Туториалы

## Коротко о главном

**Grok Imagine (Video 1.5)** от xAI — это не «Seedance с другим логотипом». Логика промтинга у него **принципиально другая**, и если переносить сюда привычки из Seedance вслепую — половина приёмов сломается. Главное, что нужно понять с самого начала:

> **Grok 1.5 — это image-to-video. Он не рисует сцену с нуля, он оживляет стартовый кадр. Промт описывает не картинку, а ДВИЖЕНИЕ, которое из неё рождается.**

Из этого следует всё остальное. Модель любит **короткую прозу с режиссёрским интентом** (не стек тегов), понимает **кинолексику на естественном английском** (push-in, drift, tracking shot), умеет **генерировать звук в том же проходе** — и при этом **НЕ умеет показать несколько ракурсов в одной генерации**. А значит, главный приём Seedance (таймкоды и нумерованные шоты в одном промте) здесь — миф, который только мешает.

Если вы усвоите только три правила из этой статьи, пусть это будут они:

1. **Описывай движение, а не картинку.** Модель уже видит стартовый кадр. Скажи ей, что приходит в движение: действие, камера, атмосфера. Короткой осмысленной прозой, не тегами.

2. **Один субъект + одно действие + одно движение камеры на клип.** Несколько ракурсов — НЕ в одной генерации, а **чейнингом «Extend from Frame»** (каждый клип стартует от последнего кадра предыдущего).

3. **Формулируй позитивно и прописывай звук.** Негатив-промты Grok игнорирует — никаких `Avoid:`. А вот строка `Sound:` — фирменная фича: звук генерируется синхронно с действием.

Дальше — детали, шаблоны и нюансы, которые отделяют «нейросеть погенерила» от «снято осознанно».

---

## 1. Как устроен промт к Grok Imagine 1.5

Главное отличие от привычного видео-промта: вы **не описываете сцену целиком**. Стартовый кадр уже задаёт субъекта, свет, композицию — «модель его видит». Ваша задача — **режиссировать изменение**: что оживает, как ведёт себя камера, как меняются свет и атмосфера, что звучит.

**Скелет одного клипа (один непрерывный шот):**

```

[Что приходит в движение: субъект + действие].

Camera: [одно named-движение — направление, скорость, старт/финиш].

[Сдвиг света / атмосферы].

Sound: [1–2 звуковых cue].

[Global look: жанр + грейд + фактура].

```

| Блок | Что кладём |

|---|---|

| **Motion** | Что приходит в движение: действие(я) субъекта. **Не переописывай статику кадра** — опиши изменение. Можно мульти-бит: `then…, then…` в одном дубле. |

| **Camera** | **Одна** named-инструкция: направление + скорость + старт/финиш. `slow push-in`, `camera drifts gently to the left`, `tracking shot alongside`, `locked, static`. |

| **Lighting / atmosphere** | Как **меняются** свет и среда по ходу клипа (`light warms as…`, `fog rolls in`) — сдвиг, а не статичное описание. |

| **Sound** | 1–2 звуковых cue прямо в промте. Фирменная фича Grok — пиши как саунд-дизайнер. |

| **Global look** | Жанр, цветовой грейд, фактура плёнки/оптики — глобальной строкой в конце. Короткие концепты можно через запятую. |

> ⚠️ **Миф №1, который кочует из гайдов по Seedance:** «насыщай промт деталями и тегами вроде `epic, 8K, cinematic, masterpiece`». В Grok это даёт **обобщённый, мутный** результат. Лучшие промты добавляют **не больше слов, а точнее направляют**. Держи промт коротким — это ещё и стабилизирует движение.

> 💡 **Удобный режиссёрский шаблон (если хочется структуры):** `Scene` (что происходит) + `Style` (эстетика) + `Mood` (эмоция) + `Lighting` (свет/время суток) + `Camera` (план, ощущение объектива, фокус). Для видео добавь к этому **действие и движение камеры** — то, что меняется.

---

## 2. Главный вопрос: «можно ли показать сцену с разных ракурсов в одной генерации?»

Короткий ответ: **в Grok Imagine 1.5 — нет.** И это самое важное отличие от Seedance, где такой мультишот в одном промте как раз работает.

> 🎬 **Одна генерация Grok = один непрерывный шот.** Дискретные смены плана/ракурса внутри одного промта не работают. Таймкоды (`0-5s / 5-10s`), маркеры `[00:00]`, скобочные `[Cut to:]`, фразы `camera switch` — **не дают настоящих кат-ов**. Это проверено и опровергнуто (см. таблицу мифов).

Тогда как же собрать сцену из нескольких ракурсов с единым луком? Рабочим процессом **«Extend from Frame»** — это «родной» способ Grok строить последовательности:

1. **Срежиссируй Клип 1** — один план, один промт по скелету.

2. **Сгенерируй**, возьми **последний кадр** клипа.

3. **Запусти Клип 2 от этого последнего кадра** как нового стартового — с новым промтом (новый ракурс/действие той же сцены). В версии 1.5 чейнинг от последнего кадра даёт **меньшую потерю качества**, чем раньше.

4. Повтори для Клипа 3/4 и **сшей клипы в монтаже**. Общий лук держится за счёт того, что каждый следующий клип стартует из хвоста предыдущего + одинаковая строка `Global look`.

То есть на запрос «сделай сцену с разных ракурсов» вы готовите **раскадровку из N клипов** — по одному промту на клип, а не один «многошотовый» промт:

```

CLIP 1 — Wide establishing.

From the starting frame, [motion]. Camera: slow push-in.

Sound: [ambience]. [Global look].

CLIP 2 — Medium (extend from the last frame of Clip 1).

[Same subject, new motion/angle]. Camera: tracking shot alongside.

Sound: [...]. [Global look].

CLIP 3 — Close-up (extend from the last frame of Clip 2).

[Motion]. Camera: slow push-in to the face, locked.

Sound: [...]. [Global look].

```

> ⚠️ **Держите рамки:** 2–3 сильных действия на клип максимум; длительность одного клипа 1–15 секунд. Суммарную длину чейнинга источники оценивают в **~60–90 секунд** до заметной деградации — это ориентир, а не жёсткая гарантия.

