AI-відео з нуля: від ідеї до готового ролика

Модуль 1 · Ідея: три питання й одне речення

Усе починається з ідеї. До того, як відкрити будь-який інструмент, треба чітко розуміти, що саме ти знімаєш. Це найважливіший крок, який більшість пропускає — і саме тому їхні відео виглядають випадковими.

Постав собі три питання:

• Що відбувається на екрані? Людина йде містом, дракон летить над горами, продукт стоїть на столі.
• Який настрій? Епічно, затишно, тривожно, динамічно, мрійливо.
• Для кого й куди це відео? Reels, реклама, арт-проєкт, Telegram.

Після відповідей сформулюй ідею одним реченням. Наприклад: «Жінка в пальті йде порожньою бруківкою старого міста на світанку, тихо, туман, тепле низьке сонце». Це і є точка відліку — усе інше будується навколо неї.

Якщо речення не складається — ідеї ще немає, є настрій. Не йди далі: на цьому етапі помилка коштує пів години, на етапі генерації — пів дня.

Типи контенту, які добре працюють в AI-відео:

• Сінематик — кінематографічні сцени без сюжету, чиста атмосфера.
• Коротка реклама товару чи бренду.
• Фентезі й фантастика — те, що неможливо зняти насправді.
• Трансформації й морфінг — один обʼєкт плавно перетікає в інший.
• Музичні замальовки під трек.
• Меми й вірусний контент для соцмереж.

Найпростіший старт — сінематик: там не треба тримати сюжет, достатньо тримати атмосферу.

Порада Запиши речення-ідею в нотатки й повертайся до нього на кожному етапі. Якщо кадр не працює на це речення — він зайвий, яким би красивим не був.

Модуль 2 · Опорний кадр: з чого росте все інше

Опорний кадр — головний кадр твоєї історії. Саме від нього будується вся розкадровка, тому він має бути максимально близьким до того, що ти хочеш бачити у фінальному відео.

Два шляхи, як його отримати. Опорний кадр цього уроку — той, що в шапці: жінка в пальті на порожній бруківці, світанок, туман; уся розкадровка нижче виросла саме з нього.

Шлях перший — описати словами. Розкажи ChatGPT або Claude, що хочеш створити, і попроси зібрати промпт. Проси не «красивий опис», а технічну карту: камера, об'єктив, світло, час доби, колірна корекція.

Шлях другий — від референсу. Заходиш у Pinterest, збираєш кілька зображень потрібної атмосфери, кидаєш у ChatGPT і пишеш: «Створи точний промпт за цією фотографією». Далі міняєш у промпті обʼєкт на свій — і отримуєш той самий рівень на своєму сюжеті.

Де шукати референси:

• Pinterest — pinterest.com, база всього.
• Behance — behance.net, портфоліо дизайнерів, ілюстраторів, 3D і UI.
• Dribbble — dribbble.com, UI/UX, вебдизайн, логотипи.
• Cosmos — cosmos.so, схожий на Pinterest, але мінімалістичніший.
• Savee — savee.it, чисто під візуал і натхнення.
• Are.na — are.na, для збору ідей, мудбордів і ресерчу.
• Designspiration — designspiration.com, близький за духом до Pinterest.

Важливо: референс береться не для копіювання, а щоб витягти з нього параметри — світло, оптику, колір, композицію. Копія чужого кадру нікому не потрібна, твоя сцена з чужим світлом — потрібна.

Проаналізуй це зображення і збери з нього промпт для генерації схожого кадру. Розпиши окремими блоками: 1) сюжет і композиція, 2) камера, об'єктив, діафрагма, ракурс, 3) схема освітлення й час доби, 4) колірна корекція і фактура (зерно, ореоли, контраст), 5) що саме створює атмосферу. Промпт англійською, одним абзацом, без згадок брендів і назв фільмів.

Порада Роби опорний кадр одразу в максимальній якості. Далі ти будеш його дробити на дев'ять — і всі слабкі місця помножаться на дев'ять.

Модуль 3 · Розкадровка сіткою 3×3

Це трюк, який економить найбільше часу. Замість генерувати дев'ять кадрів окремо і потім страждати, що вони з різних всесвітів, ти просиш модель зробити одну сітку 3×3 однієї локації. Усі дев'ять кадрів виходять у єдиному стилі, з однаковим світлом і колірною корекцією.

