«Можно оживить эту иллюстрацию, чтобы карточка сервиса заметнее выглядела в ленте?» — написал клиент на показе страницы. Иллюстрация уже согласована: человек в наушниках, мягкий свет, рядом короткая подпись. Макс ведёт согласование и кивает: «Попробуй сделать так, чтобы он чуть покачнулся в такт музыке». Цена ошибки тут заметная — если движение перетянет взгляд, человек увидит красивый ролик и пропустит, что ему предлагают сервис.
Первый маршрут: одна картинка и запрос
Я открываю Vidu Q4 и выбираю режим Image-to-Video: одна картинка плюс текстовый запрос. Пишу в строке: «Плавное покачивание корпуса в такт музыке, свет не менять, лицо не трогать». Ставлю длительность 5 секунд — этот режим поддерживает от 3 до 16 секунд, мне хватает короткого цикла.
Результат приходит, и покачивание есть. Но вместе с ним дрогнула линия наушников — там, где я её выверяла отдельно. Для статичной карточки это мелочь, для цикла в ленте — заметный сбой. Я запускаю второй вариант с другим запросом, но картинка снова плывёт в той же детали.
Дима возражает: одной картинки мало
Дима заходит посмотреть на результат и говорит: «Ты воюешь с инструментом, который просит больше материала. У тебя есть раскадровка персонажа и голосовая дорожка с гитарой — дай их как референсы». Я возражаю: мне нужен один короткий цикл, а не целый клип. Он пожимает плечами: «Тогда открой Reference-to-Video. Там от 1 до 15 изображений и до 3 аудиореференсов — можно задать и внешность, и звук».
Я переключаюсь на Reference-to-Video. Загружаю три кадра персонажа и аудиофрагмент с ритмом. В запросе пишу: «Покачивание в такт, сохранить линию наушников, свет справа». Ставлю длительность 4 секунды — этот режим поддерживает от 1 до 16 секунд, так что запас есть.
Результат приходит иначе. Наушники остались на месте, плечи двигаются в ритм, свет не уехал. Но персонаж моргает чаще, чем в исходнике. Формально это оживляет кадр, а по замыслу — нет. Иллюстрация задумывалась как спокойный образ, а не как анимированный портрет.
Где кончается инструмент и начинается решение
Оба режима делают то, что обещают: Image-to-Video оживляет одну картинку по запросу, Reference-to-Video удерживает согласованность по референсам. Но ни один не отвечает на вопрос, который на самом деле решаю я: уместно ли это движение в контексте карточки. Модель может удержать персонажа и голос, а частота моргания — уже мой выбор, потому что я знаю, что человек увидит рядом с подписью.
Я оставляю вариант из Reference-to-Video как основу и делаю к нему статичную версию на первый кадр. Макс смотрит оба и выбирает цикл: «В ленте движение заметнее, но пусть будет коротким». Клиенту уходит ролик на четыре секунды с покачиванием в такт плюс статичная картинка для тех мест, где движение не подходит.
На следующий день я ставлю задачу в трекер: проверить этот же цикл на мобильной вёрстке, где карточка уже, и решить, не придётся ли сократить движение до двух секунд, чтобы оно не спорило с текстом.