---

## 3. Кинолексика камеры, которую модель понимает

Хорошая новость: Grok понимает киноязык **на естественном английском** — никаких спецсимволов. Называйте конкретное движение **в каждом клипе** — оно транслируется прямо в анимацию.

**Подтверждённые первоисточником named-фразы (самые надёжные):**

`slow push-in` · `aerial push-in toward [subject]` · `camera drifts gently to the left` (или `right`) · `tracking shot alongside [subject]` · `locked, static`

**Рабочий корпус практиков (тоже работает):**

`dolly in / out` · `pull-back reveal` · `orbit / arc shot` (облёт) · `crane up / down` · `pan left / right` · `low-angle tracking shot` · `static wide` · `handheld` · `rack focus` · `macro shot`

> 🎬 **Главный рычаг точности — конкретика движения, а не цифры.** Указывайте **направление, скорость, начальную и конечную точку**: не просто «push-in», а «slow push-in to the face, ending locked». Фотожаргон экспозиции и оптики (`f/2.8`, `ISO 800`, точные `мм`) модель отрабатывает плохо — описывайте **видимый результат** (`shallow depth of field`, `soft bokeh`). И помните: **одно движение камеры на клип**, не два.

> ℹ️ Отдельный миф для Grok: будто «кадр статичен по умолчанию и без явной инструкции камера не двигается». Это **опровергнуто** — модель добавляет движение и так. Но движение камеры всё равно называйте: это вопрос **контроля**, а не «оживления».

---

## 4. Звук — фирменная фича, которой нет смысла стесняться

Это то, что выделяет Grok среди video-only генераторов: **звук генерируется в том же проходе**, привязанный к экранному действию — звуковые эффекты, эмбиент/музыка и реплики с губной синхронизацией. (Не уникально — так умеют Sora 2, Seedance 2, Veo 3 — но в Grok это встроено и доступно сразу.)

Пишите строку `Sound:` как саунд-дизайнер, по слоям — хотя бы один cue:

- **SFX (от действия):** `footsteps on gravel` · `glass clinking` · `rain hitting metal` · `door creaking open`

- **Ambience / music:** `low room tone` · `distant city hum` · `soft piano underscore` · `tense low drone`

- **Dialogue:** короткая реплика в кавычках — `a woman says, "we're almost there"`

Примеры строк:

```

Sound: footsteps on wet pavement, distant traffic, a low ambient synth pad.

Sound: soft café ambience, faint cup clink, warm piano underscore.

```

> ⚠️ **Честный кавеат по реальным тестам:** диалог и lip-sync в image-to-video пока **ненадёжны** — иногда на выходе только музыка, иногда звук не появляется вовсе. Не стройте смысл клипа на точной реплике; держите звук как **усиление**, а критичные диалоги планируйте с запасом на переген.

---

## 5. Картинка = первый кадр (image-to-video)

В версии 1.5 прикреплённая картинка — это **буквально первый кадр клипа**; видео «оживает» из неё. Это не «один из режимов», а основная механика модели.

```

From the starting frame, [субъект с картинки] begins to [action];

[что входит/меняется в сцене]. Camera: [named move — direction, speed, start/end].

Keep the same lighting, wardrobe and composition as the frame.

Sound: [1–2 cues].

[Global look matching the image palette/grade].

```

> 🎬 **Главное правило первого кадра: не спорьте с картинкой.** Не переописывайте старт иначе, чем он есть (то же время суток, та же одежда, та же стартовая композиция) — иначе модель «конфликтует» с кадром. И **не перечисляйте заново** то, что и так на изображении: модель его видит. Акцент промта — на том, **что приходит в движение и как ведёт себя камера** от этого кадра.

**Что считывать с картинки (для когерентного движения):** Subject (внешность, одежда, выражение), Environment (локация, предметы, фон), Lighting (источник, направление, тёплый/холодный), Look (палитра, грейд, «плёнка» или чистая картинка). Берите детали, чтобы движение **не ломало** кадр, — а не чтобы описать его заново. Чего на картинке нет — не выдумывайте.

**Мультишот от картинки:** изображение якорит Клип 1, дальше — чейнинг «Extend from Frame» (новые ракурсы той же сцены), не один многошотовый промт.

> 💡 **Связка с image-генератором:** соберите идеальный стартовый кадр в Nano Banana (нужное лицо/свет/композиция), отдайте его в Grok как первый кадр — так вы контролируете и внешность, и движение. Тот же приём работает и для Seedance.

---

## 6. Технические рамки, о которых нужно знать

- 🖼️ **Image-to-video:** версии 1.5 нужен стартовый кадр. Чистый text-to-video — это **другая модель** (`xai/grok-imagine-video`) или общий режим приложения Grok Imagine; не путайте их со спекой 1.5.

- ⏱️ **Длительность клипа:** 1–15 секунд (в API нижняя граница 1 c, в интерфейсе обычно от ~6 c, дефолт 6 c).

- 🖥️ **Разрешение:** 480p (дефолт) или 720p. **Частота кадров — 24 fps.**

- 🎬 **Один шот на генерацию.** Несколько ракурсов — только чейнингом.

- 🔗 **Чейнинг:** ориентир ~60–90 секунд суммарно до заметной деградации.

- ⚙️ **Длительность, разрешение, соотношение сторон** задаются **настройками генератора, а НЕ текстом промта.** Не пишите `15s`, `720p`, `16:9` в сам промт.

