Создать видео с помощью ИИ по фотографии и промпту можно в Wan 3.0, Seedance 2.5 и MiniMax H3. Я проверил три нейросети на собственных рекламных сюжетах: сравнил реалистичность, движение, звук и выполнение сложных заданий.
Начал с девушки, которая надевает наушники на оживлённой улице. Wan собрал удачный рекламный ролик с первой попытки, и я решил заморочиться: добавил для Seedance музыку, подсветку витрин под бит, несколько смен планов и переход к крупному плану товара. Следующим испытанием стали оживающие античные статуи. Хотелось разобраться, насколько точно модели управляют событиями в кадре: сохраняют ли внешность, дожидаются ли нужного момента и понимают ли, кто на кого реагирует.
Покажу, как я прошёл путь от идеи и фотографий до короткого рекламного ролика: что поручал GPT Image 2.6 и ChatGPT 6.1 Sol, какие запросы отправлял видеомоделям и что получил в ответ. Удачные варианты оставил рядом с неудачными: по ним гораздо понятнее, на что тратить следующую генерацию.
Сравнение нейросетей для рекламного видео: что получилось
Модель и сюжет | Что удалось | Что подвело |
Wan 3.0: наушники, 12 секунд | Ролик с первой попытки: естественные движения, узнаваемый товар, хороший переход к предметному плану | Заметных артефактов в этом результате я не увидел |
Seedance 2.5: наушники и аудиореференс, 12 секунд | Световые акценты под бит, смены планов, переход к наушникам; моя оценка — 9/10 | Небольшой сдвиг музыки, спорное движение шеи и хаотичные световые акценты |
MiniMax H3: наушники | Корректная финальная надпись на русском | Лишняя склейка около первой секунды, менее реалистичные лица и окружение |
Wan 3.0: духи, 10 секунд | Понятная шутка, естественная пощёчина, последовательность реакций; мой любимый ролик в этой серии | Два распыления вместо одного, первое выглядит неточным |
MiniMax H3: духи | Основной сюжет сохранился | Слишком крупная струя духов, ранняя реакция статуи, неубедительный контакт при пощёчине |
Сразу обозначу условия. Это практический разбор создания ИИ-рекламы, а не испытание трёх моделей на совершенно одинаковом задании: Seedance получил гораздо более сложный промпт и музыку, у H3 отличались положение наушников на референсе и отдельные сцены. Поэтому таблица показывает результаты моих запусков, а не вероятность успеха любой будущей генерации.
Я смотрел прежде всего на четыре вещи: узнаваемость товара, естественность движений, порядок событий и работу со звуком. Для рекламы это принципиально. Наушники должны остаться теми же наушниками после смены ракурса, а ревнивая статуя — сначала увидеть повод для ревности и только потом ударить соседа.
Какие ИИ для генерации видео я использовал
Wan 3.0 — движение и сюжетная реклама товара
Wan 3.0 в моих опытах удачнее всего справился с действиями, на которых держится вся сцена: надеванием наушников и обменом реакциями между статуями. Оба рекламных сюжета получились убедительными, хотя в ролике с духами осталось лишнее распыление.
Генерация по референсам: в этих роликах модель сохранила внешний вид товара и связала общий план с предметным финалом.
Непрерывное движение: уличная сцена с наушниками не рассыпалась на случайные склейки.
Звук: музыка и звуковые акценты в рекламе духов оказались уместными.
Для чего выбрал бы снова: короткая история с героем, товаром и одним понятным поворотом.
Seedance 2.5 — монтаж под музыку и сложный таймлайн
Seedance 2.5 поддерживает генерацию аудиовизуальных историй до 30 секунд за один запуск и управление по референсам. В моём 12-секундном ролике модель связала загруженную музыку, световые эффекты и смену планов, но безупречного совпадения с исходным треком я не получил.
Аудиореференс: трек включился с нужного начала после надевания наушников, позже появился небольшой сдвиг.
Синхронизация с битом: витрины действительно подсвечивались в ритм музыки.
Монтаж: короткие рекламные планы и переход от круглого отражения к чашке наушников получились хорошо.
Что учесть: на плотном таймлайне нужно проверять и звук, и анатомию героя, а световым эффектам давать более точные адреса.
MiniMax H3 — быстрые простые сцены и русский текст
MiniMax H3 создаёт видео длительностью до 15 секунд с нативным стереозвуком и поддерживает мультимодальные референсы. Я уже работал с ним раньше и ценил за невысокую стоимость в используемом сервисе и скорость, но эти два сюжета дались ему хуже.
Простые действия: по предыдущему опыту я оставил бы H3 для коротких сцен с меньшим числом событий.
Кириллица: финальный русский слоган в рекламе наушников получился корректным.
Ожидание: в моих запусках H3 обычно выдавал результат быстрее остальных.
Слабое место в этих роликах: реалистичность окружения, точный момент реакции и физика взаимодействия персонажей.
