Почему у одних получается кино, а у других «нейронка»: шесть вопросов вашему подрядчику

Вам принесли ролик. Он выглядит дёшево, и вы не можете объяснить, почему именно. Разбираю шесть мест, где ломается качество, и как проверить работу, не разбираясь в моделях.

Заказчик показывает мне ролик, за который заплатил. Спрашивает: «Что не так? Вроде всё в фокусе, всё красиво». Дак, всё не так. Но сформулировать это без специальной лексики трудно, поэтому разговор обычно заканчивается словами «выглядит как нейронка».

Зритель ставит этот диагноз за полсекунды и сам не понимает, откуда знает.

При этом порог входа рухнул для всех одинаково. То, что три года назад требовало сметы имиджевого фильма — съёмочная группа, локация, графика, — сегодня открывается в браузере по подписке от восьми долларов в месяц. Kling, Veo, Seedance, Runway доступны из России через агрегаторы, оплата картой, рублями, без VPN.

Дальше — где именно он возникает. Не для того, чтобы вы генерировали сами, а чтобы понимали, что спрашивать с подрядчика. В конце — шесть вопросов, которые можно задать на первой же встрече.

«Slop» - жижа, помои - стало словом года. Его независимо выбрали сразу несколько словарей, от Merriam-Webster до австралийского Macquarie. Определение честное: цифровой контент низкого качества, производимый обычно в больших количествах при помощи искусственного интеллекта.

По разбору Ahrefs почти 900 тысяч веб-страниц три четверти новых страниц несут следы генерации; по изображениям в соцсетях оценки доходят до 79%.

Оговорюсь честно: это данные по тексту и картинкам - сопоставимой публичной статистики именно по видео пока нет, оно просто идёт следом с отставанием примерно в год.

Спотыкаются и те, у кого есть всё. Coca-Cola два года подряд выпускала праздничную AI-рекламу и два года подряд собирала волну «верните живых людей»: зрители заметили, как в кадре «плывут» их же культовые грузовики.

Этот пример ломает удобное объяснение. У Coca-Cola были и бюджет, и лучшие модели, и профессиональные подрядчики. Провал был не в доступе — в задаче: они оптимизировали объём и скорость, сотни вариантов за недели, а не постановку.

И получили ровно то, что заказали.

Другой полюс существует, и он документирован.

На фестиваль Runway в 2023-м прислали около 300 работ. В 2025-м — почти 6000. Финалистов показывали в десяти залах IMAX, Гран-при взял девятиминутный фильм, победивший идеей, а не полировкой.

Реклама сервиса Kalshi, собранная фактически одним человеком, обошлась в промптинге меньше чем в две тысячи долларов и вышла на 20 миллионов показов. Автор описал процесс без прикрас: ушло 300–400 генераций, чтобы получить 15 годных клипов.

Совпадает с моей практикой. На юбилейном вечере крупного бренда в финальный монтаж вошло пять кадров с цифровым двойником владельца - за ними стоит система из четырёх опорных референсов и полностью забракованная первая версия.

Пять кадров, которые зритель видит несколько секунд, - это отдельный производственный этап со своей приёмкой, а не строка «сгенерировать двойника» в смете.

Если подрядчик обещает готовый результат с первого прохода - он либо не понимает процесс, либо сдаст вам первый результат.

Первую версию двойника клиент забраковал одной фразой: человек на экране был похож на него — и всё-таки не был им.

Причина была не в модели. Лицо собиралось заново от кадра к кадру: каждый раз похоже и каждый раз чуть-чуть другой человек. Сам по себе кадр смотрелся прилично — рядом с соседним разваливался.

Пересобрали систему: четыре опорных изображения, от которых считаются все сцены, и блок описания внешности, который копируется дословно в каждый шот-промпт. Не «примерно так же» - дословно, символ в символ.

Тест приёмки сформулировали одной строкой: зритель должен сказать «тот же человек». Проверка была честной - в зале сидели триста косметологов, людей, которые читают лица профессионально.

Прошло.

Предельный случай этой дисциплины - ежедневный эфир. Для телеканала АИСТ мы сделали первого в Сибири нейросетевого ведущего прогноза погоды, а позже оцифровали четырёх игроков «Байкал-Энергии»: они вели прогноз, анонсировали матчи сезона и продавали клубный мерч через нативную интеграцию.

Персонаж, которого один и тот же зритель видит каждый день, не прощает дрейфа вообще.

Модель - не волшебная палочка. Это гениально памятливый актёр-стажёр без вкуса: сыграет что угодно, но решать, что играть, как ставить свет и где резать, — не его работа.

Разрыв возникает в шести точках, и ни одна из них не про доступ к моделям.

1. Кто делал саунд-дизайн — и делали ли его вообще.