---

## 7. Мифы и приёмы, которые НЕ работают

Самое ценное, что дала проверка источников. Перечисленное ниже **проверено и опровергнуто** именно для Grok Imagine 1.5 — не закладывайте это в промты как достоверный синтаксис. Обратите внимание: часть этих приёмов **работает в Seedance**, но не здесь.

| ❌ Миф (часто — перенос из Seedance/блогов) | ✅ Как правильно в Grok |

|---|---|

| **Таймкод-сегменты** `(0-5s) … (5-10s)`, каждый со своим планом и камерой | Опровергнуто (0-3). Смену планов делает только **чейнинг «Extend from Frame»**. |

| **Маркеры таймстампов** `[00:00] / [00:04] / [00:08]` для beat-by-beat | Опровергнуто (0-3). Один клип = один непрерывный шот. |

| **Мульти-ракурс / мультишот в одной генерации** (через сегменты, `cut to`, `camera switch`) | Опровергнуто (0-3). Каждый клип — отдельный промт + чейнинг. |

| **Строка `Avoid:` / негатив-промты** (`no blurry`, `without text`) | Модель их **игнорирует**. Формулируй желаемое позитивно. |

| **Стек тегов** (`epic, 8K, cinematic, masterpiece`) | Пиши осмысленную **прозу** с режиссёрским интентом. |

| **«Кадр статичен по умолчанию»** | Опровергнуто — движение добавляется и так. Камеру называй ради **контроля**, не «оживления». |

| **Фотожаргон экспозиции** (`f/2.8`, `ISO 800`, точные `мм`) | Отрабатывается слабо. Описывай **видимый результат** (`shallow depth of field`). |

| **Числа спеки в тексте промта** (`15s`, `720p`, `16:9`) | Это **отдельные настройки** генератора, не текст промта. |

> 💬 Если туториал или заказчик требует чего-то из левой колонки (особенно «таймкоды и мультишот в одном промте, как в Seedance») — мягко предупредите, что в Grok приём не работает, и предложите рабочую замену: **чейнинг «Extend from Frame»**.

---

## 8. Чек-лист перед генерацией

- [ ] Промт описывает **движение/изменение**, а не статику стартового кадра?

- [ ] Это **короткая проза с интентом**, а не стек тегов?

- [ ] **Один субъект + одно действие + одно движение камеры** на клип (или осознанный мульти-бит в одном дубле)?

- [ ] Движение камеры **named**, с направлением, скоростью, стартом и финишем?

- [ ] Если нужны разные ракурсы — это **раскадровка из клипов под чейнинг** (CLIP 1 / CLIP 2…), а **не** таймкоды в одном промте?

- [ ] Есть строка **`Sound:`** хотя бы с одним cue?

- [ ] **Нет** строки `Avoid:` и негатив-формулировок — всё сказано **позитивно**?

- [ ] Если есть картинка — промт **не спорит** со стартовым кадром (тот же свет/одежда/композиция)?

- [ ] **Global look** стоит в самом конце, без `8K / masterpiece`?

- [ ] В промте нет чисел спеки (`15s`, `720p`) — они в **настройках** генератора?

- [ ] Длительность клипа **≤ 15 c**, чейнинг суммарно **в районе 60–90 c**?

---

## 9. Рабочий процесс под типовые задачи

**A. Бриф → один клип.** Вытащите субъект, желаемое движение, локацию, настроение, звук. Соберите по скелету: motion → camera → atmosphere → `Sound:` → global look. Коротко и с интентом.

**B. Бриф → сцена из нескольких ракурсов.** Не пихайте в один промт. Постройте **арку из 3–4 планов** (wide → medium → close-up → pull-back) и выдайте **раскадровку из клипов под чейнинг** — каждый клип стартует от последнего кадра предыдущего, одинаковый `Global look` во всех.

**C. Картинка → оживить (image-to-video).** Считайте с кадра субъекта/свет/палитру, но в промте опишите **что приходит в движение** и как ведёт себя камера. Не противоречьте кадру.

**D. Рекламная сцена.** Product-арка из 4 клипов под чейнинг: `Static wide → Macro (фактура) → Close-up (деталь/лого) → Slow push-in в свет`. Грейд и темп — под бренд; звук — фирменный слой (`Sound:` с фактурными SFX).

> 💡 **Длинная история (больше 15 секунд)?** Это и есть сценарий для чейнинга: режьте на клипы, генерируйте по очереди от хвоста предыдущего, держите единый `Global look` и сшивайте в монтаже.

## Коротко о главном

**Seedance 2.0** от ByteDance — это не «генератор одного клипа по описанию». Это **режиссёрский инструмент**: в одной генерации можно поставить целую сцену — несколько ракурсов, смену планов, мини-монтаж. Но только если вы **разметите кадры правильно**. И вот первое, что важно понять:

> **Seedance читает киноязык. Камера — это не украшение промта, а отдельный слой режиссуры, который нужно ставить осознанно.**

Из этого следует всё остальное: модель любит **внятную структуру** (субъект → действие → сцена → камера → свет → стиль), понимает **кинолексику на естественном английском** (dolly-in, orbit, whip pan, rack focus), и — главное — умеет **разбить один клип на несколько ракурсов**, если вы явно обозначите границы кадров. А половина «синтаксиса», которую копируют из блогов (квадратные скобки `[Cut to:]`, точные длительности, фиксированные наборы движений камеры), при проверке оказалась мифом и только мешает.

Если вы усвоите только три правила из этой статьи, пусть это будут они:

1. **Пиши по скелету: субъект → действие → сцена → камера → свет → стиль.** Камера — после сцены, глобальный стиль — в конце.

2. **Размечай ракурсы явно** — таймкодами или нумерованными `Shot 1 / Shot 2 + Hard cut to`. Без разметки склейки пропадают, и всё сливается в один план.

3. **Описывай движение камеры конкретно** — направление, скорость, начальная и конечная точка. Не лей фотожаргон экспозиции.

Дальше — детали, шаблоны и нюансы, которые отделяют «нейросеть погенерила» от «снято как настоящей съёмочной группой».

---

## 1. Как устроен промт к Seedance 2.0

В отличие от привычных image-промтов, у видео есть **второй слой — движение** (субъекта и камеры) и, опционально, **третий — монтаж** (смена ракурсов во времени). Поэтому порядок блоков важнее, чем кажется.

**Скелет одного кадра:**

```

[Subject + action + scene]. [Camera movement]. [Lighting]. [Style]. Avoid: [...].

```

| Блок | Что кладём |

|---|---|

| **Subject** | Внешность, одежда, конкретные визуальные признаки. Чем конкретнее — тем стабильнее держится персонаж. |

| **Action** | Глаголы + интенсивность: `slowly`, `sharply`, `suddenly`. Это «жизнь» кадра. |

| **Environment** | Локация, атмосфера, погода, время суток. |

| **Camera** | **Одна** основная инструкция на кадр: направление + скорость + старт/финиш. Идёт **после** субъекта/действия/сцены. |

| **Lighting** | Источник, направление, настроение. |

| **Style** | Кинореференсы, грейд, оптика-эстетика — **глобальной строкой в конце**. |

| **Constraints** | `Avoid: text, watermark, distorted hands, extra fingers`. |

> ⚠️ **Миф, который кочует по гайдам:** «обязательный минимум — только субъект + движение, остальное опционально», и «модель сильнее всего весит первые 20–30 слов». При проверке оба утверждения не подтвердились. Прописывайте все блоки полноценно — «только subject + motion» даёт слабый, непредсказуемый кадр.