Как создать рекламное видео с помощью ИИ из фото товара
Моя рабочая цепочка состояла из трёх инструментов: GPT Image 2.6 для опорных изображений, ChatGPT 6.1 Sol для сборки промпта и видеонейросеть для самого ролика. Если фотографии товара и героя уже есть, первый этап можно начать с них.
Придумайте одно событие, которое продаёт идею. В моих сюжетах наушники меняют ощущение города, а аромат привлекает даже мраморную статую. Такой замысел уже можно разложить на действия.
Подготовьте исходный кадр и отдельное фото продукта. На первом покажите героя, позу и окружение, на втором — форму товара, материалы и логотип. Для нового места действия добавьте отдельный референс.
Распишите сценарий по секундам. Оставьте время не только на эффект, но и на само действие: поднять наушники, надеть их, опустить руки. Отведите финалу достаточно времени, чтобы зритель успел рассмотреть товар и прочитать слоган.
Выберите модель и прикрепите материалы. Для музыкального эксперимента я добавил ещё и аудиофрагмент. Обозначения в запросе должны соответствовать реально загруженным файлам.
Вставьте промпт и проверьте его конец. Убедитесь, что поле сохранило все сцены, звук и ограничения, затем запускайте генерацию.
Просмотрите результат со звуком и по отдельным моментам. Сначала оцените, понятен ли сюжет, затем проверьте руки, лицо, геометрию товара, надписи и переходы. Исправляйте конкретный сбой: раннюю реакцию, лишнюю склейку или изменение формы.
Ниже — мои запросы с обозначениями @image1, @image2, @image3 и @audio1. В вашем интерфейсе способ привязки файлов может отличаться.
Референсы: какие изображения нужны для генерации видеорекламы
Для наушников я сделал два основных изображения: девушка на оживлённом перекрёстке держит их в руках, а на отдельном предметном фото видны сами наушники и логотип. Для духов — три: героиня у стола в отеле, улица со статуями и крупный план флакона. Уличный референс здесь задаёт ещё и расположение участников шутки: кто кого увидит и до кого сможет дотянуться.
Все эти картинки я генерировал в GPT Image 2.6. Раньше очень любил Nano Banana, но на этой работе GPT Image оказался для меня удобнее: лучше понимал, чего я хочу, и давал реалистичную основу без долгих объяснений. Когда готовишь несколько связанных сцен, это быстро перестаёт быть мелочью.
Для рекламы реального продукта я бы начинал с его собственных фотографий: выдуманный красивый флакон не заменит нужную упаковку. Проверяйте исходники до анимации — форму, надпись, цвет, положение рук. Если ошибка уже нарисована на референсе, видеомодель может добросовестно протащить её через весь ролик.
Сценарий и промпт: что я делал сам, а что поручал ChatGPT
Идею, основные действия и примерный тайминг я придумывал сам. ChatGPT 6.1 Sol помогал собирать это в последовательный англоязычный запрос: назначить изображениям роли, описать камеру, отделить звук от изображения и зафиксировать ограничения.
Но отправлять такой текст не глядя я бы не советовал. Sol может придумать оборот, который даже для человека будет двусмысленным. Я вычитываю запрос, при необходимости через переводчик, и заменяю туманные фразы конкретным действием: кто повернулся, куда посмотрел и чего дождался.
Реклама наушников в Wan 3.0: 12 секунд с первой попытки
Первый сюжет я специально сделал понятным. Девушка идёт к переходу, надевает наушники, и город вокруг переходит на 50% обычной скорости. Сама она продолжает двигаться нормально. Камера обходит героиню, изображение затемняется, из темноты появляется товар и слоган «Find your quiet».
Видео 1. Wan 3.0: реклама наушников, 12 секунд. Обратите внимание на движение рук, сохранение формы наушников и переход к предметному финалу.
Получилось с первого запуска. Девушка естественно надела наушники, кадр не развалился, заметных глюков я не увидел. Финальный переход тоже сработал: наушники остались похожи на референс, надпись читалась. После такого результата очень легко решить, что дальше всё будет так же просто. Собственно, я так и решил.
В запросе я закрепил два важных условия: до надевания наушников город живёт в обычном темпе, а предметный референс нельзя показывать отдельным кадром до финала. Это помогает объяснить модели логику рекламы: сначала действие героя, затем ощущение от продукта и только потом его крупный план.
Полный промпт для Wan 3.0: реклама наушников
Скрытый текст
REFERENCE ROLES
@image1 is the exact opening frame and reference for the woman, clothing, street, lighting and composition.
@image2 defines the exact headphones and logo. Preserve their design throughout. Do not show @image2 as a separate shot before the product reveal.
Create a photorealistic 12-second premium commercial.
The street sequence is ONE CONTINUOUS TAKE until the fade. No cut, close-up, camera jump or location change while she walks and puts on the headphones.
[0.0–2.2 SECONDS — ACTIVE CITY]
Begin from @image1.
