При генерации ИИ-видео реквизит часто деформируется, меняет материал от кадра к кадру или произвольно увеличивается и уменьшается в размерах. Чтобы удержать один и тот же предмет стабильным на протяжении нескольких планов, недостаточно просто повторять в промпте требование «сохранять консистентность» — нужно заранее подготовить подходящие референсные изображения. Что именно изображать на референсе и с какой степенью детализации, зависит от типа видео и информации, которую должен передать конкретный кадр.
1. Требования к реквизиту в зависимости от типа видео
Перед подготовкой референсов определите, к какому типу относится ролик: демонстрация товара или художественное повествование. У каждого из них свои приоритеты.
В товарных и рекламных роликах сам предмет является главным объектом внимания, и зритель должен четко видеть, что перед ним один и тот же реальный продукт. Для таких задач следует использовать реальные фотографии товара, на которые у вас есть права, строго следя за тем, чтобы на всех снимках была одна и та же модель, цвет и ревизия. Не смешивайте фото разных партий или комплектаций, иначе нейросеть сама скомпилирует несуществующую конструкцию. Изменение освещения может менять блики на поверхности, но не должно превращать шлифованный металл в гладкий пластик, а реальная конструкция не должна искажаться ради красивого кадра.
Например, для видеоролика с термокружкой референсы можно разделить по задачам конкретных планов:
- Основное фото реального товара: показывает полный силуэт корпуса, пропорции крышки, расположение ручки и логотип бренда без сильных перекрытий и перспективных искажений. Оно фиксирует базовый внешний вид для предметных планов.
- Детали и состояния: в зависимости от действий в сценарии добавьте снимки резьбы крышки, механизма кнопки или открытого горлышка колбы. Если в кадре герой открывает кружку и пьет, но референса в открытом состоянии нет, модель может сгенерировать внутреннюю конструкцию, не имеющую ничего общего с оригиналом.
- Масштаб в руке: показывает положение ладони на корпусе и размер кружки относительно человека, чтобы при переходе к плану с актером термокружка внезапно не превратилась в ведро или крошечный стаканчик.
В кино и коротких сериалах реквизит в первую очередь работает на персонажа, действие и сюжет. Зрителю не обязательно видеть каждый винтик на обратной стороне предмета, но он должен безошибочно понимать, кому принадлежит эта вещь, как ею пользуются и какую роль она играет в истории. Например, для личного оружия важны выразительный силуэт и то, насколько естественно персонаж держит его и извлекает из ножен; для ключ-карты или старинного медальона, служащих уликой, главное — чтобы на крупном плане зритель разглядел сюжетно важную зазубрину, номер или трещину.
Не каждый сюжетный предмет требует инженерных чертежей в трех проекциях. Достаточно определить характеристики, которые действительно появятся в кадре, четко задать форму, материал и ключевые опознавательные детали, а затем по результатам генерации решить, нужны ли дополнительные изображения. Если же в сериал интегрирован реальный рекламный товар (продакт-плейсмент), то референсы для него готовятся по стандартам товарной съемки, тогда как прочему реквизиту в той же сцене уделяется внимание пропорционально его значимости для сюжета.
2. Общий вид и ключевые детали
Для оригинального ключевого реквизита в кино или сериале удобно сначала сделать концепт-лист, объединяющий общий вид предмета и увеличенные фрагменты (выноски). Общий вид задает силуэт, основную цветовую гамму и пропорции конструкции, а крупные фрагменты фиксируют материалы и декор, которые будут видны на средних и крупных планах. Не нужно механически выстраивать виды спереди, сбоку и сзади — гораздо важнее, чтобы все увеличенные фрагменты точно соответствовали одному и тому же предмету, и модель не придумывала на выносках другой способ обмотки или иной набор деталей.
Ниже представлен англоязычный концепт-лист оригинальной сабли. В верхней части показано само оружие целиком в ракурсе три четверти, а внизу даны четыре увеличенных фрагмента: текстура клинка, кожаная рукоять, гарда и навершие.
