Собрать вертикальный мультсериал с постоянными героями и русской речью на облачных ИИ-моделях — задача не про «одну кнопку», а про конвейер с чёткими зонами ответственности. В нашем случае серия длится 24 секунды, а на пересборку одной серии ушло около десяти итераций с разными моделями: Wan, Kling, Veo, Seedance, GPT Image и Nano Banana Pro. Ниже — порядок шагов, который сложился после испытаний, критерии выбора инструментов, типичные ошибки и что осталось нерешённым. Важное ограничение: зрительских метрик по этому способу пока нет, речь только о производстве.

Шаг 1. Сценарий по секундам, а не по сценам

Первый и самый недооценённый этап — разбивка истории на отрезки длиной 1–3 секунды. Модели генерации видео плохо держат длинные сцены: чем короче фрагмент, тем выше шанс, что герой не «поплывёт». Мы делаем раскадровку в таблице: номер кадра, тайминг, описание действия, реплика (если есть), требования к фону и эмоции. Для 24-секундной серии получается 10–14 таких отрезков. Это не бюрократия: именно на этом этапе становится видно, где сценарий провисает, а где нужен дополнительный кадр.

Типичная ошибка — писать сценарий «сценами» по 5–7 секунд и потом удивляться, что при генерации герой меняет одежду или исчезает из кадра. Дробление по секундам заставляет заранее продумать, что именно происходит в каждом фрагменте, и упрощает автоматическую проверку.

Шаг 2. Опорные кадры и постоянство героев

Постоянство персонажей — главная боль. Мы используем опорный лист: несколько ракурсов героя, фиксированные цвета, детали одежды и пропорции. Дальше каждый кадр генерируется с опорой на этот лист. В пробе с двумя Зинами (персонаж из «Лесной улицы») Seedance выдал двух героинь в одном кадре, тогда как Kling с той же опорой дал одну — это и стало критерием выбора для конкретной сцены.

  • Критерий выбора модели: не «лучшая вообще», а та, что стабильнее держит опорный лист в нужном типе сцены (динамика, крупный план, диалог).
  • Что проверять: количество героев в кадре, совпадение цвета волос и одежды, отсутствие лишних конечностей.
  • Что делать при браке: не перегенерировать всю сцену, а заменить только проблемный отрезок, сохранив соседние.

Опорный лист лучше хранить в одном месте и версионировать: после десятой итерации легко потерять, какой именно вариант был утверждён.

Шаг 3. Генерация видео и речь

Для анимации мы перебрали Wan, Kling, Veo и Seedance. Универсального победителя нет: Kling аккуратнее с одним героем, Seedance иногда даёт более выразительную динамику, но склонен дублировать персонажей. Речь генерируется отдельно и накладывается на видео — так проще править текст и тайминг, не пересобирая картинку. Русская речь требует дополнительной проверки ударений и пауз: автоматика ошибается на именах и сложных словах.

Практический совет: генерируйте видео и звук параллельно, но финальную сборку делайте после утверждения обоих потоков. Иначе любая правка реплики потянет за собой перегенерацию кадров.

Шаг 4. Автоматическая проверка серии

Ручной просмотр 24 секунд кажется быстрым, но при десяти итерациях это часы. Мы добавили автоматические проверки, которые ловят очевидный брак до просмотра человеком:

  • Длительность: сумма отрезков должна точно совпадать с хронометражем серии.
  • Количество героев: сравнение с ожидаемым числом в каждом кадре (помогает отловить «двух Зин»).
  • Наличие речи: проверка, что в каждом отрезке с репликой есть звуковая дорожка и она не пустая.
  • Стыки: визуальная проверка первых и последних кадров соседних отрезков на резкие скачки яркости или положения героя.

Эти проверки не заменяют художественную оценку, но экономят время и снижают риск, что в публикацию уйдёт серия с пропавшим звуком или лишним персонажем.

Типичные ошибки и что осталось нерешённым

Среди повторяющихся ошибок: слишком длинные отрезки, отсутствие опорного листа при генерации, правка звука после финальной сборки видео и попытка выбрать «одну лучшую модель» вместо набора под задачи. Также мы до сих пор не починили до конца автоматическое выравнивание громкости между отрезками и не получили стабильного качества на сложных ракурсах — там всё ещё нужен ручной отбор.

Что важно помнить: описанный конвейер — производственный, а не маркетинговый. Он не гарантирует просмотров и не заменяет сценарий. Но он делает процесс предсказуемым: вы знаете, где может сломаться серия, и проверяете это до публикации.