The woman walks toward the crosswalk, holding the headphones in her hands.
The city is active: pedestrians cross independently, cars move through the intersection, a cyclist passes behind her, café visitors talk, and leaves and clothing respond to the breeze.
People look candid and varied. Nobody poses or looks at the camera.
The camera tracks backward smoothly at chest height, maintaining a natural medium shot. Use a stabilized 35 mm cinematic perspective, realistic parallax and natural motion blur.
[2.2–4.2 SECONDS — HEADPHONES ON]
Still walking slowly, she raises the headphones. Her left hand takes the opposite earcup.
She places them over both ears in one smooth, anatomically correct movement. Her hands do not intersect her face, hair or the product.
Preserve the exact headphones and logo from @image2. They never disappear, duplicate, bend or change shape.
The city remains at normal speed until both ear cushions fully settle over her ears.
No cut, close-up, camera jump, click, flash or activation effect.
[4.2–8.7 SECONDS — CITY IN SLOW MOTION]
The instant the headphones settle, the entire city slows smoothly to approximately 50 percent speed.
Pedestrians continue their steps extremely slowly. Cars and cyclists move at a barely perceptible pace. Wheels rotate gradually. Gestures, hair, clothing, leaves and reflections continue in pronounced slow motion.
Nothing freezes, and no background element remains at normal speed.
The woman stays at normal speed. She lowers her hands, takes one relaxed step and gives a subtle, delighted smile without posing.
The camera begins one controlled 120-degree fly-around, approximately one third of a circle, moving from the initial frontal three-quarter view to the opposite three-quarter angle.
Maintain chest height, constant distance and smooth steadicam movement. The woman remains centered while realistic parallax reveals the slowed city around her.
Background people and vehicles retain their identity, position and direction. Nobody duplicates, disappears, accelerates or morphs.
Preserve the woman, clothing and headphones from every angle. Keep sunlight and shadows physically consistent.
[8.7–9.5 SECONDS — FADE]
As the camera completes the arc, the city and sunlight gradually fall into deep shadow.
Use a smooth cinematic exposure fade, not a cut, wipe, flash or glitch. The music continues.
[9.5–12.0 SECONDS — PRODUCT REVEAL]
From darkness, reveal the exact headphones from @image2.
One complete pair rests on a dark stone surface against a softly blurred, darkened version of the city.
Use an 85 mm product-lens look, controlled depth of field, soft warm rim light, subtle cool fill and a restrained highlight across the visible earcup.
Keep the logo sharp. The headphones remain stable and grounded: no rotation, floating, deformation or additional pair.
Below the product, reveal the exact slogan:
“Find your quiet.”
The slogan appears softly, centered below the headphones. Clean modern sans-serif, refined spacing, warm-white lettering.
No additional text, price, button or interface.
AUDIO
[0.0–4.2 seconds]
Generate authentic stereo city ambience only: traffic, footsteps, bicycles, distant conversations, café sounds and a crossing signal. No music.
[4.2–12.0 seconds]
When the headphones settle, smoothly fade out the city and begin calm modern instrumental music: soft piano, airy synthesizers, warm restrained bass and a gentle 82 BPM rhythm.
Continue the music through the slow-motion sequence, fade and product reveal.
No click, activation sound, impact, bass drop, whoosh or vocals.
CONSTRAINTS
Maximum photorealism. One continuous street take until the fade.
The woman moves normally while the entire city moves at approximately 50 percent speed.
No mannequin-like people, waxy skin, duplicates, morphing faces, magical effects or artificial HDR.
Do not change the woman, clothing, headphones or logo.
No extra headphones, early product close-up, cut during the putting-on action or repeated orbit.
По одному удачному клипу я бы не считал себестоимость большой кампании. Но как быстрый способ проверить рекламную идею этот запуск меня убедил: за один проход получились и действие с героиней, и смена настроения, и демонстрация товара.
Генерация видео в Seedance 2.5: музыка, свет и слишком много идей
После Wan я решил заморочиться. Взял те же основные изображения, добавил музыку с вокалом и придумал для Seedance 2.5 гораздо более плотный сценарий. До надевания наушников слышен только город; затем включается трек, а с первым сильным ударом витрины, отражения и полосы перехода начинают отвечать на музыку.
Дальше — три коротких плана в ритм: улыбка девушки, наушники на голове, шаг на переход. Потом круглый световой блик превращается в чашку наушников через match cut, то есть склейку по совпадающей форме. И всё это я попытался уместить в 12 секунд.
Видео 2. Seedance 2.5: реклама наушников с аудиореференсом, 12 секунд. Лучше смотреть со звуком: здесь важны момент включения трека, подсветка витрин под бит и смены планов.
Честно говоря, я ожидал, что придётся вдвое резать задание и переделывать. Но модель выполнила гораздо больше, чем я рассчитывал. Свет действительно попал в ритм — на противоположной стороне улицы видно, как подсвечиваются витрины. Смены кадров и предметный финал тоже вышли очень хорошо. Моя субъективная оценка этому результату — 9/10.