---

## 2. Главная суперсила: несколько ракурсов в одной генерации

Это то, ради чего стоит осваивать Seedance отдельно. Вы можете в **одном** проходе получить не один план, а последовательность: общий → средний → крупный → отъезд. Есть два надёжных метода — выбирайте по задаче, их можно и комбинировать.

### Метод A — Таймкоды (для плавной смены планов)

Самый надёжный способ. Режете клип на временные отрезки, каждому назначаете **свой тип кадра и одно движение камеры**:

```

0-3s — Wide establishing shot, slow dolly-in

3-6s — Medium tracking shot from the side

6-10s — Close-up, slow push-in

10-15s — Over-the-shoulder, static

```

Работают обе нотации — диапазонная (`0-3s`) надёжнее покадровой. Правило: **один camera move на сегмент**, не пихайте два движения в один отрезок.

### Метод B — Нумерованные шоты + явная склейка (для ЖЁСТКИХ кат-склеек)

Когда нужен рваный, клиповый монтаж с чёткими склейками:

```

Shot 1 — Wide establishing: the car on the road. Camera: crane up, slow reveal.

Hard cut to Shot 2 — Low-angle tracking: wheels and asphalt. Camera: tracking from the side.

Hard cut to Shot 3 — Close-up: driver's hand on the gear stick. Camera: slow push-in.

```

> 🎬 **Это — главный приём и главная ошибка одновременно.** Без нумерации (`Shot 1 / 2 / 3`) и явной склейки (`Hard cut to`) модель трактует ваши абзацы как **один непрерывный план** — отдельные ракурсы просто пропадают, склейки исчезают. Хотите раздельные кадры — нумеруйте и ставьте `Hard cut to`.

### Метод C — Чейнинг через «then» (для мягких переходов)

Для слитных, «дышащих» переходов внутри сцены:

```

Tracking shot from the side, then whip pan to a wide establishing shot,

then an orbit shot around the subject.

```

Даёт более плавную смену, чем жёсткие склейки. Лучший контроль — **комбинировать `then` с нумерованными шотами**.

> ⚠️ **Держите рамки: ≤ 4–5 ракурсов и ≤ ~15 секунд.** Дальше модель начинает «ронять» и сжимать кадры, а персонаж — дрейфовать (терять сходство). Меньше ракурсов, но чисто отработанных, всегда лучше, чем семь скомканных.

---

## 3. Кинолексика камеры, которую модель понимает

Хорошая новость: Seedance понимает киноязык **на естественном английском** — не нужно никаких спецсимволов. Плохая — фотожаргон экспозиции она отрабатывает слабо. Вот рабочий словарь.

**Движение камеры:**

`slow dolly-in` / `dolly-out` (наезд/отъезд) · `push-in` / `pull-back reveal` (резкий наезд / отъезд с раскрытием) · `tracking shot` (следование) · `orbit shot` (облёт вокруг) · `crane up` (кран) · `low-angle tilt up` · `handheld` (ручная дрожь) · `steadicam` (плавно) · `whip pan` (резкая панорама) · `Hitchcock / dolly zoom` (вертиго) · `rack focus` (перевод фокуса)

**Ракурсы и углы:**

`first-person POV` · `bird's-eye / overhead` (с высоты) · `low angle` (снизу — мощь) · `high angle` (сверх*язвимость) · `Dutch angle` (наклон — напряжение) · `over-the-shoulder (OTS)` · `macro shot`

**Композиция:**

`frame-within-frame` (кадр в кадре) · `ultra-wide angle` · `match cut` (склейка по форме/движению)

> 🎬 **Главный рычаг точности — конкретика движения, а не цифры.** Указывайте **направление, скорость, начальную и конечную точку**: не просто «dolly-in», а «slow dolly-in from a low angle, ending on his face». А вот фотожаргон экспозиции и оптики (`f/2.8`, `ISO 800`, `24fps`, `85mm`) модель отрабатывает плохо — описывайте **видимый результат** (`shallow depth of field`, `soft bokeh`), а не технические числа.

---

## 4. Консистентность: как удержать персонажа между ракурсами

Главная боль мультишота — персонаж «уплывает» от кадра к кадру. Вот как держать его и сцену.

**Текстовый якорь — минимум, который нужен всегда.** Даже без референсов добавляйте в промт прямую инструкцию:

```

Maintain the same character, wardrobe and location across all shots.

```

**Система именованных референсов — для надёжной идентичности.** Если прикрепляете файлы, ссылайтесь на них в промте и **назначайте каждому роль**:

- `@Image1`, `@Image2`, `@Video1`, `@Audio1` — **нумерация = порядок загрузки файлов**.

- Роли: `@Image1` = фронт, `@Image2` = профиль, `@Video1` = только движение (с оговоркой `do not copy the original appearance`).

- Привязка деталей словами: `keeping the face from @Image1 and the tuxedo from @Image2`.

- **Лимит — до 12 файлов суммарно** на генерацию (примерно до 9 изображений + 3 видео + 3 аудио).

Это, кстати, единственная часть синтаксиса, подтверждённая **первоисточником** (хостом модели) — на неё можно опираться смело.

> ⚠️ Гуляющие по блогам числа — «reference strength 70–80%», «максимум 2 референса», «6 картинок → 2 убирают дрейф на 60%» — **не подтвердились**. Не закладывайте эти цифры; держитесь системы `@Image` + ролей.

---

## 5. Картинка как референс или первый кадр

Прикреплённое изображение — самый сильный якорь сцены. Но сначала определитесь, **в какой роли** вы его даёте: это два разных режима с разной логикой промта.