Як робити: завантажуєш опорний кадр у Nano Banana 2 (якщо якість слабка — спершу підніми роздільність) і вставляєш промпт нижче.

Роби мінімум пʼять таких сіток. Це дасть 45 кадрів на вибір — і вже з них ти набереш свою послідовність без компромісів.

На що дивитись при оцінці результату:

• Консистентність — зовнішність персонажа зберігається від кадру до кадру?
• Логіка ракурсів — камера ніби рухається простором, а не телепортується?
• Атмосфера — передається саме та, що в опорному кадрі?
• Артефакти — деформовані руки, дивні фони, поламані написи?

Якщо результат не влаштовує:

• візьми інший опорний кадр — із чіткішим світлом;
• додай текстовий опис сцени просто в промпт;
• згенеруй ще раз — кожен запуск дає інший результат;
• зміни кількість кадрів у сітці: 2×2 тримається значно стабільніше за 3×3.

Create a grid of 9 unique images (3x3) of one single location. Each image must show the location from a new camera angle, creating the feeling of continuous exploration of the space.

1. Scene variety: every frame is unique, with no repeats or nearly identical angles; the camera varies its angle, direction of view and framing naturally; the frames create a sense of smoothly exploring the space.

2. Location logic: natural environments (forest, park, beach) — sequential views, as if the camera were moving through the space; urban environments — streets, crossings, facades, adjacent blocks; interiors — different vantage points and adjacent spaces inside the room.

3. Camera and shooting style: shot as if on an ARRI Alexa Mini, 35mm anamorphic lens, cinematic style; shot types — wide shot, tracking shot, medium shot, close-up detail; muted colours, cold shadows, soft bloom highlights; identical depth of field, perspective and focus across all 9 images.

4. Stylistic consistency: keep the same visual style, contrast, saturation and white balance; all 9 images must look shot on one camera with identical settings; keep the mood and atmosphere of the scene.

5. Technical: correct perspective, scale and spatial consistency; realistic detail without artefacts, seams or unnatural textures.

Goal: 9 unique frames of one location with smooth variation, like a continuous cinematic exploration of the space.

Порада Локацію в промпті став свою, а блоки 3–5 не чіпай — саме вони тримають дев'ять кадрів в одному стилі.

Модуль 4 · Відбір кадрів і послідовність

Після сіток у тебе 6–12+ придатних варіантів. Тепер їх треба відібрати й вибудувати в історію. Кадри з сітки нарізаються скріншотами — по одному на файл.

Принцип відбору:

• кожен кадр має додавати щось нове: новий ракурс, нову дію, нову емоцію;
• не бери два схожі кадри поспіль — це нудно;
• перший кадр має захопити: широкий план або ефектна деталь;
• останній кадр ставить крапку: крупний план або красивий фінальний момент.

Класична структура, яка працює завжди:

загальний план → середній план → дія → крупний план → фінальний загальний

Пронумеруй файли в порядку показу — 01, 02, 03. Далі ти працюватимеш із ними по черзі, і нумерація врятує від плутанини, коли з'явиться по три версії кожного кліпу.

Останній крок модуля: прожени відібрані скріни через Nano Banana 2 ще раз, щоб підняти якість. Скріншот із сітки завжди дрібніший за оригінал, а відеомоделі підсилюють усі дефекти вхідного зображення.

Порада Розклади відібрані кадри в один ряд і подивись на них здалеку. Історія має читатись навіть без руху — якщо ні, рух її не врятує.

Модуль 4.1 · Три плани однієї сцени

Щоб було видно, як працює структура, ось та сама сцена в трьох планах.

Загальний (кадр вище) — показує простір: де ми, яка атмосфера, скільки повітря навколо героя. Тримає увагу 2–3 секунди, далі глядачу стає нудно.

Середній — знайомить із героєм: видно дію й емоцію, але простір ще присутній. Це робоча конячка будь-якого ролика.

Крупний — ставить крапку або, навпаки, створює напругу: деталь, погляд, пара над склянкою кави. Довго не тримається, але саме він лишається в пам'яті.

Правило простої зборки: не став два однакові плани поспіль. Загальний після загального читається як брак, крупний після крупного — як хаос.