Что в Seedance получилось неидеально
Музыка. Начало совпало с заданием, позже я услышал небольшой сдвиг. Он едва заметен, но если исходный трек нужно сохранить точно, такой результат уже требует проверки и доработки.
Шея и форма головы. Примерно с третьей по пятую секунду, при надевании наушников, девушка странно вытянула шею. Мне показалось, что на мгновение изменилась и форма головы. Друг, которому я показал ролик, этого вообще не заметил — поэтому оставляю как спорный момент, на который стоит посмотреть.
Световые эффекты. В ритм они попадали, но выглядели немного хаотично. В следующем запросе я бы точнее назначил: этот удар — витрина, следующий — отражение на машине.
У меня осталось ощущение, что этот сюжет просится секунд на сорок: с более спокойным началом и временем на каждый эффект. Это уже монтаж нескольких фрагментов или работа с продолжением, а не тот же 12-секундный запрос. Пока это моя идея следующей версии, а не ещё один проверенный результат.
Ниже тот самый длинный промпт целиком. Он полезен как пример управления музыкой и монтажом, но копировать его стоит под подходящий трек: сильный удар в моём аудиофрагменте приходится примерно на первую секунду после старта музыки.
Полный промпт для Seedance 2.5: реклама наушников с музыкой
Скрытый текст
REFERENCE ROLES
@image1 defines the exact opening frame, woman, clothing, hairstyle, headphones in her hand, sunny intersection, pedestrians, cars, café, architecture, lighting and realistic urban atmosphere.
@image2 defines the exact headphones: warm off-white color, matching soft ear cushions, physical construction, proportions, hinges and the small elegant logo on the outer earcup.
@audio1 is the exact original music track. Preserve its original beginning, vocals, tempo, melody, rhythm and arrangement.
The soundtrack must not begin until the woman has completely placed the headphones over both ears.
Create a highly photorealistic 12-second youth-oriented lifestyle commercial for wireless headphones.
The visual style is bright, energetic, modern and fashionable. Combine authentic street cinematography with carefully controlled advertising color accents.
The headphones must remain warm off-white throughout the entire video. Never recolor or redesign the product.
[0.0–2.4 SECONDS — THE MUTED CITY]
Begin from the exact composition shown in @image1.
The woman walks unhurriedly toward the pedestrian crossing. She is holding a pair of headphones in her hands—just as shown in @image1.
The city is fully active around her:
- pedestrians cross in different directions;
- cars travel through the intersection;
- a cyclist passes behind her;
- people near the café talk and turn;
- loose clothing and hair respond naturally to the air;
- sunlit leaves move gently above the street;
- realistic reflections move across windows and car surfaces.
Background people must look ordinary, varied and unaware of the camera. They must not appear like polished models, identical extras or synchronized performers.
The city initially has slightly restrained color saturation. It is not monochrome or grey. Skin tones, pink hair, clothing and sunlight remain natural, but the environment feels visually quieter and less expressive.
The camera tracks backward smoothly in front of the woman at approximately chest height. Maintain a natural medium shot and realistic street perspective.
AUDIO FROM 0.0 TO 2.4 SECONDS
Generate only authentic stereo city ambience based on the visible environment:
- traffic;
- footsteps;
- bicycle wheels;
- distant conversations;
- quiet café sounds;
- leaves moving in the breeze;
- a pedestrian crossing signal.
Do not play, preview or hint at @audio1.
There is no music during this section.
[2.4–4.0 SECONDS — SHE PUTS ON THE HEADPHONES]
While continuing to walk slowly, the woman raises the headphones with her right hand. Her left hand naturally takes the opposite earcup.
She places the headphones over both ears in one smooth, continuous and physically correct movement.
The headband passes naturally above her hair. Her fingers do not intersect her face, hair or the product. Both earcups align correctly with her ears.
Preserve the exact warm off-white color, cushions, proportions, construction and small elegant logo shown in @image2.
The headphones do not disappear, duplicate, bend unnaturally, unfold, change size or change shape.
The city continues moving normally throughout the entire action.
There is no cut while she puts on the headphones.
There is no close-up.
There is no camera jump.
There is no flash, click, impact, shockwave or visible activation effect.
AUDIO FROM 2.4 TO 4.0 SECONDS
Continue generating only realistic city ambience.
Do not play @audio1 before both ear cushions have completely settled over her ears.
[4.0 SECONDS — THE MUSIC BEGINS]
At the exact moment both ear cushions settle completely over the woman’s ears, smoothly reduce the generated city ambience over approximately 0.2 seconds.
At this exact point, start @audio1 from its original beginning at timestamp 0:00.
Do not skip the beginning of @audio1.
Do not start from the first bass hit.
Do not begin from the middle of the track.
Do not change its original tempo, melody, vocals or arrangement.
