Как заменить лицо человека на видео с помощью нейросети?

Все же видели этот тренд в тиктоке, где паренек по щелку пальцев превращается в телезвезду? Мы прикинули простую схему, проверили - получилось три инструмента, четыре шага. Все. Давайте разберемся.

Принцип примерно такой - новое лицо генерируется через фото, движение переносится отдельно по референсу.

Два генератора изображений на выбор - GPT Image 2 или Nano Banana Pro. Видеогенератор Kling с моделью Kling Motion. Исходное видео. Это, собственно, весь список.

Записываем исходник. Плавные движения - без резких рывков, без быстрых поворотов головы. Kling Motion читает равномерную динамику заметно лучше. Фронтальный план надёжнее профильного. Освещение равномерное - от него зависит, как органично другое лицо встанет в кадр на следующем шаге.

Вытаскиваем первый кадр из видеоролика - он будет референсом для нейросети. Открываем GPT Image 2 или Nano Banana Pro, загружаем кадр, вставляем промпт:

Точность описания в фигурных скобках напрямую влияет на результат. Три основных варианта.

Меняем только лицо - тело, одежда, поза остаются. Пишем конкретно про внешность: возраст, пол, черты лица, цвет волос. Например: "молодой мужчина 25 лет, короткие тёмные волосы, квадратная челюсть, нейтральное выражение лица". Одежду и телосложение в описании не трогаем - нейросеть сохранит их из референса.

Меняем человека целиком - другой типаж, другая одежда, другой образ. Тут описываем всё: "женщина 35 лет, деловой костюм тёмно-синий, волосы собраны, строгий взгляд". Чем подробнее - тем меньше итераций уйдёт на то, чтобы нейросеть не начала фантазировать самостоятельно.

Меняем по фотографии - вместо текстового описания прикрепляем второе фото с нужным человеком. В этом случае промпт меняется: просим нейросеть скрестить двух людей из двух фото, сохранив позу, свет и обстановку из первого, а лицо взяв со второго. GPT Image 2 это умеет - принимает два изображения одновременно. Результат обычно точнее, чем по текстовому описанию, особенно если нужен конкретный реальный человек, а не типаж.

Расплывчато написал - расплывчато получил. Генерируем несколько вариантов, берём тот, где свет и поза из исходника сохранились лучше.

Открываем Kling, модель Kling Motion, ориентация движения по видео. Крепим сгенерированную фотографию как референс внешности. Крепим исходный видеоролик как референс движения. Запускаем генерацию.

Модель читает траектории из исходника и накладывает их на нового персонажа. Смена лица - без покадрового монтажа, без масок, без ручной работы. Именно это делает схему рабочей: вставить другое лицо в видео можно было и раньше, но так быстро - нет.

На выходе получаем видео с изменённым лицом, где движение полностью из исходника. Подмена без ротоскопинга, без программы для покадрового монтажа, онлайн.