### Режим 1 — Референс (`@Image1`): держать внешность/стиль по всем кадрам

Картинка задаёт **идентичность** (лицо, причёска, одежда) либо **стиль/локацию**, которые нужно сохранить во всех ракурсах.

```

Reference @Image1 = the character's face and outfit.

A medium shot of them walking into a marble lobby, keeping the face and outfit from @Image1.

Hard cut to a close-up (@Image1 for likeness). ...

Maintain identical facial features and wardrobe across all shots.

```

Ключевое: референс диктует **идентичность и стиль, но не композицию** — новые ракурсы вы строите вокруг него.

### Режим 2 — Первый кадр (image-to-video): картинка = стартовый кадр

Здесь изображение — это **буквально первый кадр** клипа; видео «оживает» из него.

```

Starting from the given frame: [что на картинке — субъект, сцена, свет, настроение].

[Subject] begins to [action]. Camera: [move, direction, speed].

Keep the same lighting, wardrobe and composition as the opening frame.

```

> 🎬 **Главное правило первого кадра: не спорьте с картинкой.** Не переписывайте старт иначе, чем он есть (то же время суток, та же одежда, та же стартовая композиция) — иначе модель «конфликтует» с кадром. Акцент промта смещается на то, **что приходит в движение и как ведёт себя камера** от этого кадра.

**Что считывать с картинки в любом режиме:** Subject (внешность, одежда, выражение), Environment (локация, предметы, фон), Lighting (источник, направление, тёплый/холодный), Style (палитра, грейд, «плёнка» или чистая картинка). Берите **конкретные детали**, а не общие слова — это и есть «описание по картинке». Не выдумывайте того, чего на изображении нет.

> 💡 Связка с image-генератором: соберите идеальный стартовый кадр в Nano Banana (статичная картинка с нужным лицом/светом/композицией), а затем отдайте его в Seedance как **первый кадр** — так вы контролируете и внешность, и движение.

---

## 6. Лимиты, о которых нужно знать

- 🎬 **Число ракурсов:** практический потолок — **~4–5**. Дальше модель «роняет» или сжимает кадры.

- 👤 **Дрейф персонажа** нарастает после ~5 шотов — для длинных историй лучше резать на несколько генераций и держать общий референс.

- ✂️ **Главная ошибка мультишота:** забыли пронумеровать шоты → склейки пропали, всё слилось в один план.

- 📏 **Длительность** — до ~15 секунд на генерацию (точные дискретные значения официально не подтверждены — см. мифы ниже).

- 📝 **Слишком длинный промт** → инструкции обрезаются. Держите каждый блок компактным и конкретным.

---

## 7. Мифы и приёмы, которые НЕ работают

Это — самое ценное, что дала проверка источников. Перечисленное ниже **проверено и опровергнуто**: не закладывайте это в промты как достоверный синтаксис.

| ❌ Миф (из блогов) | ✅ Как правильно |

|---|---|

| **Скобочные переходы** `[Shot 1: Wide]`, `[Cut to: ECU]`, `[Dissolve to]`, `[Time-lapse transition]` | Это не подтверждённый синтаксис. Для склеек — `Shot N` + `Hard cut to` (Метод B). |

| **«Фиксированные наборы из 8 или 9 named camera movements»** с жёсткими ключевиками | Маркетинговые таксономии отдельных блогов. Берите общепринятые кинотермины (раздел 3). |

| **Дискретные длительности** 4 / 5 / 6 / 8 / 10 / 12 / 15s как «поддерживаемый набор» | Не подтверждено. Ориентир — «до ~15 секунд», без магических значений. |

| **«500-ошибка при клипе < 8 секунд»** / **«мультишот работает только от 12 секунд»** | Опровергнуто. Не привязывайтесь к этим порогам. |

| **«reference strength 70–80%»**, **«максимум 2 референса»**, **«6 → 2 картинки = −60% дрейфа»** | Выдуманные числа. Держитесь системы `@Image` + назначения ролей. |

| **Фотожаргон экспозиции** (`f/2.8`, `ISO 800`, `85mm`) для управления картинкой | Отрабатывается слабо. Описывайте видимый результат (`shallow depth of field`). |

| **Голые абзацы дают раздельные ракурсы** | Нет — они сливаются в один план. Нужна нумерация + `Hard cut to`. |

| **«Чем длиннее промт — тем лучше»** | Нужна структура и конкретика, не объём. Длинный промт обрезается. |

> 💬 Если заказчик или туториал требует чего-то из левой колонки — мягко предупредите, что приём не подтверждён, и предложите рабочую замену из правой.

---

## 8. Чек-лист перед генерацией

- [ ] Блоки идут по скелету **Subject → Action → Environment → Camera → Lighting → Style**, камера — **после** сцены?

- [ ] Мульти-ракурс размечен **таймкодами** или **`Shot 1 / 2 / 3` + `Hard cut to`** (а не «голыми» абзацами)?

- [ ] **Одно** движение камеры на сегмент/шот, с **направлением, скоростью, стартом и финишем**?

- [ ] Не больше **4–5 ракурсов**, длительность **≤ ~15 секунд**?

- [ ] Есть **якорь консистентности** в тексте? При референсах — `@Image1 / @Video1` с ролями (≤ 12 файлов)?

- [ ] Если картинка — определён режим (**реф** против **первого кадра**), и в режиме первого кадра промт **не спорит** с изображением?

- [ ] **Глобальная style-строка** стоит в самом конце?

- [ ] Нет фотожаргона экспозиции — описан **видимый результат**?

- [ ] Есть блок **`Avoid:`** для артефактов (текст, водяные знаки, кривые руки)?

- [ ] В промте нет мусора из мифов (скобочные переходы, магические длительности, проценты reference strength)?

---

## 9. Рабочий процесс под типовые задачи

**A. Бриф → промт.** Вытащите субъект, действие, локацию, настроение, формат (нарратив / реклама / музыкальное / арт) и нужен ли мульти-ракурс. Соберите по скелету; если нужны разные планы — разметьте таймкодами или нумерованными шотами.

**B. Картинка как реф → промт.** Считайте с картинки внешность/одежду/локацию/палитру, сошлитесь на `@Image1`, привяжите признаки словами, постройте новые ракурсы вокруг — но не давайте картинке диктовать композицию.