The woman does not sing, speak or lip-sync to the vocals.
[4.0–5.0 SECONDS — THE MUSICAL INTRO]
Play the original opening second of @audio1.
The woman lowers her hands naturally and continues walking.
The city remains structurally unchanged and continues moving normally. Color saturation begins increasing very slightly, creating anticipation, but no major visual effect happens yet.
Allow only subtle preparatory details:
- slightly richer sunlight;
- a faint cool reflection in one shop window;
- a restrained warm highlight on a passing car;
- a small increase in contrast around the woman.
These changes remain subtle. Do not activate the full color transformation before the first strong beat.
The camera moves from the frontal tracking position toward a smooth side-tracking angle without cutting.
[APPROXIMATELY 5.0–7.4 SECONDS — THE CITY FINDS THE RHYTHM]
The original first strong beat of @audio1 occurs approximately one second after the track begins.
Synchronize the first major visual transformation precisely with this beat.
On the first strong beat:
- electric-blue reflections become visible in several shop windows;
- warm amber highlights appear on selected street signs and car surfaces;
- one white crosswalk stripe gains a restrained cool-blue reflection;
- the surrounding city becomes brighter, richer and more energetic.
The architecture, cars, street and pedestrians remain physically realistic and structurally unchanged. Only lighting, reflections, selected colors and small environmental movements respond to the music.
Synchronize subsequent changes with clearly audible drum hits, bass accents and rhythmic transitions in @audio1:
- consecutive crosswalk stripes respond one after another;
- blue and amber reflections travel across moving cars;
- window reflections pulse gently with the beat;
- selected café lights become warmer;
- the pedestrian signal becomes slightly brighter;
- sunlight and tree shadows move rhythmically across the pavement;
- small areas of the city gain richer color on successive beats.
Use a different environmental detail for each beat. Do not flash or recolor the entire image simultaneously.
The warm off-white headphones remain unchanged and clearly distinguishable against the colorful city.
The woman continues walking naturally at normal speed. She enjoys the music but does not perform exaggerated dance movements. A slight movement of her shoulders and a more relaxed step are enough.
The camera tracks beside her in a smooth, controlled movement. Use realistic parallax and maintain consistent identity, lighting and product geometry.
All environmental reactions must appear connected to real surfaces:
- glass;
- car paint;
- traffic lights;
- illuminated signs;
- wet or polished areas of pavement;
- sunlit building details.
No visible sound waves.
No magical particles.
No glowing outline around the woman.
No transforming buildings.
No cyberpunk conversion.
No full-frame color flashes.
No strobe effect.
[7.4–9.2 SECONDS — FAST ADVERTISING CUTS]
Create three fast, highly photorealistic advertising shots from the same location and moment.
Synchronize every cut precisely with a strong musical beat in @audio1.
SHOT 1 — APPROXIMATELY 0.6 SECONDS
A close three-quarter shot of the woman’s spontaneous smile.
Warm sunlight catches individual strands of her pink hair. Restrained electric-blue and amber reflections remain visible in the city behind her.
She does not look directly into the camera and does not lip-sync to the vocals.
SHOT 2 — APPROXIMATELY 0.6 SECONDS
A clean product detail of the headphones while she is wearing them.
Show the exact warm off-white outer earcup, realistic cushion texture and the small elegant logo from @image2.
A narrow warm amber street reflection moves across the edge of the earcup. The physical product itself remains warm off-white.
The logo stays sharp, unchanged and correctly positioned.
SHOT 3 — APPROXIMATELY 0.6 SECONDS
A low-angle shot of her shoe stepping onto a crosswalk stripe.
On the musical beat, the next stripe gains a brief electric-blue reflection while a warm amber reflection from a passing car moves across the asphalt.
The movement remains realistic and physically grounded.
These are advertising cuts from the same street scene. Preserve the exact woman, outfit, headphones, weather, lighting and time of day.
Do not introduce another location, different clothing or a redesigned product.
[9.2–10.0 SECONDS — CIRCULAR MATCH CUT]
Show a circular warm amber reflection from a streetlamp, traffic light or illuminated shop window.
The camera moves toward the circular reflection until it fills most of the frame.
On the next strong beat in @audio1, create a precise shape-based match cut.
The circular amber reflection transforms into the circular outer face of the exact warm off-white headphone earcup shown in @image2.
Align both circular shapes in size and screen position during the transition.
The amber color becomes only a warm reflected rim light along the outer edge of the off-white earcup.
Do not recolor the headphones orange.
Do not remove or alter the small logo.
Do not deform the earcup during the match cut.
[10.0–12.0 SECONDS — PRODUCT REVEAL]
After the match cut, the camera pulls back smoothly and reveals one complete pair of the exact headphones from @image2.
The headphones rest naturally on a dark stone surface.
The background is a softly blurred, darkened version of the same city environment, with restrained electric-blue and warm amber bokeh.