Этот концепт-лист задает четыре уровня визуальных ориентиров для будущего видео:
- Текстура клинка (BLADE TEXTURE): определяет легкий изгиб клинка, струящийся узор дамасской стали и узкую декоративную каемку вдоль обуха. Эти узоры должны оставаться частью металлической поверхности, не превращаясь в движении в трещины или светящиеся полосы.
- Кожаная рукоять (LEATHER GRIP): фиксирует зернистость темно-коричневой кожи, диагональную обмотку внахлест и потертости на краях. На крупных планах с рукой в кадре нарушение логики обмотки рукояти выдает искусственность быстрее, чем мелкий орнамент на общем плане.
- Детали гарды (GUARD DETAIL): показывают оттенок состаренной латуни, изогнутую форму дужки и узел ее сопряжения с клинком и рукоятью, гарантируя, что все элементы выглядят как части единого изделия.
- Детали навершия (POMMEL DETAIL): закрепляют граненую латунную форму и темный инкрустированный камень, которые служат визуальным якорем на крупных планах при извлечении или вращении оружия.
Для создания подобного концепт-листа можно опереться на следующий англоязычный промпт: сначала опишите оружие целиком, а затем укажите четыре фрагмента для увеличения и компоновку листа. Описание фона здесь соответствует финальному варианту на светло-сером, почти белом фоне:
Create an English weapon concept sheet for an original fictional saber.
Show the complete weapon once as a large three-quarter hero illustration.
Design: a gently curved blade with flowing steel grain and a narrow decorative border near the spine; a dark brown leather-wrapped grip; an aged-brass guard; and a faceted brass pommel with a dark inset stone.
Add four enlarged detail callouts taken from this exact weapon:
1. Blade texture and decorative border.
2. Leather grain, overlapping wrap and worn edges of the grip.
3. Guard shape, surface wear and its visible junction with the grip and blade.
4. Pommel shape and inset stone.
Keep the same shapes, materials and decorative details in the main illustration and every callout. Use fine graphite and sepia ink linework with restrained material shading on a near-white background with a faint neutral light-gray tint. Wide landscape composition with clear spacing.
English title: SABER CONCEPT STUDY
Callout labels: BLADE TEXTURE, LEATHER GRIP, GUARD DETAIL, POMMEL DETAIL.
No front-side-back views, no turnaround sheet, no dimensions, no characters and no action scene.
Гораздо проще находить и исправлять ошибки, если сначала утвердить дизайн самого предмета на отдельном концепт-листе, и только потом генерировать сцены с участием персонажа. Если же пытаться одновременно разработать дизайн реквизита и сложное движение героя на одной сюжетной картинке, то перекрытая рукой гарда или измененный светом материал помешают использовать это изображение как единый эталон для следующих кадров.
3. Пример многопланового игрового видео с извлечением сабли
Получив четкий концепт-лист предмета, можно проверить, как он ведет себя в динамике. В первой версии видео приведенный выше концепт-лист сабли использовался как единственный входной референс. Задача состояла в том, чтобы сгенерировать многоплановое игровое видео: персонаж обнажает клинок, рассматривает саблю, затем следуют крупные планы узора на стали и рукояти, после чего камера возвращается к человеку с оружием в руках.
В этом тесте использовалась открытая (open-source) модель MiniMax H3 (не относящаяся к классу SOTA), развернутая на платформе WaveSpeed; параметры вывода — 768p, длительность около 15 секунд, со встроенной генерацией звука.
Промпт для генерации видео
Photorealistic live-action cinema, 16:9. Use <Picture 1> ONLY as the exact physical SABER object design reference: one elegant curved single-edged blade with flowing watered-steel grain and delicate engraved spine border, dark brown leather-wrapped grip, aged brass curved knuckle-bow guard, faceted brass pommel with a dark oval inset. The image is a design sheet, NOT a frame or storyboard. Transform that object into a convincing real metal film prop. Do not reproduce the sheet, illustration style, labels, panel layout, or lettering. No text on screen.
