Как собрать рилс без съёмок: от брифа кофейни до готового ролика

В июне у меня было три клиента подряд с одинаковой историей. Кофейня: «бариста снимать стесняется, приходите сами». Студия керамики: «мастер работает до восьми, потом руки в глине». Мастер маникюра: «я одна, между клиентками десять минут».

Сценарии для роликов у меня были написаны, а снимать их было некому.

Дальше я полезла разбираться, как собрать рилс без съёмок нейросетью, и наткнулась на выдачу из одинаковых рейтингов «топ-7 сервисов для рилс». Половина сервисов оттуда из России не открывается, ещё часть на бесплатном тарифе прямым текстом запрещает коммерческую работу - то есть ролик для клиента на таком тарифе делать нельзя. Про это в рейтингах не пишут.

Собрала то, что осталось после проверки. Ниже - что работает из России, как собрать ролик из коротких кусков, где взять русскую озвучку и что говорит закон о маркировке, который в июле подписали и тут же пересказали неправильно.

Что на самом деле значит «рилс без съёмок»

Первое разочарование у всех одинаковое: человек пишет запрос, ждёт ролик, получает пятисекундный обрывок. Это не сбой.

Актуальная линейка Kandinsky 5.0, на которой работает генерация видео у Сбера, в официальном репозитории заявлена как модели на 5 и 10 секунд. У зарубежной Pika в тарифах те же две длительности. Рабочая единица здесь - пять-десять секунд.

Значит, план такой: сценарий делится на четыре-шесть сцен, каждая генерируется отдельно, потом всё склеивается и озвучивается. Плюс подпись и субтитры. По времени первый рилс у меня занял вечер, третий - около сорока минут.

Если сценария ещё нет, начинать надо не отсюда. Структуру хука, тайминг и запрос на генерацию текста я разбирала отдельно в статье про сценарий для Reels под нишу клиента - здесь считаем, что текст на 60-80 слов у вас уже написан и утверждён.

И сразу оговорка, без которой дальше нет смысла: у ролика, собранного нейросетью, есть цена. Не в рублях. Про неё - в разделе про то, как зритель это считывает.

Какие нейросети для видео работают из России?

Я свела в таблицу то, что удалось подтвердить на официальных страницах самих сервисов. Обзоры я подтверждением не считала.

GigaChat здесь стоит особняком: единственный вариант, где не нужна ни карта, ни подписка.

Отдельно про сервисы, которые обещают продать доступ к Sora и Veo за рубли. Официальных сайтов у них нет. Sora как продукт OpenAI больше не работает вообще, ни для кого, а доступ к Veo из неподдерживаемой страны нарушает правила Google: аккаунт могут заблокировать. Клиентский проект на такой перепродаже строить не стоит - в любой момент можно потерять и аккаунт, и незавершённую работу.

Три способа собрать рилс: какой брать?

Разница между первыми двумя способами - главная развилка, на которой спотыкаются новички. В первом случае вы описываете словами то, чего не существует, и нейросеть придумывает всё сама: и лицо, и посуду, и вывеску. Во втором вы отдаёте фотографию, а словами объясняете только движение. Фотография задаёт внешний вид, запрос отвечает за действие.

Для кофейни, студии и мастера это решает почти всё. У клиента в галерее уже лежат сорок снимков витрины, стойки и готовых работ. Их и надо оживлять.

Как оживить фото клиента: пошаговый разбор

Разбираю на кофейне, потому что это самый частый заказчик у меня и самый понятный пример.

1. Разложите сценарий на сцены

   Текст на 60-80 слов делится на четыре-шесть кусков по 5-10 секунд. Для каждого куска решите, что должно быть на экране: витрина, руки бариста, чашка на столе, вывеска.

2. Подберите фотографии под каждую сцену

   Из галереи клиента, не из стоков. Стоковая картинка убивает всю затею: зритель видел её сто раз. Если фото нет - попросите клиента снять пять статичных кадров на телефон, это две минуты и не требует от него навыков.

3. Описывайте движение

   Модель уже видит фотографию, описывать её заново незачем. От вас нужно, что именно оживает: пар над чашкой, наезд камеры, качнувшаяся штора.