**C. Картинка как первый кадр → промт.** Опишите то, что на кадре (не противореча ему), и сместите акцент на движение и поведение камеры «из кадра».

**D. Рекламная сцена.** Классическая product-арка из 4 планов: `Ultra-wide establishing → Macro (фактура) → Close-up (деталь/лого) → Pull-back reveal`. Грейд и темп — под бренд.

> 💡 **Длинная история (больше 15 секунд или 5 планов)?** Не пытайтесь впихнуть всё в одну генерацию. Режьте на сцены, генерируйте по отдельности и держите общий референс персонажа — так и чище, и управляемее.

## Коротко о главном

**Nano Banana** — народное имя image-модели Google **Gemini 2.5 Flash Image** (и её старшей версии **Nano Banana Pro / Gemini 3 Pro Image**). И вот первое, что нужно понять, прежде чем писать хоть один промт:

> **Nano Banana — это не Midjourney и не Stable Diffusion. Это не диффузия.**

Под капотом — нативно-мультимодальная языковая модель. Она «думает текстом» и рисует картинку как продолжение своего понимания сцены. Из этого следует всё остальное: она любит **связную прозу**, а не списки тегов; **позитивные формулировки**, а не негативные промты; и **правки обычным языком**, как будто вы объясняете ретушёру. Половина приёмов, которые вы привыкли копировать из мира диффузии (веса `::`, негатив-флаги, «8k, masterpiece, ultra-detailed» гирляндой), здесь не просто бесполезна — она мешает.

Если вы усвоите только три правила из этой статьи, пусть это будут они:

1. **Описывай сцену прозой, а не списком слов.**

2. **Говори, что хочешь видеть, — не что НЕ хочешь.**

3. **Правь словами: «измени только X, остальное сохрани».**

Дальше — детали, примеры и нюансы, которые отделяют «прикольно вышло» от «попадание в десятку».

---

## 1. Почему промты к Nano Banana устроены иначе

| | Диффузия (MJ / SD) | Nano Banana (Gemini) |

|---|---|---|

| Вход | список тегов + веса | **проза, описание сцены** |

| «Не хочу X» | негативный промт | **позитивная переформулировка** |

| Правка | новая генерация / inpaint-маска | **разговор: «измени только X»** |

| Соотношение сторон | в тексте/флагах | **отдельная настройка генератора** |

| «Сила» приёма | вес `term::1.5` | **порядок и ясность слов** |

Корень всего — архитектура. Модель обучена обрабатывать текст и изображение в едином шаге, и её главная суперсила — глубокое понимание языка. Поэтому связный абзац, где есть причинно-следственные связи («кто → что делает → где → как падает свет → в каком стиле»), модель собирает в когерентную сцену. А список тегов оставляет её догадываться о связях — и она догадывается как умеет.

---

## 2. Золотое правило: пиши прозой, а не тегами

Дословная цитата из официального гайда Google:

> «Describe the scene, don't just list keywords. A narrative, descriptive paragraph will almost always produce a better, more coherent image than a simple list of disconnected words.»

**Плохо (привычка из Midjourney):**

```

woman, red dress, cafe, paris, cinematic, 8k, bokeh, golden hour, highly detailed

```

**Хорошо (Nano Banana):**

```

A young woman in a flowing red dress sits at a small marble table outside a Parisian cafe,

gently stirring her espresso. Warm golden-hour light rakes across the scene from the left,

throwing long soft shadows. Shot on an 85mm lens with a shallow depth of field, the background

dissolves into creamy bokeh of café awnings and cobblestones.

```

Видите разницу? Во втором варианте модель знает, *откуда* свет, *что* в фокусе, *что* размыто. Это и есть «понимание сцены».

> ⚠️ Гуляющая по блогам цифра «нарративные промты дают на 73% лучше результат» — выдумка, её нет ни в одном первоисточнике. Принцип верный, число — нет.

### Скелет промта

Наслаивайте блоки в таком порядке — но **связным абзацем**, а не по пунктам:

```

[Кто] + [что делает / выражение] + [где, окружение] + [композиция/ракурс] + [свет] + [стиль/грейд]

```

Принцип простой: **связность и конкретика важнее длины**. Раздутый промт ради объёма вредит — модель теряет приоритеты.

---

## 3. Камера и оптика, которые реально работают

Здесь Nano Banana приятно удивляет: в отличие от видеогенераторов, **она понимает фотографический язык буквально** — фокусные расстояния, диафрагму, даже модели камер и плёнки. Это мощный рычаг точности.

**Тип кадра и ракурс:**

`wide-angle shot` · `close-up` · `extreme close-up` · `macro` · `low-angle perspective` (мощь, доминирование) · `high-angle` (уязвимость) · `bird's-eye / overhead` · `Dutch angle` (напряжение) · `over-the-shoulder` · `eye-level`

**Оптика (числа работают!):**

| Цель | Формулировка |

|---|---|

| Портрет, лестная перспектива | `85mm portrait lens, f/1.8, shallow depth of field, soft bokeh` |

| Натуральный кадр | `50mm lens, eye-level, natural perspective` |

| Репортаж / улица | `35mm lens` |

| Широкий угол мягко (всё в фокусе) | `24mm wide-angle lens, f/11, deep depth of field, slight barrel distortion` |

| Широкий угол сильно, без круга | `14mm wide-angle lens, strong wide-angle barrel distortion` |

| Экшн / динамика | `GoPro action camera, ultra-wide immersive perspective` |

> 🍌 **Миф, который ломает кадры: слово `fisheye`.** Банана трактует `fisheye` как **круглый кадр с чёрными углами** (circular fisheye с виньетированием). Если вам нужен просто сильный широкий угол **без круга** — НЕ пишите `fisheye`. Пишите `14mm wide-angle lens + wide-angle barrel distortion` или `GoPro`, и добавьте позитивно «fills the whole rectangular frame, bright clean corners».

**Свет** — обязательный блок: `golden hour` · `softbox studio light` · `rim light` (контровой) · `low-key` (тёмно, контраст) · `high-key` (светло, мягко) · `window light` · `dramatic chiaroscuro` · `backlight`.