Самый контринтуитивный пункт, и он первый. Проблема выглядит визуальной, а ломается чаще всего на слух. Стерильная дорожка — самый громкий сигнал подделки: слух читает акустику пространства раньше, чем глаз успевает разобрать картинку, и голос без комнатного тона включает тревогу сильнее, чем кривой кадр.

Если ответ «взяли трек из библиотеки» — вы платите за половину продукта.

2. Как обеспечивается идентичность между сценами.

И второй вопрос следом: что будет, если через полгода понадобится доснять сцену. Правильный ответ — «есть система референсов, она сохранена». Неправильный — «сгенерируем заново».

3. От чего считается ритм монтажа.

Кино держит зрителя склейкой в долю. Я работаю от темпа: 96 ударов в минуту — такт ровно 2,5 секунды, длины шотов кратны 2,5 / 3,75 / 5,0, чтобы каждый стык попадал в бит.

Зритель этого не осознаёт, но чувствует телом. Ролик, смонтированный на глаз поверх случайного трека, разваливается даже при идеальной картинке.

4. На каком языке ставится задача.

«Сделай красиво» - не задача, а капитуляция. Задача - это план, ракурс, объектив, источник света, движение камеры. Промпт - тактика, режиссура — дисциплина.

5. Какие модели и почему именно эти.

У нас нет одной любимой модели. Есть задача, под которую подбирается инструмент: Kling - за человеческое движение и читаемый текст в кадре, Seedance - за точную траекторию камеры и FPV, Veo - за масштаб и физику, Runway - за сложные непрерывные проезды со сменой крупности, NanoBanana - за стиллы и замок идентичности.

Подрядчик, у которого всё делается в одном сервисе, экономит на себе, а не на вас.

6. Что входит в постпродакшн.

Генерация - один слой из пяти. Сверху обязательны композитинг, цвет, звук и монтаж. Режиссёр фильма «Catacombs» сделал 3229 генераций и потратил 242 часа ради одной короткометражки - и сформулировал вывод, который знает любой человек из большого кино: самое важное в фильме, AI или нет, - сценарий.

Порядок величин, чтобы вопросы были предметными: постановочный ролик такого уровня — это недели, а не дни, и бюджет обычного корпоративного видео, а не подписка на конструктор.

Корпоративный вечер крупного бренда, 300 гостей, LED-экран во всю сцену. Владелец компании завершает поздравление с экрана — и делает шаг вперёд, выходя из кадра на сцену уже вживую.

Несколько секунд зал не может определить, где закончилось видео и начался человек. Эти секунды замешательства и есть продукт. Их не даёт ни одна модель. Их даёт стык: точность двойника, попадание монтажа в шаг реального человека, свет на сцене, сведённый с яркостью экрана, и звук, который переходит из записи в зал без шва.

Всего в проект вошли 11 блоков экранного контента, видеоспектакль на 13 минут 24 секунды и персональные визуальные миры для 24 партнёров - три месяца работы, где генерация была одним из слоёв, а не работой целиком.

Тот же эффект - на деловом форуме. Цифровой двойник заместителя гендиректора ИНК-Капитал Дениса Скороходова открывал сессию БРИФ. В интервью «Интерфаксу» он описал реакцию зала прямо: все сначала думали, что на экране идёт запись — и понимание пришло, только когда двойник заговорил на четырёх языках: русском, английском, китайском и арабском.

Показательно продолжение: после открытия через двойника транслировали организационную информацию форума. Трюк за один вечер стал рабочим инструментом.

Разница не в бюджете и не в доступе. Она в насмотренности и в том, кто ставит задачу.

Мир уже проходил это дважды. Когда подешевели зеркалки, все получили «киношную картинку» — и Тарковских не прибавилось. Когда смартфон вложил камеру в каждый карман, число великих фотографов не выросло.

AI лишь довёл закон до предела: он убрал недели механической работы между замыслом и экраном — и тем самым обнажил сам замысел. Если замысла нет, кнопка честно покажет пустоту в глянце.

Мы в студии PULMAN STUDIO формулируем это одной фразой: постановочная культура большого кино на скорости генеративного пайплайна. Не «нажать кнопку», а собрать спектакль.

Если у вас лежит видео, которое не нравится, но непонятно почему, — пришлите. Посмотрю и скажу, в какой из шести точек оно сломалось и что с этим делать.

Иногда это лечится перемонтажом и звуком за пару дней. Иногда пересобирается с нуля — и честнее узнать это до следующего платежа.

Евгений Пульман - владелец и генеральный продюсер студии PULMAN STUDIO. AI-видео полного цикла: сценарий, визуал, генерация, монтаж, звук. Среди проектов — цифровые двойники руководителей, первый в Сибири нейросетевой телеведущий, event-визуалы и видеоспектакли, ролики «где нечего снимать». pulman.studio