Клип «Дубравы-голограммы» — это гибрид: настоящий исполнитель на хромакее, самописная звуковая программа, программная анимация игрового интерфейса и фантастический лес, сгенерированный нейросетями. Хронометраж — 2:37, вертикальный формат 1080 × 1920 (9:16, 30 FPS), а весь продакшн занял 35 часов. Ценность этого кейса не в красоте картинки, а в инженерном подходе: нейросети здесь не «сделали всё», а закрыли конкретные узкие места, которые дешевле и быстрее решать кодом, чем видеогенератором.
Четыре этапа вместо одного промпта
Производство разбито на четыре независимых блока, и это, пожалуй, главный урок для любого, кто делает видео с ИИ. Сначала — съёмка исполнителя на хромакее, затем — монтаж и мастеринг звука, потом — игровое вступление и только в конце — генерация мира и финальная сборка.
Каждый этап использует ровно тот инструмент, который для него подходит: живую камеру — для живого, код — для детерминированного движения, генеративную модель — для непредсказуемой фактуры. Именно такое разделение обязанностей, а не попытка выжать всё из одного сервиса, и даёт предсказуемый результат в срок.
Хромакей и звук: где нейросети действительно помогли
Исполнение записали на хромакее одним непрерывным фрагментом от начала до конца — без сборки из дублей. Это важная деталь: цельный дубль избавляет от стыков по пластике и свету, а значит, и от части ручной работы на постпродакшене. Исполнитель настоящий, не сгенерированный персонаж.
Звук — отдельная история. Звуковая программа написана на C++, а для генерации пресетов синтезатора использовался ChatGPT6-Pro: задача узкая и конкретная — подготовить набор параметров для собственного инструмента. Монтаж и обработка — в Reaper, финальный мастеринг — в нейросетевом сервисе LANDR.
Обрати внимание на логику: генеративная модель подключается там, где нужно перебрать варианты настроек, а не там, где нужно принять решение. Это ровно тот же принцип, что и в вайбкодинге — ИИ генерирует черновик, а инженерные решения остаются за человеком.
Игровое вступление: когда код надёжнее видеогенератора
Клип открывают две сцены — «загрузка игры» и «ввод имени персонажа». Исходные HUD-картинки (элементы игрового интерфейса) сделаны в ChatGPT6-Pro, а вот анимацию прогресс-бара и последовательного набора букв написал Python-скрипт, созданный с помощью Codex Ultra.
Ключевой момент: движение интерфейса рассчитывалось программно, а не генерировалось видео. Прогресс-бар, который должен идти ровно и линейно, видеомодель бы обязательно «поплыл». Готовые сцены экспортировали в MOV RLE+Alpha — с прозрачным фоном, чтобы спокойно накладывать поверх основной картинки. Это классическое правило: всё, что должно быть точным — считаем кодом, всё, что должно быть фактурным — генерируем.
Дубравы, Kling3 и самая дорогая переделка
Исходные изображения леса создавались в ChatGPT6-Pro, затем анимировались в Kling3, а собранные фрагменты сводились в CapCut. Хромакей убирался собственной программой, тоже написанной с помощью ChatGPT6-Pro. Цвет исполнителя подгонялся под нейросетевой мир функцией CapCut «Совмещение цветов» — без неё живой человек в кадре выглядел бы вклеенным.
Главная авария произошла на эпизоде в подземном тоннеле: Kling превратил цветы в подобие кладбища, и сцену пришлось делать заново. Спасались тем, что взяли удачные кадры из уже сгенерированных видео, через ChatGPT6-Pro вернули «цветам» нужную форму и заново прогнали исправленные изображения как исходники для видеогенерации. Это хороший пример того, что в пайплайне с ИИ нужен запас времени на итерации, а fixes дешевле делать на уровне картинки, а не на уровне видео.
Сколько это стоит
- ChatGPT6-Pro + Codex — 200 $ за месячную подписку;
- LANDR — 25 $ за месячную подписку;
- Kling3 через kie.ai — 5500 рублей на генерации видео.
Итого: 225 $ месячных подписок плюс 5500 рублей видеогенераций. Подписки указаны по полной месячной стоимости — доля, которая пришлась именно на этот клип, не выделялась.
Непредсказуемость как рабочая фича
Самое интересное наблюдение по Kling3: его сильная сторона оказалась не в управляемости, а наоборот — в непредсказуемости. Модель периодически придумывала существ и зверей, которых в исходном замысле не было, и именно эти плохо определимые создания идеально легли в тему хтонической жизни фантастических дубрав.
Это тот случай, когда артефакт генерации становится частью художественного решения. Но обратная сторона — та же самая непредсказуемость ломает сцены, где нужна точность. Отсюда и вывод: гибридный пайплайн строится не вокруг одной модели, а вокруг разделения зон ответственности между камерой, кодом и генерацией.
Выводы
- 35 часов на клип 2:37 в 9:16 — реалистичный срок для гибридного пайплайна, где каждый этап закрыт своим инструментом.
- Точные вещи (прогресс-бар, набор букв, удаление хромакея) считаются кодом; видеогенератор отвечает только за фактуру и атмосферу.
- Непрерывный дубль на хромакее экономит часы постпродакшена и убирает швы между кадрами.
- Бюджет: 225 $ в месяц за подписки ChatGPT6-Pro, Codex и LANDR плюс 5500 рублей генераций в Kling3 — основная стоимость в видео, а не в подписках.
- Непредсказуемость модели — не только риск, но и источник идей; планировать её нужно как отдельный этап с запасом времени на переделки.