Use premium but realistic product lighting:
- soft warm rim light;
- subtle cool-blue reflected light;
- clearly visible warm off-white materials;
- detailed cushion texture;
- realistic hinges and construction;
- a sharp, unchanged logo;
- a natural contact shadow on the stone surface.
The headphones remain stable.
No rotation.
No floating movement.
No product deformation.
No additional pair of headphones.
No hands or people in the final product shot.
Below the product, reveal the exact slogan:
“Find your rhythm.”
The slogan appears smoothly on a clean musical accent near the end of @audio1.
Use a clean modern sans-serif typeface, refined spacing and warm-white lettering. Preserve the exact spelling, capitalization and punctuation.
No additional text.
No fake brand name.
No price.
No button.
No interface elements.
AUDIO TIMELINE
[0.0–4.0 seconds]
Generate authentic stereo city ambience only.
Do not play @audio1.
Do not generate background music.
Do not preview the vocals or beat.
[4.0–5.0 seconds]
Start @audio1 from its original timestamp 0:00 immediately after the headphones settle over the woman’s ears.
Reduce the city ambience smoothly and quickly. Keep only a very subtle residual urban atmosphere beneath the music.
Preserve the original opening second of the track.
[Approximately 5.0–12.0 seconds]
Use the first strong beat of @audio1 to trigger the first major color transformation.
Synchronize subsequent environmental changes, crosswalk reactions, advertising cuts, circular match cut, product reveal and slogan appearance with the original rhythm of @audio1.
Preserve the original vocals.
Do not generate additional singing.
Do not invent lyrics.
Do not alter the singer’s voice.
Do not make the woman lip-sync.
Do not remix, accelerate or replace the track.
Do not restart the track after a cut.
Do not return to full-volume city ambience.
VISUAL CONSTRAINTS
Maximum photorealism.
Realistic street cinematography.
Natural skin and fabric textures.
Ordinary and varied background pedestrians.
Consistent woman, clothing, hairstyle and proportions.
Consistent warm off-white headphones.
Exact product geometry from @image2.
Stable and unchanged earcup logo.
No waxy faces or aggressive beauty retouching.
No duplicated or morphing people.
No duplicated cars or bicycles.
No recoloring of the headphones.
No extra headphones.
No magical particles.
No visible sound waves.
No cyberpunk transformation.
No excessive neon.
No artificial dance choreography.
No random cuts unrelated to the music.
No text except “Find your rhythm.”
MiniMax H3: русский слоган получился лучше непрерывной сцены
Для H3 я вернулся к более простому заданию, близкому к варианту Wan. Референс немного изменил: девушка иначе держала наушники. Из прошлого опыта я знал, что с несложными сценами H3 бывает очень удобен, а здесь получил средний результат.
Видео 3. MiniMax H3: реклама наушников. Сравните склейку около первой секунды и реалистичность окружения с первым роликом, затем посмотрите на русский текст в финале.
Примерно на первой секунде появилась странная склейка: кадр оборвался и продолжился с чуть другого ракурса. Я так и не понял, что именно её вызвало. Лица и город стали более гладкими, немного пластиковыми. Отдельно это ещё можно принять, но рядом с Wan разница уже бросается в глаза.
Зато кириллица не подвела. Я специально попросил финальную надпись на русском: раньше H3 уже нормально справлялся с такими задачами, и здесь получилось снова. Для товарного ролика это полезный плюс, хотя по одному слогану нельзя обещать правильный текст в любой генерации.
После этого запуска я бы оставил H3 для более простого эпизода, быстрого черновика или отдельного плана товара. Когда в приоритете реалистичные люди и непрерывное действие, в этой серии мне больше понравился Wan.
Реклама духов с помощью нейросети: даже камень не устоит
Вторую идею я построил на короткой шутке. Девушка наносит духи в отеле, выходит на улицу и проходит мимо античных статуй. Мужская статуя провожает её взглядом, женская замечает это и даёт соседу пощёчину. Девушка слегка улыбается, а в финале появляется флакон и английский слоган «Even stone can’t resist».
На бумаге всё просто. Но здесь нельзя переставить действия местами: мужчина должен дождаться, когда героиня пройдёт, женщина — заметить его взгляд, а реакция на удар должна начаться после контакта. Ошибка в полсекунды меняет всю шутку.
Загруженные референсы:
Wan 3.0: хорошая пощёчина и два распыления вместо одного
Видео 4. Wan 3.0: реклама духов, 10 секунд. В начале проверьте распыление, затем — последовательность взглядов, контакт руки со щекой и реакцию героини.
Это мой любимый результат из всей серии. Wan 3.0 хорошо поставил сцены, движения получились естественными, музыка и звуки — уместными. Особенно понравилась пощёчина: она выглядела как действие одного персонажа и реакция другого, а не как случайное столкновение двух фигур.
