7 правок промпту, коли ШІ-відео вийшло не таким

Більшість невдалих ШІ-кліпів — не проблема моделі. Це промпт з однією конкретною вадою, і ця вада залишає відбиток: руки, що розтікаються, персонаж, який стоїть на місці, камера, яка так і не зрушила, куртка, що на середині змінює колір. Щойно ви навчитеся читати цей відбиток, кожна з наведених нижче правок промпту забирає одне редагування.

Ця стаття побудована за симптомами, а не за принципами. Якщо вам потрібні основи — суб’єкт, стиль, світло, композиція, — почніть із матеріалу як писати кращі промпти і поверніться сюди, коли конкретна генерація поводитиметься дивно. Усе, що нижче, припускає, що ви вже пишете притомні промпти й хочете знати, яке саме слово змінити, коли кліп не вдався.

Приклади спираються на моделі, доступні в просторі OmniArt для відео, — Seedance, Veo 3.1, Kling, Grok Imagine, PixVerse V6 і C1, — бо частина налагодження полягає в тому, щоб розпізнати, коли симптом краще лікується іншою моделлю, а не додатковим текстом промпту.

Змінюйте по одній змінній за раз#

Перед окремими правками візьміть за звичку те, що прискорює їх усі: одна зміна на одну генерацію. Переписувати весь промпт після невдалого дубля марно, бо ви не побачите, яке саме редагування допомогло.

Тривалість, роздільна здатність, співвідношення сторін і референсні зображення впливають на результат не менше за формулювання, тож занотовуйте налаштування поруч із текстом промпту. Два-три свідомі проходи зазвичай кращі за десять переписувань.

Правка 1: обличчя, руки та кінцівки спотворюються на середині кліпу#

Що ви бачите: перший кадр чистий, а далі пальці зростаються, обличчя сповзає з черепа або під час повороту з’являється зайва рука.

Чому так стається: модель інтерполює тіло через положення, яких ваш промпт ніколи не описував. Швидкий рух кінцівок, тісна крупність на руках, перекриття (рука проходить перед обличчям) і велика тривалість — усе це множить кількість кадрів, які моделі доводиться вигадувати.

Правка: зменште те, що треба вигадувати. Відсуньте крупність на один щабель, назвіть механіку тіла явно й тримайте руки або нерухомими, або на простій траєкторії. Старт із чистого зображення замість тексту теж закріплює анатомію, бо модель успадковує правильне тіло, а не вгадує його.

Для кадрів із людьми Veo 3.1 і Kling зазвичай добре тримають будову тіла впродовж повного дубля, а «зображення у відео» на будь-якій моделі виграє в «тексту у відео», коли збій саме в анатомії. Якщо крупний план обов’язковий, укоротіть кліп і погодьтеся на один рух замість двох.

Правка 2: суб’єкт ігнорує дію, яку ви замовили#

Що ви бачите: крупність, світло й стиль збігаються з промптом, але суб’єкт просто стоїть і дихає або виконує якийсь загальний холостий рух замість дії, яку ви вказали.

Чому так стається: дія похована. Якщо дієслово стоїть у кінці довгого описового речення або конкурує з трьома іншими дієсловами, модель сприймає його як ще одну ознаку нерухомої сцени. Розмиті дієслова («взаємодіє», «насолоджується», «досліджує») взагалі не мають візуальної форми, тож не відбувається нічого.

Правка: поставте суб’єкта й дію першими, візьміть одне конкретне фізичне дієслово в теперішньому часі й опишіть точку завершення дії. Усю стилістику — оптику, палітру, настрій — перенесіть після дії, щоб вона читалася як оздоблення, а не як головне речення.

Seedance добре реагує на таке формулювання в дусі кадропланів, а PixVerse C1 — притомний вибір, коли бриф зводиться до одного контрольованого руху: поворот, простягнута рука чи показ товару.

Правка 3: рух камери не відбувається або конфліктує із суб’єктом#

Що ви бачите: ви просили наїзд, а отримали зафіксований кадр. Або камера рухається, але суб’єкт дивно ковзає відносно фону, і кадр справляє враження викривленої фотографії, а не руху крізь простір.

Чому так стається: причини дві, і виглядають вони схоже. Або рух заявлено як ефект без мотивації («zoom in», «кінематографічний рух камери»), або ви наклали суперечливі вказівки: наїзд, поки суб’єкт іде на камеру, чи панорама плюс нахил плюс кран в одному чотирисекундному кліпі.

Правка: один рух камери на кліп, названий кіномовою й прив’язаний до чогось, що відбувається в кадрі. Далі перевірте на конфлікт: якщо суб’єкт рухається до об’єктива, камера має стояти або відступати, а не наїжджати.