A real adult man in his thirties, wearing a plain charcoal linen shirt, calmly examines this saber in a softly lit pale gray-white studio. Natural skin texture, realistic hands and weight, restrained cinematic lighting, beautiful tactile close-ups. Same man, same clothing, same saber throughout. A simple dark leather scabbard fits the curved blade. He is peacefully admiring craftsmanship, never attacking or swinging.
Create FOUR clearly distinct shots with clean editorial cuts, coherent physical continuity:
[0s-5s] Medium three-quarter shot, waist to head. The man holds the scabbard securely in his left hand, grasps the leather grip in his right, and slowly draws the entire curved blade completely free in one continuous physically plausible motion. Camera gently pushes in. Hands remain on grip and scabbard, not the edge. End with the saber visibly fully unsheathed.
[5s-8s] Cut to a close three-quarter view of his face and the blade. He raises the saber at a comfortable distance, quietly admires the blade, and slowly rotates his wrist a few degrees so a broad soft highlight travels over the watered-steel texture. Natural subtle expression of appreciation.
[8s-12s] Cut to a cinematic macro insert tracking from the flowing steel grain and engraved border near the base of the blade to the aged brass guard and leather wrapping. Preserve the distinctive guard and pommel design from <Picture 1>. Shallow depth of field; realistic metal, leather pores, tiny wear. Only one blade, no duplication or morphing.
[12s-15s] Cut back to a medium close-up from the opposite three-quarter angle, maintaining screen direction. He looks down at the guard and pommel, gently turns the grip to inspect the craftsmanship, then holds the saber still with a quiet appreciative half-smile. Keep blade shape, length, guard, leather and pommel consistent.
Audio: Native synchronized stereo production sound throughout. At 0-5s, clearly audible textured steel sliding out of a leather scabbard, a delicate brass click at release, soft sleeve and leather creaks. At 5-12s, subtle movement of clothing and grip, light natural breathing, quiet indoor room tone. At 12-15s a small leather creak as the grip turns; soft room ambience continues across cuts. Intimate realistic foley, no music, no dialogue, no subtitles. No exaggerated sword swooshes or combat sounds. Real human live action, not animation, not a sketch, no illustration overlays.
Даже при наличии всего одного концепт-листа с изображением самого оружия видео неплохо удерживает основные внешние признаки реквизита и корректно передает движение при извлечении и осмотре сабли. Если разобрать ролик по планам, хорошо видны как сильные стороны, так и ограничения такого референса на разной крупности:
На начальном среднем плане с обнажением клинка и следующем за ним крупном плане общий изгиб сабли и струящийся узор на металле сохраняются, а само движение выхода клинка из ножен выглядит последовательным. При переходе к макроплану фактура темно-коричневой кожаной обмотки, оттенок латунной гарды и текстура стали явно считываются как материалы с исходного концепт-листа. Когда камера возвращается к персонажу с оружием в руках, положение хвата и состояние предмета также остаются согласованными.
Тем не менее, при внимательном сравнении с концепт-листом заметно, что мелкая гравировка, отдельные изгибы гарды и декор навершия на крупных планах несколько упрощаются или видоизменяются. В данном эксперименте референс позволил удержать в разумных пределах общий силуэт, базовые материалы и ключевую конструкцию, но не гарантировал абсолютной точности каждой мелкой линии при смене ракурсов в движении. При проверке готового видео на общих и средних планах стоит оценивать прежде всего силуэт, цветовую гамму и логику хвата, а на крупных планах — отдельно сверять сохранность главных опознавательных деталей.
4. Масштаб и пропорции реквизита относительно персонажа
То, что предмет в кадре похож на одну и ту же саблю, еще не означает, что он сохраняет правильный размер в руках человека. Хотя первая версия видео удержала материалы и дизайн, само оружие в руках героя выглядит коротковатым — скорее как тесак или короткий меч, а не ожидаемая длинная сабля. При смене планов толщина рукояти и длина клинка относительно корпуса человека требуют отдельного контроля.