4. Обязательно напишите, чего быть не должно

   Это тот блок, который экономит попытки. Без него модель дорисует людей, руки и вывески с несуществующими буквами.

5. Сначала генерируйте в черновом качестве

   Отберите два-три удачных клипа, и только их повторите в финальном разрешении.

Готовый запрос, который можно вставлять как есть:

Задача: оживить фотографию для вертикального ролика.

Фотография: [ЗАГРУЗИТЬ ФОТО - витрина с выпечкой крупным планом]
Что происходит в кадре: медленное приближение к круассану на верхней полке,
лёгкий пар над чашкой слева. Больше не движется ничего.
Камера: плавный наезд, без рывков и вращения.
Свет: тёплый утренний из окна справа, как на фотографии, не менять.
Длительность: 5 секунд. Формат вертикальный, 9:16.

Чего в кадре быть не должно: людей, рук, любых надписей и вывесок,
искажения прямых линий полки, изменения формы посуды.

Последний блок - самый важный, и его почти никто не пишет. Нейросеть по умолчанию любит добавить в кадр человека, а человек тянет за собой кривые пальцы и неживую мимику. Запретили - сэкономили три попытки.

Про то, что писать в самом кадре и в подписи: работает то же правило, что и в текстах для локального бизнеса - конкретная деталь вместо красивого прилагательного. Я разбирала это на живых примерах в статье про посты для кофейни до и после, для видео логика не меняется.

Почему русский текст в кадре превращается в кракозябры?

Это самый быстрый способ спалиться перед русским зрителем. Название кофейни на вывеске превращается в набор символов, цена на ценнике - в бессмыслицу, и ролик считывается как машинный за полсекунды.

Причина техническая. Нейросеть не знает, что такое буква. Она воспроизводит внешний вид письма, а в обучающих данных латиница встречалась в десятки раз чаще кириллицы, которая соседствовала там с иероглифами и арабской вязью. Поэтому русское слово длиннее пяти-шести символов почти гарантированно ломается.

С Шедеврумом та же история, хотя в обзорах его хвалят именно за русские надписи. В официальных анонсах Яндекса про YandexART сказано только про латиницу: сначала «нейросеть научилась создавать надписи латинскими буквами на картинках» в версии 2.0, потом «модели стали генерировать надписи на латинице на 30% лучше» в версии 2.5. Слова «кириллица» в обоих анонсах нет ни разу - и это молчание красноречивее любого прямого предупреждения: если бы модель научили кириллице, Яндекс написал бы об этом в первую очередь.

Рабочий порядок такой:

1. Генерируете кадр без единой буквы - в запрете указываете «никаких надписей и вывесок».
2. Название, цену и призыв накладываете в Canva или в редакторе площадки поверх готового клипа.
3. Проверяете, что текст не уехал в зону обрезки: в справке VK Рекламы советуют держать важные элементы подальше от краёв - 10% сверху и 20% снизу.

Где взять русскую озвучку и сколько она стоит?

Это самая неприятная часть разбора, и обходить её честнее, чем делать вид, что всё бесплатно.

Про Сбер дословно:

Ещё одно частое заблуждение: в июле Сбер выложил в открытый доступ аудиомодели, и это разошлось как «теперь бесплатная озвучка». В том релизе только распознавание речи - расшифровка и субтитры. Синтеза голоса там нет вообще.

И техническая деталь, которую видно только на практике: синтетический голос на русском тем хуже, чем длиннее фрагмент. Секунде на пятнадцатой интонация уплывает, появляется акцент. Лечится дроблением: озвучивайте кусками по 5-7 секунд и ставьте паузы между смысловыми блоками. Скорость держите чуть медленнее обычной речи, иначе на монтаже губы и звук разъедутся.

Если хотите, чтобы закадровый текст звучал узнаваемо, голосом самого клиента, соберите ему голосовую карточку - шаблон и порядок сборки я давала в разборе про то, как заставить нейросеть писать голосом клиента.

Как собрать клипы в рилс и добавить субтитры

Порядок, который у меня прижился:

1. Сложите отобранные клипы в нужном порядке

   Ориентир - по две-три секунды на сцену, ролик целиком 20-30 секунд.

