Промпт для видео

В видео к описанию кадра добавляется время: что происходит, в каком порядке и как при этом ведёт себя камера. Промпт, который хорошо работает для картинки, для видео обычно недостаточен — он описывает состояние, а не изменение.

Что добавить к описанию сцены

Движение субъекта. Не «человек идёт», а что именно и как: какой частью тела, с какой скоростью, с каким усилием. «Медленно поднимает руку», «резко поворачивает голову».

Поведение камеры. Стоит неподвижно, следует за героем, наезжает, отъезжает, облетает. Термины киноязыка модели понимают: medium shot, close-up, slow push-in, tracking shot, fixed shot.

Развитие во времени. Что в начале, что в середине, чем заканчивается.

Звук, если модель его генерирует: реплики, звуковые эффекты, фоновая среда.

Раскадровка вместо прозы

Сложную сцену лучше разложить на кадры, а не описывать сплошным текстом. Формат понимают и Seedance 2.0, и Kling 3.0:

Shot 1, wide shot of a truck driver at dawn, cinematic handheld.
Shot 2, macro shot of hands on the steering wheel.
Shot 3, close-up of a weathered photograph on the passenger seat.

Одно движение камеры на кадр. Наезд, отъезд и панорама одновременно ломают стабильность картинки.

Держите сцену выполнимой

Всё, что вы описали, должно уместиться в выбранную длительность. Сюжет на минуту, втиснутый в пять секунд, превращается в мельтешение. Плавные непрерывные движения выходят лучше резких: спринт, прыжки и кувырки моделям даются плохо.

Точное количество предметов и людей модели не удерживают — «десять щенков» превратятся в неопределённое количество. Сложная физика тоже: отскок мяча, траектория броска.

Эмоция через физику

Абстракции вроде «грустная девушка» модель понимает слабо. Описывайте телом: опущенная голова, подрагивающие плечи, покрасневшие глаза, пальцы теребят край одежды.

Где модели расходятся

Точное время. Kling 3.0 понимает указания вида «на четвёртой секунде» и «в последние три секунды» — они есть в примерах официального руководства. Seedance 2.0 от жёстких секунд наоборот плывёт: там лучше задать порядок событий, а ритм оставить модели.

Плотность. Kling 3.0 рассчитан на длинные подробные режиссёрские описания. Kling 2.6 и 2.5 Turbo — наоборот, на простые слова и короткие конструкции. Это разные требования у одного бренда, и версия здесь важнее названия.

Люди в кадре. Модерация Seedance часто отклоняет референсы с людьми. Для видео с реальными людьми надёжнее Kling 3.0.

Речь

Реплики привязываются к персонажу. У Kling 3.0 — прямо в тексте:

Mom (softly, in a surprised tone): I didn't expect this at all.

У Veo 3.1 — с именем и ремаркой, реплика в кавычках. У Seedance 2.0 для реплик отведены фигурные скобки, а для субтитров — отдельные скобки, и язык реплики называется явно.

Языки речи у моделей разные, и это единственное место, где ошибка не видна до конца генерации. Подробности — в статье На каком языке писать промпт.

Продление и склейка

При продлении видео качество накапливает искажения: после нескольких итераций лица идут пятнами. Стык кадров даёт заметный рывок. У Seedance ограничение на склейку — не больше трёх клипов общей длительностью до пятнадцати секунд.