Предыдущие попытки просто подписать размеры и пропорции текстом на самом референсном изображении не дали нужного результата. Изображение отдельного предмета ясно показывает его конструкцию, но в нем нет визуального сопоставления с человеческой ладонью, торсом или окружением. При подготовке материалов не стоит рассчитывать, что цифры размеров, нанесенные поверх картинки, сами по себе ограничат фактический масштаб предмета в кадре.
С похожей проблемой сталкиваются многие авторы в сообществе. В обсуждениях пропорций персонажей и предметов при работе с MiniMax H3 Ref2V на Reddit пользователи отмечали, что даже при явном указании относительного роста в тексте масштаб в генерациях все равно «плывет». В комментариях советовали подавать на вход готовые изображения персонажа с предметом в руках, коллажи с выверенным масштабом или простые 3D-болванки для фиксации габаритов. В другой ветке, посвященной размерам людей относительно окружения, одни участники писали, что указание точных сантиметров помогает, тогда как другие сообщали, что модель полностью игнорирует числовые значения. Все это личный опыт отдельных авторов, однако из него следует практический вывод: наглядно показать соотношение размеров в одном кадре обычно надежнее, чем полагаться только на цифры.
Если помимо дизайна персонажа и дизайна самого реквизита вам важен их точный относительный масштаб, стоит подготовить дополнительный референс — раскадровку или концепт, где герой и предмет находятся в одном кадре.
Чтобы сохранить внешность актера из первого видео и при этом удлинить клинок, мы сначала взяли кадр с персонажем из первой генерации и создали на его основе лист референса персонажа. Он сохранил черты лица, прическу и темно-серую рубашку из исходного ролика, а также дополнил образ брюками и обувью, которых не было видно в кадре, объединив портрет вблизи и фигуру в полный рост. Подробнее о том, как компоновать виды в полный рост, в профиль и крупные планы лица, читайте в материале «Как создать референс-лист персонажа (Turnaround Sheet): от базовых проекций до управления ассетами».
Затем, объединив этот референс персонажа с исходным концепт-листом сабли, мы сгенерировали эталонное изображение масштаба — фигуру героя в полный рост с оружием в руке. На этой иллюстрации клинок намеренно сделан длиннее, но при этом сохранены узор стали, темно-коричневая кожаная рукоять и латунная гарда. В кадре одновременно и четко видны вся фигура человека, обхват рукояти ладонью и полная длина сабли; при этом персонаж и оружие расположены примерно в одной плоскости глубины резкости, что исключает перспективные искажения, возникающие, когда острие направлено прямо в камеру.
Подготовив этот референс масштаба, мы запустили генерацию второй версии видео. Как и прежде, использовалась открытая модель MiniMax H3 на платформе WaveSpeed (768p, около 15 секунд, со встроенным звуком), а англоязычный промпт, параметры генерации и случайное зерно (seed) были полностью перенесены из первой версии (фиксация seed здесь нужна в первую очередь для сокращения числа переменных в тесте — сама по себе она не гарантирует неизменность картинки или пропорций).
При подаче референсов промежуточный лист с персонажем в полный рост без оружия в видеомодель не загружался; на вход для второй версии видео были поданы только исходный концепт-лист самой сабли (как <Picture 1>) и новый референс масштаба с персонажем, держащим саблю в полный рост (как <Picture 2>). В промпт первой версии была добавлена всего одна поясняющая фраза:
Use <Picture 2> as the reference for the saber's size relative to the person, including the blade length and grip-to-hand proportions.
Результат генерации:
В левой колонке выше показана первая версия, в правой — вторая версия с добавленным референсом масштаба; верхний ряд кадров взят на отметке 4,5 секунды каждого ролика, нижний — на 6,5 секунды. Кадры извлечены напрямую из исходных видео без какого-либо отдельного масштабирования оружия. Поскольку поза героя и угол поворота клинка в двух версиях различаются, это сопоставление служит для визуальной оценки разницы, а не для точного инструментального измерения.
