило, которое часто упускают, — положение камеры. Первый и последний кадр должны быть сняты из одной точки. Если нет, предметы начинают скользить и превращаться друг в друга, потому что модель пытается одновременно двигать и камеру, и объект. Так туфли становятся одержимыми.


Первый и последний кадр: камера должна стоять одинаково, иначе предметы поплывут.
Шаг 5 — студия и подиум
Для студийного блока мы одели Милу в полный образ — с очками и без, а затем добавили макияж. Здесь за идентичностью нужно следить особенно внимательно: макияж меняет лицо. Он может скрыть маленькие отметины и несовершенства, по которым персонаж узнается.
Бэкстейдж фотосессии собрался быстро и выглядел убедительно: вспышки, студийный вентилятор, фотограф где-то за кадром. А подиумный кадр продает весь ролик целиком, потому что сводит гардероб, персонажа и движение в один ясный момент.
Nano Banana 2 не всегда удерживал аксессуары одинаковыми. GPT Image 2 справлялся лучше: загружаешь аксессуар и встраиваешь его в кадр через редактирование. Просто, не магия — похоже, это уже общий мотив.
Кадр, который должен продать всю историю. Все названо явно — платье, очки, серьги, браслет, каблуки, сумка, — потому что все неназванное модель может тихо передизайнить.
Показать промпт
The same blonde model from the reference walks confidently down a luxury fashion runway with a professional catwalk stride, maintaining the exact same face, hairstyle, white dress, sunglasses, earrings, bracelet, heels, and cream handbag. She reaches the end of the runway, gracefully stops, and performs three elegant high-fashion poses, subtly shifting her weight, rotating her body, lifting her chin, and naturally presenting the handbag. Camera flashes illuminate her as photographers capture every pose. She executes a smooth runway pivot, then confidently walks back. The dress flows naturally, the handbag swings realistically, and every movement is poised and refined. Cinematic fashion film, glossy runway, soft spotlights, shallow depth of field, ultra-realistic, 9:16, 10 seconds, 4K, 24 fps, preserve the exact appearance from the reference, no outfit or face changes.
Студийный сегмент: полный образ, затем подиум.
Студийные кадры
Студийные stills — это полный образ, собранный из продуктовых кадров гардероба и затем снятый в студийной постановке. Здесь работа с отдельными предметами наконец начинает окупать аренду.


Студийные кадры: полный образ, собранный из гардеробных референсов.
Все, что сломалось
Эту часть часто выкидывают из разборов — вероятно, потому что она менее глянцевая, чем финальное видео, и больше похожа на признание, что у вас публично взорвался чемодан. Но провалы — не исключения. Это и есть работа.
Закладывайте бюджет на новые прогоны так же, как фотограф закладывает запас кадров. Самое полезное открытие: Seedance часто рендерит в замедлении, а negative prompt это не лечит. Поэтому в монтаже мы ускоряли такие клипы на 35–40%.
Сумка прошла сквозь руку
- Почему это важно
- Контакт руки с предметом сейчас самое слабое место видеомоделей
- Что реально помогло
- Много новых прогонов; в итоге взяли только часть дубля
Дужки очков исчезали в середине поворота
- Почему это важно
- Мелкие жесткие детали пропадают при вращении головы
- Что реально помогло
- Новый прогон с прямым упоминанием этой детали
Рука провернулась на 360°
- Почему это важно
- Анатомия не контролируется, пока вы сами это не заметите
- Что реально помогло
- Один новый прогон
Все выходило в slow motion
- Почему это важно
- Seedance растягивает короткое действие на весь клип
- Что реально помогло
- Negative prompt НЕ помог — ускорили клипы на 35–40% в монтаже
Сцена с карандашом для макияжа
- Почему это важно
- Некоторые действия модель просто не выполняет, как ни формулируй
- Что реально помогло
- Вырезали
Неестественный прогиб спины в конце
- Почему это важно
- Последние кадры часто ломают позу
- Что реально помогло
- Подрезали в монтаже
Аксессуары менялись от кадра к кадру
- Почему это важно
- Image-модели плывут на мелком реквизите
- Что реально помогло
- Nano Banana 2 не справился; GPT Image 2 удержал — загрузили аксессуар и отредактировали кадр
Проверьте все четыре движка на своём фото — в одной студии.
Открыть студиюСколько это стоило
Весь продакшен обошелся в $85.45 и занял 8 часов 34 минуты ради 1 минуты 37 секунд готового видео. Счет сложился так: $55.45 на генерацию изображений и видео, $19 на липсинк и $11 на голос.
Значит, AI-инфлюенсеры — это дешево? По сравнению с настоящей съемкой с моделью, фотографом, студией и локацией — да. Но это не бесплатно и не мгновенно. И да, мы не fashion-блогеры: это демонстрация того, что инструменты умеют сегодня. Больше дублей и более сильный монтаж сделали бы ролик лучше.
| Позиция | Что вошло | Стоимость |
|---|---|---|
| Seedance 2.0 Pro · Nano Banana 2 · GPT Image 2 | Все изображения и все видеоклипы | $55.45 |
| Sync.so | Липсинк (использовано только около 20% резерва) | $19.00 |
| ElevenLabs | Озвучка | $11.00 |
| Итого | 1 минута 37 секунд готового видео | $85.45 |
| Время | С учетом монтажа | 8 h 34 min |
Проверьте все четыре движка на своём фото — в одной студии.
Открыть студиюЧто стоит знать перед стартом
Первое: волшебной кнопки нет и, скорее всего, не будет. Простите. Роботы уже научились свету и ткани, но им все еще нужен человек со вкусом, терпением и готовностью перегенерировать один и тот же кадр без личной обиды.
Второе: без понятного и интересного сценария вы получите дорогой шум. Красивый персонаж в красивых кадрах — это не история, а заставка со счетами.
Третье: персонаж и есть продукт, поэтому сначала вложитесь в референс-лист. Потом заложите бюджет на новые прогоны и монтажера, потому что именно в монтаже чинятся slow motion, плохие концовки и невозможные кадры.