2. Положите озвучку и подрежьте клипы под неё

   Звук диктует темп, не наоборот.

3. Добавьте субтитры

   Большинство смотрит без звука, и без текста ролик не работает.

4. Наложите надписи и призыв

   Поверх видео, с отступами от краёв.

5. Пересмотрите без звука

   Если непонятно, о чём ролик - возвращайтесь к шагу про субтитры.

Про субтитры конкретно. ВКонтакте несколько лет назад запустил автоматические субтитры на своей модели распознавания: она сама расставляет пунктуацию и синхронизирует текст с видео, по данным площадки покрытие дошло до восьми из десяти роликов в ленте.

Оговорка: субтитры живут на самой площадке. В файл, который вы понесёте в Instagram, они не вшиваются.

С CapCut ситуация мутная: официального заявления о блокировке России нет, русской версии сайта тоже нет, а платную подписку из России не оплатить. Формулировать клиенту это стоит именно так - запрета нет, оплатить нельзя.

Из российского для монтажа с автосубтитрами есть «Мовавика», у бесплатной версии ограничение: водяной знак и сохранение видео до минуты. Для рилса на 30 секунд ограничение по длине не мешает, водяной знак - мешает.

Под какие требования площадок подгонять рилс?

Один ролик спокойно уезжает на три-четыре площадки, но подпись под ним везде должна быть своя. Логику переупаковки текста под ВК, Telegram и Instagram я разбирала в отдельной статье про один пост и три платформы - для видео меняется только одно: переписывать приходится подпись, сам ролик остаётся тем же.

По каким признакам зритель понимает, что ролик сделала нейросеть

Цифры по остальным форматам из того же исследования: текст - 74%, изображения - 65%. Выборку компания не раскрыла, поэтому цифры стоит читать как порядок величины: точным измерением они не будут. Порядок этот всё равно неприятный.

Пять признаков, по которым узнают:

1. Анатомия и физика. Лишние пальцы, предметы, проходящие сквозь друг друга, плывущая геометрия помещения при движении камеры. Для интерьера кофейни или студии это критично: прямые линии полок и столов искажаются заметнее всего.
2. Кривая кириллица. Самый быстрый маркер для русской аудитории: слово длиннее пяти-шести букв превращается в набор символов.
3. Неживая мимика. Если в кадре есть лицо, его выдаёт выражение - даже после аккуратного монтажа.
4. Липсинк не попадает. При быстрой речи губы не успевают за звуком, артикуляция смазывается.
5. Слишком гладко. Это самое обидное. Раньше гладкая картинка и аккуратная пунктуация читались как признак хорошей работы, теперь по тем же признакам узнают машину.

Что с этим делает аудитория. По опросу ВКонтакте и агентства ЛАМПА (1 288 пользователей, июнь 2026) избыток ИИ-контента назвали причиной отписки 26% опрошенных. По июльскому опросу Анкетолога рекламу, сделанную нейросетью, замечали 59% респондентов. Дешёвой и неестественной её назвали 32% опрошенных, а 53% сказали, что больше доверяют видео с реальными людьми - против 14% за ролики с ИИ.

Австралийское исследование TBWA с платформой Ideally добавляет к этому неприятную деталь: честная пометка «сделано ИИ» не смягчает эффект, а усиливает его, причём у видео сильнее, чем у других форматов. То есть план «признаемся - и простят» не работает. Работает другой план: чтобы ролик не считывался как машинный, в нём должен быть хоть один живой кусок. Голос владельца, снятая на телефон пятисекундная вставка, реальная деталь интерьера.

Надо ли помечать ИИ-ролик по закону?

Иду по тексту закона, потому что тема обросла мифами быстрее любой другой в июле.

Что говорит статья 9. Речь идёт только о материалах в аудио- и визуальной форме, то есть текстовый пост под неё не подпадает вообще. Ролик подпадает по форме. Формулировка для того, кто применяет нейросеть, звучит так:

«Обеспечивается возможность» описывает право. Обязанности для автора здесь нет никакой. Слово «обязан» в статье встречается ровно один раз, в третьей части - и относится к владельцу площадки. Причём условий там четыре сразу: пользователи заводят на ней персональные страницы, страницы на русском или других языках народов России, на них допустима реклама для российской аудитории, и заходит на площадку больше пятисот тысяч человек в сутки.