Когда концепт-лист реквизита и референс масштаба с персонажем готовы, вы можете открыть видеогенератор MiniMax H3, загрузить референсные материалы, указать в промпте роль каждого изображения и протестировать сцены с извлечением, удержанием или демонстрацией предмета.
Если сравнить два готовых ролика, во второй версии при сохранении тех же сцен обнажения клинка, осмотра и макропланов сам клинок визуально выглядит заметно длиннее и изящнее, чем в первой, а соотношение рукояти и ладони остается удобным ориентиром для покадровой проверки. Важно отметить: поскольку все планы в этом видео являются средними или крупными и в ролике нет кадров с персонажем в полный рост, по одному этому результату нельзя утверждать, что точная пропорция длины клинка к росту человека зафиксирована безоговорочно. Этот эксперимент показывает рабочий пример использования совместного референса человека и предмета, но для проверки стабильности метода на других крупностях потребуются дополнительные тесты.
Оценивая стабильность размеров в подобных видео, не сравнивайте длину предмета в пикселях напрямую между крупным и средним планом — то, что при наезде камеры сабля занимает больше места на экране, является естественным законом перспективы. Гораздо надежнее взять по одному кадру из фазы извлечения, подъема клинка, крупного плана и возврата к среднему плану, а затем проверить внутри каждого кадра, сохраняются ли пропорции: толщина рукояти относительно ладони, ширина гарды относительно кисти и длина клинка относительно груди и плеч.
5. Как организовать референсы для сцен с несколькими персонажами
Если в сцене участвуют сразу несколько персонажей и у каждого в руках свое оружие или предмет, попытка уместить всю информацию на одной картинке обычно приводит к компромиссам: на общем групповом плане невозможно разглядеть фактуру и мелкие детали каждого предмета, а если подать только отдельные концепт-листы реквизита, в видео легко нарушится разница в росте героев и относительная длина их оружия.
Для таких сложных сцен участники упомянутого выше обсуждения MiniMax H3 на Reddit предлагали контролировать пропорции через связку «отдельные листы персонажей + общая ростовая линейка всех героев в одном кадре». Развивая эту идею для сцен с несколькими людьми и множеством предметов, референсные материалы можно разделить на комбинацию «индивидуальные детальные референсы + общий групповой референс масштаба» (такой способ организации материалов для нескольких персонажей приводится здесь как логическое развитие метода и не проверялся в рамках практических тестов этой статьи):
- Индивидуальные референсы персонажа и его реквизита: для каждого героя отдельно готовится изображение внешности и предмета в руках, где четко зафиксирована принадлежность вещи конкретному человеку. Например, если персонаж А вооружен длинной саблей, а персонаж Б держит старинные карманные часы, индивидуальные листы передают черты лица, одежду, текстуру самого предмета и способ хвата, чтобы модель не перенесла декор с аксессуара А на оружие Б.
- Общий групповой референс масштаба: дополнительно создается одно изображение, где все персонажи со своим реквизитом стоят рядом в полный рост. Стопы героев должны находиться на одной горизонтальной линии и на схожей глубине кадра, без резких ракурсов сверху или снизу. Задача этой картинки — не показать тонкую гравировку на предметах, а наглядно объяснить модели, кто из героев выше, а кто ниже, и какова длина сабли персонажа А относительно фигуры персонажа Б.
При составлении промпта для видео укажите по номерам изображений, какие картинки отвечают за детальный внешний вид конкретных персонажей и их предметов, а какая задает общее соотношение роста и габаритов. Также внимательно прописывайте, в чьих руках находится предмет при склейках и передается ли он другому герою, чтобы реквизит не менял владельца и не исчезал сам по себе между планами.
Готовя референсы реквизита, удобно идти от финальных кадров: сначала задайте общий вид отдельным изображением предмета, затем зафиксируйте важные участки на выносках с деталями, а если критичен размер — добавьте референс масштаба, где предмет показан вместе с персонажем. После генерации обязательно вернитесь к конкретным планам видео, проверьте, сохранились ли заданные соотношения в движении, и на основе этого решите, какой референс нужно дополнить или какое действие скорректировать в промпте.