Без огреха не обошлось. В начале девушка распылила духи два раза, хотя в промпте было «ONCE», и первый раз будто немного не попала. Я даже вспомнил, что жена тоже не всегда направляет духи прямо на себя. Но требование есть требование: ровно одно нажатие модель не выдержала.
И ещё одна деталь: героиня в результате слегка оборачивается с улыбкой, хотя в запросе я просил идти дальше без разворота. Сцену это, на мой взгляд, не испортило. Поэтому и называю ролик удачным: рекламная шутка работает, хотя буквального исполнения каждой строки здесь нет.
Полный промпт для Wan 3.0: реклама духов со статуями
Скрытый текст
Create a 10-second photorealistic cinematic luxury perfume commercial with subtle visual humor. Premium French fragrance advertising, warm golden-hour lighting, elegant composition, realistic motion and physics, 16:9.
Use all three reference images: @image1, @image2, @image3. Preserve the woman’s exact face, brunette updo, gold earrings, burgundy satin dress, the statue positions, and the ÉLIA perfume bottle design.
SHOT 1 | 0:00–0:02.5 | HOTEL ROOM
Medium-wide shot matching @image1. In a luxury hotel suite, the woman stands beside a round black marble table. She takes the perfume bottle with her right hand, brings it close to the side of her neck, and presses the atomizer ONCE. The spray must be very fine, short, subtle, and realistic, directed precisely onto the skin of her neck, not a large mist cloud. She slightly lifts her chin. Her expression stays calm, confident, and elegant.
SHOT 2 | 0:02.5–0:07.8 | STREET WITH STATUES
Cut to the European street from @image2. Wide stable shot. Two classical white marble statues are on the LEFT side of frame: FEMALE statue on the LEFT, MALE statue on the RIGHT.
The woman walks gracefully past them. Both statues initially face forward and stay motionless. The MALE statue must remain still until the woman has fully passed him. Only then he slowly turns his head to look at her back and hips as she walks away, appearing captivated.
The FEMALE statue notices this, turns toward him with an offended, jealous expression, and raises her right hand. The MALE statue must not notice her, must not look at her, and must not react early. His eyes stay fixed on the departing woman.
The FEMALE statue gives ONE sudden realistic open-palm slap to his cheek. Clear palm-to-cheek contact. Only at the exact moment of impact does the MALE statue react: his head snaps sideways naturally with a startled expression. No anticipation, no flinch before contact. The slap must feel realistic, not cartoonish.
After the slap, the MALE statue looks stunned and embarrassed. The FEMALE statue gives him a stern disapproving look. The woman continues walking and gives a very slight knowing smile without stopping or turning around.
SHOT 3 | 0:07.8–0:10.0 | PRODUCT SHOT
Cut to @image3. Close-up of the ÉLIA perfume bottle on polished black marble with warm golden reflections. Preserve the exact bottle shape, crystal cap, gold atomizer, peach-pink liquid, and label. Slow gentle push-in.
Elegant English text appears above the bottle:
“Even stone can’t resist”
SOUND
Elegant sensual instrumental music throughout. Quiet realistic perfume spray sound. Subtle city ambience. One sharp realistic slap sound exactly on contact. Brief playful musical accent after the slap. No dialogue or narration.
CRITICAL RULES
- Tiny realistic spray aimed at the neck
- Male statue reacts only after the woman passes
- He watches her back, not her face
- He stays unaware of the female statue until the slap lands
- Exactly one slap
- Female statue left, male statue right
- Both statues remain white marble
- Preserve the woman’s identity, dress, and hairstyle
- No cartoon effects, magic particles, extra characters, distorted anatomy, or unnecessary cuts
MiniMax H3: мужчина будто сам ударился об руку
В версии для H3 я добавил переходную сцену между отелем и улицей — хотелось чуть больше кинематографичности. Поэтому и здесь задания отличались: я проверял рабочие варианты сюжета, а не воспроизводил один запрос без изменений.
Видео 5. MiniMax H3: второй вариант рекламы духов. Обратите внимание на размер струи духов, момент поворота мужской статуи и движение головы при пощёчине.
Здесь не сработали сразу несколько деталей. Струя духов оказалась слишком крупной. Мужская статуя повернулась к девушке раньше, чем нужно, мимика выглядела неестественно. А в момент пощёчины создалось ощущение, что он сам ударился лицом о поднятую руку соседки.
Все участники на месте, сюжет вроде бы узнаётся, но смешной момент уже не тот. По красивому стоп-кадру такую ошибку не поймать: нужно смотреть движение и понимать, кто на что реагирует. Именно поэтому я оставил этот вариант рядом с Wan.
Как написать промпт для рекламного ролика и не потерять половину задания
После этих запусков я проверяю запрос по нескольким конкретным пунктам. Больше всего пользы дают не дополнительные эпитеты про «премиальную кинематографичность», а понятные связи между действиями.
Роль каждого файла. Первый кадр задаёт героиню и улицу, предметное фото — конструкцию и логотип, аудио — музыку. Отдельно укажите, можно ли показывать предметный референс до финала.
