ИИ ведущий: как сделать виртуального диктора для видео в 2026 году

ИИ ведущий держится на одной детали, ради которой в 1950 году изобрели телесуфлёр: зрительный контакт. Пока диктор читает с бумаги и опускает глаза, доверия нет.

На Umnik.AI есть видеомодели, раздел изображений для персонажа и раздел аудио для голоса. Токены оплачиваются рублями картой РФ без зарубежных карт. Подпишись на Telegram-канал Umnik.AI - за подписку начисляют 50 токенов бесплатно.

До 1950 года телевизионный диктор решал задачу, которая кажется мелочью, а на деле определяла всё: как читать текст и при этом смотреть в камеру. Учить наизусть долго и рискованно, читать с листа - значит постоянно опускать глаза.

Решение придумала команда, в которой работал инженер Хьюберт Шлафли: устройство с движущейся бумажной лентой, размещённое рядом с объективом. Текст оказывался практически на линии взгляда, и диктор мог читать, не отрывая глаз от камеры. Устройство назвали телесуфлёром, и оно быстро стало обязательным на любом телевидении.

Почему это оказалось так важно. Прямой взгляд в камеру зритель считывает как обращение лично к нему. Как только глаза уходят вниз, ощущение разговора пропадает и включается восприятие «человек читает текст» - со всем недоверием, которое к этому прилагается.

Для ИИ-ведущего это главное техническое требование, и оно ставится в промт прямым текстом. Модель по умолчанию любит давать блуждающий взгляд, лёгкий отвод глаз, взгляд чуть мимо объектива. На человеческом лице это читается мгновенно и портит впечатление сильнее любых огрехов липсинка. Steady eye contact with the camera - формулировка, без которой ведущий не работает.

🥇 Kling 2.5 - точнее всех держит лицо и движение губ, ключевая модель для ведущего.

🥇 Nano Banana Pro - создать самого ведущего: реалистичного или стилизованного.

Veo 3.1 - естественная мимика и микродвижения головы.

Seedance 2.5 - удержание персонажа между выпусками.

Раздел аудио - голос, заставка, фоновая музыка.

Claude Opus 5 - сценарий и текст, написанный под произнесение вслух.

Заменить фон на фото - студийный фон для ведущего.

Создайте аккаунт, чтобы открыть доступ к моделям изображений, видео и аудио.

В разделе «Изображения» через Nano Banana Pro сделайте погрудный портрет анфас, нейтральный фон, ровный свет. Сохраните описание внешности дословно: оно пойдёт во все выпуски без изменений.

В левом меню перейдите к видеомоделям, возьмите Kling 2.5. В промте прямо укажите steady eye contact with the camera - без этого взгляд уплывёт и ведущий перестанет работать.

Липсинк держится несколько секунд, поэтому речь режется на реплики, между ними ставятся перебивки, графика и текст.

Промты работают лучше на английском.

Professional portrait of [описание человека], chest up framing, facing the camera directly, neutral confident expression, soft even studio lighting, plain neutral background, sharp focus

[описание ведущего] speaking directly to the camera, steady eye contact, natural mouth movement, expressive eyebrows, occasional natural blinking, subtle head movement, static camera, 6 seconds

[описание ведущего] greeting the viewer with a warm professional smile, small welcoming nod, steady eye contact with the camera, studio lighting, static camera, 5 seconds

[описание ведущего] explaining something, natural hand gestures at chest level, engaged expression, steady eye contact, clean background, static camera, 6 seconds

[описание ведущего] pausing, giving a small nod and continuing to speak, calm confident delivery, steady eye contact, static camera, 4 seconds

[описание ведущего] standing in a modern studio setting, speaking to the camera, soft key light, blurred background with subtle depth, professional posture, static camera, 6 seconds

[описание ведущего] finishing the sentence, small nod and warm closing smile, holding eye contact with the camera, static camera, 4 seconds

Stylized illustrated presenter character, clean flat vector style, chest up framing, facing the viewer, friendly expression, simple background, consistent art style

Промты для диалогового окна с Claude Opus 5.

Напиши сценарий видеовыпуска на [сколько] минут по теме [тема] для аудитории [кто]. Текст под произнесение вслух: короткие фразы, без придаточных, примерно два с половиной слова в секунду. Разбей на реплики по пять-семь секунд.