Модуль 5 · Motion-промпти: оживлюємо кожен кадр

Тепер кожен відібраний кадр перетворюється на кліп. Покроково:

1. Відкрий Seedance 2.5 або Kling у режимі Image-to-Video. 2. Завантаж перший кадр зі своєї теки. 3. Напиши motion-промпт — опис руху. 4. Виставь параметри: тривалість і інтенсивність руху. 5. Запусти генерацію. 6. Влаштовує — скачуй; ні — міняй промпт і повторюй. 7. Те саме для кожного кадру.

Головне про motion-промпт. Це опис не того, що зображено, а того, що рухається і як.

• Слабкий промпт: A woman in a city.
• Сильний промпт: The woman slowly turns her head to the right, her hair gently swaying in the wind, camera slowly pulls back revealing the neon-lit street behind her.

Структура доброго motion-промпта — чотири блоки:

1. Рух субʼєкта — що робить персонаж або обʼєкт. 2. Рух середовища — вітер, вода, листя, вогонь, дощ, дим. 3. Рух камери — за бажанням, про це наступний модуль. 4. Загальний характер руху — slowly, gently, dramatically, gracefully.

Часті помилки:

• Задерта інтенсивність руху — персонаж деформується.
• Забагато рухів одночасно — кадр перетворюється на хаос.
• Немає опису руху взагалі — модель сама вирішує, що рухати, результат непередбачуваний.
• Суперечливі команди — stands still and runs.

// Портрет
Subject slowly blinks, a slight smile appears on her face, hair gently moves in a soft breeze, camera slightly pushes in.

// Пейзаж
Camera slowly pans from left to right, clouds move across the sky, trees sway gently in the wind, light changes subtly.

// Екшн
Subject runs toward camera, coat flowing behind, camera tracks the movement, dramatic slow-motion effect.

// Продукт
Product rotates slowly 360 degrees, soft light shimmers across the surface, camera gently circles around.

Порада Починай із мінімальної інтенсивності руху. Її завжди можна підняти, а от «розплавлене» обличчя назад не збереш.

Модуль 6 · Рух камери

Саме це відрізняє аматорський контент від професійного: правильний рух камери подвоює візуальний ефект від того самого кадру.

Основні типи руху:

• Push In (наїзд) — камера повільно наближається до субʼєкта. Створює напругу, інтимність, фокус.
• Pull Out (відʼїзд) — камера віддаляється. Дає відчуття масштабу, самотності, відкриття.
• Pan Left/Right (панорама) — камера повертається горизонтально. Показує простір, стежить за рухом.
• Tilt Up/Down (нахил) — камера піднімається або опускається. Угору — велич, униз — інтроспекція.
• Orbit (обліт) — камера обходить обʼєкт по колу. Ефектно для предметки й портретів.
• Crane Up (підйом) — камера піднімається вгору. Фінальні кадри, відчуття звільнення.

Як комбінувати з рухом субʼєкта. Найкращий результат виходить, коли рух камери доповнює, а не конкурує з рухом героя:

• персонаж іде вперед + камера трохи відʼїжджає = відчуття, що він «входить у кадр»;
• персонаж дивиться вгору + камера нахиляється вгору = ми бачимо те, що бачить він;
• персонаж завмер + камера повільно наїжджає = напруга.

І навпаки: герой біжить праворуч, а камера панорамує ліворуч — глядач втрачає орієнтацію.

Один рух на кліп. Два рухи одночасно модель майже завжди перетворює на тремтіння.

Нижче — усі шість рухів на одному кадрі, знятих одним і тим самим стартовим фото. Дивись не на картинку, а на те, що робить камера.

І чесно про виконання. Порівняй четвертий і шостий кліпи з рештою: Tilt Up вийшов ближчим до дуги, а Crane Up — до відʼїзду. Модель виконує рух приблизно, і це нормальна лотерея: перезапуск того самого промпта зазвичай вирішує. Саме тому рухи й перевіряють на коротких кліпах по чотири секунди, а не на готовій сцені.

• 01 · Push In
• 02 · Pull Out
• 03 · Pan
• 04 · Tilt Up
• 05 · Orbit
• 06 · Crane Up

// Push In
Slow push in toward the subject, everything else remains still, subtle handheld breathing, no zoom artifacts.

// Pull Out
Slow pull out revealing the environment around the subject, steady motion, no jitter.