Условие запуска события. Музыка включается, когда обе чашки наушников уже на ушах. Мужская статуя поворачивается только после прохода девушки. Такие условия точнее расплывчатого «затем всё меняется».
Время на действие. Таймкоды объясняют порядок, но не добавляют секунды. Если в ролике подряд надевание наушников, музыкальное вступление, несколько эффектов и три склейки, часть движений может оказаться скомканной.
Неизменность товара. Проверьте в запросе цвет, форму, логотип и ограничения на лишние экземпляры. После генерации отдельно посмотрите на продукт при смене плана.
Последняя строка в поле ввода. Убедитесь, что вставился весь текст, включая звук и финальные ограничения.
Последний пункт у меня оплачен практикой. Один раз я из своих набросков сгенерировал промпт, вставил уже вычитанный запрос, не посмотрел на конец и запустил генерацию. Видео вышло неудачным, а потом обнаружилось, что промпт просто обрезался. Пришлось сокращать текст сначала примерно на 20%, затем ещё на 10%, чтобы он нормально помещался.
Если сокращаете запрос, сохраняйте порядок событий, роли изображений, звук и требования к товару. Повторяющиеся описания можно ужать; условие «не реагировать до пощёчины» лучше оставить рядом с самой пощёчиной. И перечитать перевод после сокращения: короткая двусмысленная фраза тоже способна испортить запуск.
Сколько времени уходит на генерацию рекламного видео
В моих запусках генерация 12-секундного видео занимала от 4 до 12 минут, H3 обычно отвечал быстрее. Это ожидание результата после отправки запроса. Придумать сцену, подготовить референсы, собрать промпт и разобрать ошибки — отдельная работа, и кнопкой «Сгенерировать» она не заканчивается.
После первого удачного Wan у меня возникла мысль, что из таких фрагментов можно собрать полутораминутную рекламу за полдня с небольшим бюджетом. У длинной рекламы добавятся согласование сцен, единый внешний вид героя и товара, монтаж и повторные генерации.
H3 в используемом мной сервисе обходился дешевле, но сравнивать расходы только по цене одного запуска тоже неудобно. Для своего проекта учитывайте подготовку изображений, все попытки, отбраковку, монтаж и доработку финального кадра.
Самый понятный способ сократить лишние попытки — сначала проверить простую версию сцены. Добавлять музыку, сложный облёт и несколько эффектов удобнее, когда уже понятно, что герой нормально выполняет основное действие.
Wan 3.0 или Seedance 2.5: какую нейросеть выбрать для своей рекламы
Для короткого сюжета с героем и товаром я бы снова начал с Wan 3.0. Он удачно прошёл у меня и надевание наушников, и комедийное взаимодействие статуй. Если основная идея держится на музыке, световых акцентах и монтаже в ритм, я бы открыл Seedance 2.5: его результат меня удивил даже с перегруженным заданием.
MiniMax H3 оставил бы для более простых сцен и быстрых проб. Русский текст в финале получился хорошо, а стоимость и скорость мне нравились ещё до этого теста. Но в этих роликах за реалистичностью людей и точностью реакции пришлось следить внимательнее.
Вопросы о создании видеорекламы с ИИ
Можно ли сделать рекламное видео из одной фотографии товара?
Для предметного ролика можно начать с одного фото и описания движения камеры. Но в моих сюжетах были ещё героиня, улица и отдельный финал, поэтому я использовал несколько референсов. Если нужен именно такой ролик, лучше заранее показать модели и товар, и сцену с человеком.
Можно ли сгенерировать рекламу сразу с музыкой и надписями?
В этих опытах — да: Wan создал уместное звуковое оформление, Seedance работал с загруженным треком, а H3 правильно вывел русский слоган. Точность всё равно нужно проверять: у Seedance я услышал сдвиг музыки. Для финального коммерческого файла точный трек, логотип и текст можно добавить отдельно при монтаже.
Получится ли готовый ролик с первого промпта?
Реклама наушников в Wan у меня получилась с первой попытки. Но этот результат не позволяет заранее посчитать число запусков для другого сюжета: даже в удачной рекламе духов модель дважды распылила аромат вместо одного раза.
Как подготовить ИИ-видео для сайта, соцсетей или карточки товара?
До генерации выберите нужное соотношение сторон и оставьте место для текста. Перед публикацией проверьте товар и логотип во всех планах, читаемость слогана, звук и переходы. Мои примеры показывают создание видеоматериала; результаты рекламной кампании и влияние этих роликов на продажи я здесь не измерял.
Из всей этой работы мне больше всего запомнились две вещи: Seedance, который почти справился с моим чрезмерным запросом, и мраморная пощёчина в Wan. Первый результат хочется разгрузить и растянуть по времени. Второй хочется просто показать — там десяти секунд хватило, чтобы зритель понял шутку и увидел товар.