**Тело камеры и плёнка** — секретное оружие против «CGI-вида»: `shot on Canon 5D` · `Fujifilm color science` · `Kodak Vision3 500T film` · `disposable camera with flash` (сырой ностальгический вид) · `Polaroid`.

---

## 4. Реализм-дайл: как убрать «вид нейросети»

Самая частая жалоба креаторов: «кадр классный, но выглядит искусственно — слишком вылизанный, рекламный». Это решается. Представьте ползунок:

```

ГЛЯНЕЦ (реклама) ←————— ЖИВОЕ ФОТО (то, что нужно) —————→ ГРЯЗЬ (перебор)

```

Большинство дефолтных генераций уезжают в **левый край**: идеальная airbrush-кожа, тяжёлые ресницы, ровный студийный свет, глянец. Чтобы сдвинуть в середину — **добавляйте позитивные «репортажные» маркеры** (не негативы!):

✅ **Добавить для живости:**

`candid` / `documentary` / `photojournalistic` · `shot on a 35mm film camera` · `available natural light only, slightly uneven` · `natural skin texture with visible pores` · `slightly imperfect, unposed composition` · `shot on a real camera`

❌ **Убрать (именно это даёт «рекламу»):**

`cinematic` · `ultra-detailed` · `8k` · `HDR` · `glossy` · `perfect` · `glamour` · `studio lighting` · `hyperreal`

> ⚠️ **Не переусердствуйте.** Если задрать реализм, банана начинает «лепить» акне, грязь и пот — и кадр уезжает в правый край. Золотая середина для большинства задач — это **чистая, здоровая, естественная кожа**:

>

> `clear, healthy skin with natural texture and an even complexion, no acne or blemishes, no heavy retouching, natural matte skin`

>

> Эта формула держит баланс: не пластик и не прыщи. Ключевой приём — явно и **позитивно** задать «чистую здоровую кожу» и одновременно «не сглаживай в пластик».

---

## 5. ИИ-фотосессии: как поставить своё лицо в любой кадр

Это, пожалуй, главный сценарий для креаторов: загружаешь своё фото-лицо как референс — и банана генерит тебя в любой сцене (на яхте, у водопада, на перроне частного джета). Вот честная инструкция.

### Правда, которую важно знать

**Проверенной «магической фразы», которая гарантирует лицо 1:1, не существует.** Формулировки из блогов («возьми внешность 1к1», «this exact character») при проверке не подтвердились. Сходство лица — это **процесс**, а не заклинание. Реалистичное ожидание: **узнаваемый человек, близкое сходство — но не биометрический клон.** Из нескольких генераций выбираешь лучшую.

### Пять правил, которые реально работают

**1. НЕ описывай внешность словами.** Раз лицо приходит с референса и может быть любым — не пиши цвет глаз, форму носа, возраст и **особенно цвет/тип волос**. Любое такое описание конкурирует с референсом и тянет лицо в свою сторону. Описывай всё, КРОМЕ лица и волос: сцену, одежду, позу, свет.

**2. Используй идиому семантической маски.** Вместо «возьми внешность 1к1» — позитивно перечисли, что держать, и явно запрети «улучшения»:

```

Keep the exact same face, identity and natural hair color as the reference photo — same facial

features, eye shape, nose, mouth, jawline, skin tone and proportions. Do not beautify, stylize,

slim, age, recolor the hair or alter the face in any way. Photorealistic, natural skin texture.

```

Почему это лучше «1к1»: (а) позитивная формулировка, (б) названы конкретные черты, (в) прямой запрет типового дрейфа (`beautify / slim / age`).

**3. Генерируй заново из исходного референса**, а не правь предыдущий выход по цепочке — иначе накопится дрейф, и лицо «уплывёт».

**4. Дай хороший референс** — фронтальное, резкое, ровно освещённое фото. Несколько ракурсов (фас + 3/4) повышают стабильность.

**5. Глаза должны быть видны и открыты.** Закрытые глаза, тёмные очки, прищур, дайв-маска поверх лица — всё это **снижает узнаваемость**. Если в референсе-сцене глаза закрыты, добавь `eyes open, looking at the camera` — сходство вырастет.

### Шаблон промта для ИИ-фотосессии

```

Using the person from the reference photo, a [shot type] photo of them [doing action] in

[location/setting]. They wear [outfit]. [Lighting]. Shot on [lens, e.g. 85mm portrait lens],

shallow depth of field. [Mood / style].

Keep the exact same face, identity and natural hair color as the reference photo — same facial

features, eye shape, nose, mouth, jawline, skin tone and proportions. Do not beautify, stylize,

slim, age, recolor the hair or alter the face. Photorealistic, natural skin texture.

```

### Нюансы, которые экономят часы

- **Несколько людей в кадре** (например, пара): Nano Banana Pro официально держит сходство **до 5 человек** в одной генерации и сводит **до 14 изображений**. Прикрепляй каждое лицо отдельным референсом.

- **Макияж и причёска как костюм.** Если по задумке нужен глэм-макияж или конкретная укладка (косы под чепцом для образа пекарки) — это можно задать как **стайлинг**, но тогда переформулируй маску: «apply the makeup/hairstyle as styling, but keep the underlying face structure identical». Иначе «do not stylize the face» вступит в конфликт с макияжем.

- **Широкий угол ≠ для лица.** Сильная широкоугольная дисторсия раздувает и искажает лицо → потеря сходства. Для портретов держись `50–85mm`; экстремальную ширь оставь для экшн-сцен и держи лицо ближе к центру кадра.

---

## 6. Работа с референс-картинками: стиль, копия, правка

**Перенос СТИЛЯ (не объектов).** Прикрепляешь картинку-вдохновение и описываешь новую сцену:

```

[New scene]. Apply the color palette, lighting mood and overall visual style of the reference

image — its [warm muted tones / film grain] — but do not copy its objects, subject or composition.

```

Чётко раздели: берём **палитру/свет/грейд/настроение**, НЕ берём **объекты и композицию**. Иначе скопируются предметы.

**Точная копия.** Для пересоздания: `recreate this exact image as faithfully as possible: same composition, subject, pose, lighting, colors; do not add, remove or restyle`. Реалистичное ожидание — **очень близко, но не пиксель-в-пиксель** (это генерация, не копипаст).