// Orbit
Camera slowly orbits around the subject from left to right, subject stays centred and still, smooth continuous motion.

// Crane Up
Camera slowly cranes up above the scene, revealing the space below, smooth vertical motion, subject stays in frame.

Модуль 7 · Збірка ролика

Коли всі кліпи готові, починається фінальна збірка — з розрізнених кадрів робиться цілісне відео.

У чому монтувати:

• CapCut — безкоштовний, є десктоп і мобільна версія. Ідеальний для Reels і коротких відео.
• DaVinci Resolve — безкоштовний, серйозніший: нормальна колірна корекція і робота зі звуком.
• Premiere Pro — якщо вже працюєш у ньому.

Порядок дій:

1. Закинь кліпи на таймлайн у своїй нумерації. 2. Обріж кожен: бери тільки ту частину, де рух чистий. У AI-кліпів найчастіше псується кінець — останні пів секунди відрізай без жалю. 3. Вирівняй тривалість під ритм: у коротких форматах 1.5–2.5 секунди на кадр, у сінематику — 3–4. 4. Постав музику й підріж склейки під біт. 5. Додай один шар зерна або легку віньєтку на весь ролик — це «зшиває» кліпи з різних генерацій в одне ціле. 6. Експортуй: 1080×1920 для Reels і Shorts, 1920×1080 для YouTube, 24 або 30 кадрів.

Про ритм. Перші дві секунди вирішують, чи додивляться. Постав найсильніший кадр першим, навіть якщо за логікою історії він мав бути третім.

Порада Найчастіша проблема на збірці — усі кліпи однакової довжини. Це вбиває ритм. Міняй: 2 с, 2 с, 1 с, 3 с — і ролик одразу оживає.

Модуль 8 · Звук, якого немає в кадрі

Цього модуля не було у вихідному конспекті, а він вирішує половину враження. Німе AI-відео завжди виглядає як тест, навіть якщо картинка бездоганна.

Три шари, які треба покласти:

• Атмосфера — рівний фон під усім роликом: дощ, вулиця, гул приміщення, вітер. Тримає кліпи разом краще за будь-який перехід.
• Акценти — 3–5 точкових звуків у момент склейки: крок, двері, сплеск води, шурхіт тканини. Мозок «домальовує» реальність саме за ними.
• Музика — остання за черговістю, а не перша. Спершу атмосфера й акценти, потім музика під них.

Де брати: вбудовані бібліотеки CapCut, безкоштовні банки звуків, або згенерувати ambience голосовою моделлю. Головне — перевір ліцензію, якщо ролик комерційний.

І головне правило: звук має відповідати кадру. Якщо на екрані дощ, а в звуці суха тиша — глядач не зрозуміє, що не так, але відчує фальш.

Порада Змонтуй ролик, потім вимкни звук і подивись ще раз. Потім увімкни звук і закрий очі. Обидві половини мають працювати окремо.

Модуль 9 · Типові помилки і скільки це коштує

Помилки, на яких валиться більшість:

• Пропущений перший модуль. Без речення-ідеї виходить набір гарних кадрів без історії.
• Кадри з різних сіток без перевірки. Різне світло — і ролик розсипається на клаптики.
• Один довгий кліп замість кількох коротких. Що довший кліп, то більше шансів, що модель «попливе». Три секунди — робоча межа.
• Ігнорування останніх кадрів кліпу. Саме там зʼявляються деформації. Ріж.
• Забагато руху. Один рух субʼєкта + один рух камери. Не більше.
• Німий ролик. Див. модуль 8.

Скільки спроб це реально займає. Чесна арифметика: з десяти згенерованих кліпів придатними виходять три-чотири. Це нормально і закладено в процес — тому й генеруємо пʼять сіток замість однієї. Плануй приблизно втричі більше генерацій, ніж кадрів у фінальному ролику.

Чек-ліст перед публікацією:

1. Перші дві секунди чіпляють? 2. Немає двох однакових планів поспіль? 3. Персонаж однаковий у всіх кадрах? 4. Руки, пальці, обличчя — без деформацій на всій тривалості? 5. Кінці кліпів обрізані там, де рух ще чистий? 6. Ритм міняється, а не рівний? 7. Є атмосферний звук, а не тільки музика? 8. Формат і роздільність під потрібний майданчик?