Вот текст: [текст]. Перепиши так, чтобы его было удобно произносить: короткие предложения, простые конструкции, без канцелярита. Отметь, где ставить паузы.

Вот сценарий: [текст]. Разбей его на реплики длиной не больше шести секунд каждая и отметь, где между ними уместны перебивки.

Разбей тему [тема] на [сколько] коротких выпусков, каждый со своим фокусом. Для каждого укажи заголовок и главную мысль.

Напиши текст заставки на пять секунд и подводку к теме [тема], которая цепляет с первой фразы.

Считайте текст по времени, а не по знакам. Две с половиной сотни слов - это примерно сто секунд речи.

Живее звучит и не требует пояснений зрителю.

Собирается в разделе аудио, одинаков во всех выпусках.

Речь без пауз звучит машинно. Расставьте их в тексте заранее.

Несовпадение возраста или характера читается как подделка мгновенно.

На видео быстрая речь воспринимается тяжелее, чем в жизни.

И только фоном. Проверяйте на телефонном динамике.

Ровная интонация на протяжении всего текста - главный признак синтеза. Просите вариативность.

Все выпуски генерируйте с одного изображения.

Никакого пересказа своими словами.

Формулировки повторяйте целиком.

Смена плана между выпусками ломает ощущение того же ведущего.

Оправа, цвет одежды, причёска. Держит узнавание.

Пять секунд одинакового начала делают серию узнаваемой сильнее лица.

Поставьте кадры из разных выпусков рядом и сравните.

Цифровая версия себя - самый безопасный вариант, вопросов не возникает.

Если человек не существует, скажите об этом. В информационных роликах это обязательно.

Отметка, что ведущий создан нейросетью, добавляет доверия, а не убавляет.

Использовать внешность другого человека без согласия нельзя.

Виртуальный ведущий с лицом известного человека, произносящий ваш текст, - подделка высказывания.

Ответственность за содержание остаётся на вас. Ведущий - форма подачи, а не источник.

В таких темах виртуальный ведущий не должен выглядеть как эксперт, которым он не является.

Главная проблема. Просите steady eye contact with the camera прямым текстом.

Пропишите occasional natural blinking. Без моргания лицо мёртвое.

Режьте на реплики по пять-шесть секунд и разбавляйте перебивками.

Реалистичный аватар легко попадает в зловещую долину. Стилизованный вариант надёжнее.

Просите subtle head movement. Абсолютно статичное лицо неестественно.

Описание внешности переписано вместо копирования.

Не хватает пауз и интонационной вариативности. Правится в тексте, а не в генерации.

Соберите эталонный кадр в Nano Banana Pro на Umnik.AI, оживите Kling 2.5 с указанием зрительного контакта и добавьте голос из раздела аудио.

Чаще всего из-за взгляда. Прямой зрительный контакт с камерой зритель считывает как обращение лично к нему, а блуждающий взгляд рушит это мгновенно.

Обучающие материалы, регулярные короткие выпуски, многоязычные версии, внутренние коммуникации. Плохо подходит для личного бренда и эмоциональных тем.

Пять-шесть секунд. Липсинк дольше не держится, поэтому речь режется и разбавляется перебивками.

Если ведущий вымышленный - да, особенно в информационных роликах. Пометка добавляет доверия.

Не хватает пауз и вариативности интонации. Это правится в тексте до озвучки, а не после.

Нет, оплата токенов проходит рублями обычной картой РФ прямо на сайте.

Да, Umnik.AI открывается в браузере телефона без установки приложения.

Телесуфлёр изобрели в 1950 году ради одной вещи: чтобы диктор мог читать текст, не отрывая глаз от камеры. Прямой взгляд зритель считывает как обращение лично к нему, а опущенные глаза включают восприятие «человек читает по бумажке». Для ИИ-ведущего это остаётся главным техническим требованием, и его надо ставить в промт прямым текстом, потому что модель по умолчанию даёт блуждающий взгляд. Дальше по важности идут моргание, лёгкое движение головы и паузы в речи. Персонажа соберёт Nano Banana Pro, оживит Kling 2.5, голос и заставку даст раздел аудио. И если ведущий вымышленный, скажите об этом зрителю: доверие от честности растёт, а не падает. Оплата проходит рублями картой РФ без привязки зарубежных карт.