**Редактирование (семантическая маска).** Главный приём правок — явно сказать, что менять и что сохранить:

```

Change only the [element] to [new]. Keep the background, lighting, composition and everything

else in the image exactly the same. Do not change any other elements.

```

Это **семантическая**, а не пиксельная маска — «не трогать» это намерение, не гарантия. Диалоговая правка (мультитёрн) — рекомендованный путь, но после многих правок по цепочке падает качество и дрейфует лицо → важное генери заново.

---

## 7. Текст в картинке: главная боль (особенно кириллица)

Если коротко: **не доверяйте Nano Banana важный текст.**

- Заявления, что Pro «идеально рендерит любой текст», **не подтвердились**.

- Короткие латинские слова иногда выходят. **Длинный текст и особенно кириллица — почти всегда абракадабра** (лишние буквы, артефакты).

- Даже цифры (даты, номера) часто с ошибкой.

**Правило для рекламы, обложек, открыток:** критичный текст (заголовок, логотип, дата, «С Днём Рождения») **накладывай в дизайнере** (Figma / Canva / Photoshop) поверх готовой картинки. В промте оставь под него `copy space` — пустое место. Чужой логотип точнее **вставить картинкой-рефом**, чем просить «нарисуй логотип Nike».

---

## 8. Модерация: что блокирует генерацию и как переформулировать

Креаторы регулярно ловят отказ модерации на, казалось бы, безобидных кадрах. Дело в формулировках. Типичные триггеры и безопасные замены:

| ❌ Триггерит отказ | ✅ Безопасная замена |

|---|---|

| `sheer / see-through / wet clinging / soaked` | `opaque / cotton / linen` + «with a swimsuit underneath» |

| `sultry / seductive / sensual / provocative` | `serene / confident / joyful / candid` |

| белый мокрый топ, акцент на формах тела | цветной плотный (`fitted sage-green top`), акцент на свет/локацию |

| `lingerie` | `elegant dress / activewear` |

**Принцип:** смещай акцент с тела на **свет, локацию, эстетику и эмоцию**, описывай одежду как плотную, а жанр — как `editorial fashion` / `lifestyle` / `wellness`. Это и проходит модерацию, и обычно делает кадр сильнее.

---

## 9. Мифы и приёмы, которые НЕ работают

| ❌ Миф (из мира диффузии/блогов) | ✅ Как правильно |

|---|---|

| **Негативные промты** (`no cars`, `--no text`) | Архитектурно негативного вектора нет. Пиши **позитивно**: `empty street`. |

| **Веса и теги** (`red dress::1.5`) | Игнорируются. Только проза; «вес» = порядок и ясность слов. |

| **`fisheye` для широкого угла** | Даёт круглый кадр. Бери `14mm wide-angle` / `GoPro`. |

| **«Магическая фраза» для лица 1:1** | Не существует. Работает процесс (раздел 5). |

| **Гарантия консистентности персонажа без дообучения** | Бывает дрейф. Pro держит «сходство до 5 человек» — это возможность, не гарантия. |

| **«Pro идеально рендерит текст»** | Нет. Кириллица ломается — выноси в дизайнер. |

| **`no CGI`, `no 3D` против пластикового вида** | Негатив не работает. Добавь **позитивные** фотомаркеры: `shot on a real camera`, `natural skin texture with pores`, `film grain`, тело камеры/плёнку. |

| **Сверхдлинный промт = лучше** | Нужна связность, не объём. |

| **«73% лучше с нарративом»** | Цифра выдумана. |

---

## 10. Лимиты, водяной знак и версии

- **Разрешение:** вывод до 1024×1024 px у 2.5 Flash (Pro — выше). Соотношение сторон задаётся **настройкой генератора, не текстом промта**.

- **SynthID:** на всех генерациях и правках стоит **невидимый** цифровой водяной знак, отключить его нельзя. Это не то же, что видимый «sparkle»-значок (его убрать можно). Совсем «чистого» от SynthID вывода не получить — учитывай для публикаций.

- **Версии:** 2.5 Flash на пути к ретайру (~октябрь 2026), актуальная флагман-модель — **Nano Banana Pro / Gemini 3 Pro Image**. Часть лимитов и цен зависит от площадки (Gemini API ≠ Vertex AI ≠ приложение).

---

## 11. Чек-лист перед отправкой промта

- [ ] Это **связный абзац-описание**, а не список тегов?

- [ ] Все «не хочу» переписаны **позитивно**?

- [ ] Есть **субъект → действие → локация → композиция → свет → стиль**?

- [ ] Назван **свет** и (для фото/кино) **оптика/ракурс**?

- [ ] Соотношение сторон вынесено в **настройку**, а не в текст?

- [ ] Если правка — указано **что менять и что сохранить 1:1**?

- [ ] Если лицо с референса — **внешность и цвет волос НЕ описаны**, есть маска `do not alter the face`, генерация из референса (а не по цепочке), глаза открыты?

- [ ] Кожа: задана **чистой и естественной** (не пластик и не акне)?

- [ ] Критичный **текст** вынесен в дизайнер?

- [ ] Формулировки прошли бы **модерацию** (нет `sheer/sultry/lingerie`)?

- [ ] Нет мусора из мифов (`::`, негатив-флаги, `fisheye`, «magic-фразы»)?

---

## 12. Рабочий процесс под 4 типа задач

**A. Размытый бриф → промт.** Вытащи субъект, действие, локацию, настроение, сценарий. Собери прозой по скелету, добавь свет/оптику/грейд.

**B. Похожий промт → улучшить.** Прогони по диагностике: теги → проза; негативы → позитив; веса → убрать; `fisheye` → `14mm`; нет света/оптики → добавить; CGI-вид → фотомаркеры.

**C. Реф стиля → перенести.** Считай палитру/свет/грейд/настроение (НЕ объекты), опиши новую сцену + «apply the style, not the objects».

**D. ИИ-фотосессия по реф-лицу.** Не описывай внешность, держи лицо маской, генери из референса, жди близкого сходства, выбирай лучший дубль.

> 💡 **Сложная сцена (много объектов, текст, несколько разных кадров в одном)?** Банане тяжело собрать всё разом. Дроби: генери элементы по отдельности и собирай композицию в дизайнере — выйдет чище и управляемее.