І Kling, і Seedance добре сприймають явні вказівки щодо камери, а Grok Imagine варто спробувати для вільніших, енергійних рухів, де точна крупність важить менше за відчуття. Якщо рух і далі відмовляється реєструватися, опишіть зміну в тому, що бачить глядач, — «the skyline enters frame from the bottom», — замість того щоб називати обладнання.

Правка 4: сцена дрейфує або особа змінюється на середині кліпу#

Що ви бачите: суб’єкт починає як одна людина, а закінчує як її двоюрідний брат. Червона куртка стає бордовою, вітрина на задньому плані перебудовується, у кімнаті виростає друге вікно.

Чому так стається: ніщо в генерації не закріплює зовнішність. Текстові промпти описують категорію, а не конкретну людину, тож кожен кадр вільний трактувати «молоду жінку в червоній куртці» трохи інакше. Довша тривалість і насичений фон пришвидшують дрейф.

Правка: закріпіть зображенням, а тоді описуйте лише те, що змінюється. Коли ви вивантажуєте референс або стартовий кадр, повторення повного опису зовнішності в промпті активно шкодить — текст конкурує із зображенням. Тримайте фон простим і розбивайте довгі задуми на кілька коротких кадрів замість одного довгого дубля.

Правка 5: текст і логотипи виходять нерозбірливими#

Що ви бачите: вивіска, на якій написано «SHOPP», етикетка товару, що розчиняється в псевдолітерах, логотип, який мутує кожні кілька кадрів.

Чому так стається: відеомоделі генерують текст як текстуру, а не як гліфи, і будь-який рух перемальовує цю текстуру кадр за кадром. Дрібний кегль, текст на вигнутих чи рухомих поверхнях і текст у перспективній площині — найважчі випадки.

Правка: перестаньте просити відеомодель складати текст. Згенеруйте кадр моделлю для зображень, де ітерувати над типографікою дешево, а тоді анімуйте цей кадр. У промпті для відео процитуйте точний рядок, тримайте його коротким, а поверхню з написом — максимально пласкою й стабільною.

В OmniArt перший крок можна виконати моделлю для зображень на кшталт GPT Image 2 або Seedream 5.0 Pro, а тоді відправити затверджений кадр у відеомодель у тому самому просторі. Для всього, що піде клієнтові, вважайте розбірливий текст завданням, яке за замовчуванням починається із зображення.

Правка 6: рух надто швидкий, смикається або йде ривками#

Що ви бачите: кліп грає наче на швидкості 1,5×, або суб’єкт ледь помітно вібрує, або рух просувається видимими сходинками, а не плавно.

Чому так стається: прикметники інтенсивності читаються як швидкість. «Dynamic», «explosive», «energetic» та «action-packed» підштовхують модель утиснути більше змін у ту саму кількість кадрів. Друга поширена причина — забагато подій за надто малий час: три акценти за чотири секунди не залишають кадрів жодному з них.

Правка: приберіть слова інтенсивності й натомість задайте темп. Один акцент на кліп, вкажіть, що кадр безперервний, а якщо дії справді потрібно більше часу, просіть довшу тривалість, а не швидше виконання.

Якщо тремтіння дрібне, а не структурне, спробуйте вищий рівень тієї самої родини моделей — стандартний замість швидкого чи міні, — бо нижчі рівні міняють часову стабільність на швидкість і вартість.

Правка 7: аудіо та синхрон губ не збігаються#

Що ви бачите: рот рухається раніше або пізніше за слова, діалог триває із закритими губами, а мовлення тоне під музикою, яку модель додала сама.

Чому так стається: для синхрону губ потрібно, щоб рот був видимий, а репліка була досить короткою, щоб вміститися в кліп. Довгий діалог у п’ятисекундному кадрі змушує модель або кваплити рот, або втратити синхрон. Описи середовища на кшталт «with an epic soundtrack» запрошують музичну підкладку, яка конкурує з голосом.

Правка: один мовець, одна коротка репліка в лапках, чітко закомпонований і нічим не перекритий рот і жодних конкурентних вказівок щодо звуку. Кажіть, що має мовчати, так само явно, як і те, що має звучати.

Veo 3.1 генерує власне аудіо, зокрема діалоги, а PixVerse V6 підтримує звук на тарифі Free в OmniArt. Коли потрібна вам модель не має власного звуку, надійний шлях такий: згенерувати кліп без звуку, окремо створити голос моделлю мовлення на кшталт MiniMax Speech 2.8 чи ElevenLabs, а тоді змонтувати їх разом. Це ще й дає змогу перезаписати начитку, не перегенеровуючи картинку.

Швидкий довідник «симптом — правка»#

Користуйтеся ним як таблицею сортування, коли кліп повернувся не таким. Змініть те, що в першій колонці, перш ніж чіпати будь-що інше.