Что такое генерация видео Шедеврум
Шедеврум это приложение Яндекса, где собраны картинки, тексты и короткие ролики. Видео здесь живёт в жёсткой рамке: 4 секунды при 24 кадрах в секунду. Возраст справка оговаривает отдельно, сервис для людей старше 18 лет, несовершеннолетним открыт только Детский режим.
От этой рамки зависит всё остальное. Четыре секунды это один жест, один проезд камеры, одна эмоция. Сцену с диалогом и сменой планов так не рассказать, её проектируют как последовательность кусков, которые потом склеиваются.
Моя позиция простая: 4 секунды это потолок, и с ним надо работать честно. Ролик такого размера хорош как живая аватарка, заставка, один кадр внутри клипа. Всё длиннее собирается из нескольких генераций в монтажке, и это нормальный рабочий способ.
Шедеврум нейросеть для генерации видео: четыре модели
Модели четыре, и разница между ними практическая.
v.1 отвечает за движение камеры. В настройках есть зум, таймлапс, отдаление, панорама, подъём, морфинг, вращение и ручной режим, где движение и поворот задаются по осям. Если в кадре нужен наезд или облёт, начинают с неё.
v.2 Beta передаёт движение объектов внутри кадра. Здесь качество целиком зависит от описания: чем точнее сказано, как предмет двигается, тем меньше сюрпризов на выходе.
v.3 даёт более детальную и динамичную картинку и, по словам справки, меньше дефектов, чем ранние версии. Это вариант по умолчанию, когда конкретный эффект не нужен.
Wan2.2 это открытая модель Alibaba, в Шедевруме она открывается по подписке Про. Первые 7 дней бесплатно, дальше 100 руб. в месяц при наличии Яндекс Плюс.
Как сделать видео: шесть шагов
Порядок в справке такой:
Шаги простые, но пятый решает больше остальных. Первый кадр задаёт композицию, и от него зависит, попадёт ли движение в нужную точку сцены. Если кадр не нравится, дешевле вернуться на шаг назад и переписать описание, чем генерировать заново из случайного кадра.
У v.1 вместо соотношения сторон набор эффектов камеры, у остальных моделей соотношение сторон настраивается.
- внизу нажать кнопку создания и выбрать «Видео»;
- выбрать модель;
- описать ролик на любом языке, чем подробнее, тем лучше;
- нажать «Создать»;
- выбрать первый кадр, v.1 предлагает четыре варианта, v.2, v.3 и Frame Pack по два;
- нажать «Создать видео».
Промпт: чем подробнее, тем точнее
Справка даёт пример, и он показывает масштаб детализации. «Барашек в небе» превращается в открытку, а «пушистый барашек медленно летит в небе в виде облака, мило, доброта, разноцветное небо со звездами» даёт кадр с настроением.
Работают конкретные категории: цвет и оттенок, форма и размер, текстура и материал, эмоция, поза, фон, стилистика. Язык любой, ограничений на английский нет.
Для v.2 Beta есть отдельное правило: движение описывают словами. Что и куда едет, с какой скоростью, что происходит с фоном. Модель не догадается сама, и на этом чаще всего теряется задумка.
Шедеврум с нейросетями Яндекса для создания картинок и видео
Шедеврум с нейросетями Яндекса для создания картинок и видео это один вход в несколько задач. Картинка, текст и ролик живут в одном приложении, и переход между ними не требует отдельного сервиса.
С готовым роликом можно сделать несколько вещей: наложить музыку из библиотеки, добавить хештеги, настроить видимость поста и запроса, опубликовать в ленту или удалить. Яндекс предлагает ещё один сценарий, использовать ролик как основу для клипа, анимации или живой аватарки.
Отсюда практический вывод. Если задача это аватарка или заставка, четырёх секунд хватает, и в приложении есть всё для сборки. Если нужен клип, ролик становится кирпичом, и дальше начинается монтаж.
Где предел четырёх секунд
Четыре секунды это жанр, и ограничения у него честные. Первое это сама длина: история в один жест. Второе это контроль деталей: мелкая надпись на упаковке, логотип, руки в кадре остаются зоной риска, и на крупном плане дефект видно сразу.
Третье это повторяемость. Один и тот же запрос даёт разные результаты, поэтому серию в одном стиле собирают через одинаковые формулировки и один первый кадр.
Четвёртое это права. Лицо, похожее на реального человека, и голос, похожий на узнаваемый, требуют осторожности, и ответственность лежит на том, кто публикует.
Мой порядок выбора модели
v.1 беру, когда важна камера: наезд, панорама, облёт, таймлапс. v.3 беру, когда важно движение объекта и нужна детализация. v.2 Beta беру, если движение сложное и его можно описать словами.
Wan2.2 за 100 руб. в месяц это самый дешёвый способ попробовать открытую китайскую модель без своего GPU, и для знакомства с семейством Wan этого достаточно.
Когда четырёх секунд мало, логика меняется. Ролик на 30 секунд и длиннее проектируют как набор кусков, и здесь честнее работают ручные ролики, где сцена, свет и речь собираются по сценарию. Мы делаем такие ролики от 16 000 ₽ и клип на заказ, когда нужен монтаж под музыку.
Соседний сервис Яндекса мы разбирали в материале про генерацию видео в Алисе, а основы формулировок собраны в заметке про промпты для нейросетей видео.