Причём обязанность площадки сводится к тому, чтобы дать пользователю возможность поставить пометку. Проще говоря, сделать кнопку. Помечать чужие ролики площадка не должна.

Когда это заработает. Тут вторая ошибка пересказов. В новостях везде «с 1 сентября 2026 года», и для закона в целом это верно, а для маркировки - нет:

Маркировка - это статья 9, она попадает в диапазон «статьи 8 - 10». То есть 1 марта 2027 года.

Про штрафы. Цифры в 200-500 тысяч рублей, которые ходят по чатам, взяты из депутатских законопроектов ноября 2025 года, которые не были приняты. В подписанном законе статья об ответственности отсылочная: нарушители отвечают по законодательству России, никаких конкретных сумм там нет.

Что из этого следует для работы:

1. До марта 2027 года маркировать ролик вы не обязаны

   Никакой нормы, которая это требует, не существует.

2. После марта 2027 года лично вы тоже не обязаны

   Обязанность появится у площадок - дать кнопку. Появится кнопка - решать вам.

3. Не вписывайте в договор с клиентом штрафы из непринятых законопроектов

   Это риск, которого нет.

4. Правила площадок - отдельная история, и они строже закона

   YouTube требует раскрывать реалистичный синтетический контент и предупреждает о санкциях вплоть до удаления ролика и отключения от партнёрской программы. Instagram ставит метку «AI info» сам, по своим сигналам.

Что при этом думает аудитория, стоит держать в голове отдельно от закона: по июльскому опросу ВЦИОМ (1 600 респондентов, погрешность ±2,5%) маркировку ИИ-контента поддерживают 77% россиян. Закон не требует, зритель ждёт - и это уже вопрос репутации, к закону отношения не имеющий.

Подробный разбор самого закона со всеми оговорками у меня лежит в отдельной статье про маркировку ИИ-контента - там же про то, почему текстовые посты под него не подпадают.

Что реально делают алгоритмы с ИИ-роликами?

YouTube летом 2025 года переименовал политику про повторяющийся контент в политику про неаутентичный. Под неё попадает материал, произведённый массово, шаблонный и однотипный - в том числе сделанный нейросетью по типовым шаблонам. Санкция бьёт по всему каналу целиком, отдельным роликом дело не ограничивается.

Instagram зашёл с другой стороны, через оригинальность: если площадка находит два одинаковых материала, рекомендовать она будет только оригинал. Аккаунтам, которые регулярно публикуют чужое, показы в рекомендациях перекрывают.

Практический вывод один. Ролик, собранный из типовых сцен по типовому запросу, попадает ровно в ту категорию, которую площадки давят. Спасает то же, что и в текстах: конкретика клиента вместо общих слов, своя фактура, свой голос. Как это делается в текстах, я расписывала в разборе про то, почему посты из нейросети звучат одинаково - для видео работает тот же принцип, просто вместо фраз повторяются кадры.

Когда рилс без съёмок делать не стоит

Три случая, где генерация проигрывает.

В кадре нужен живой человек. Мастер, бариста, тренер, врач. Синтетическое лицо здесь проигрывает по всем параметрам сразу: мимика, липсинк, доверие. Дешевле попросить клиента снять пять секунд себя на телефон.

Нужен именно этот товар. Нейросеть сгенерирует круассан, но не тот круассан, который продают в этой кофейне. Для меню, витрины и новинок - только реальная фотография, максимум оживлённая.

Клиент продаёт себя. Личный бренд на синтетике не строится. Здесь генерация годится максимум на перебивки и фоны.

Есть и обратная сторона: если у клиента вообще нет фотоматериала и снимать его некому неделями, сорок минут работы дают ролик там, где иначе не будет ничего. Это честный компромисс, идеальным решением он не будет, и клиенту стоит проговорить это прямо.

Источники

Попробуйте на одном клиенте: пять фотографий, запрос из раздела про оживление фото и вечер времени - и рилс без съёмок готов. Дальше такие связки для контента удобнее держать в одном месте, чем собирать заново под каждого клиента.