Частая история с генеративным видео. Промпт - кадр готов: свет выстроен, композиция держится, картинка как из фильма. Следующий промпт - снова отлично. А когда все кадры собраны в один ролик, получается не видео, а слайд-шоу из красивых открыток, которое не хочется досматривать до конца. Дело почти никогда не в нейросети. Дело в теории, которой скоро исполнится сто лет.

Эффект Кулешова: то, о чём все слышали, но мало кто помнит суть

Был такой советский режиссёр, Лев Кулешов, в двадцатых годах прошлого века. Он взял один и тот же крупный план лица актёра и смонтировал его поочерёдно с тарелкой супа, с гробом и с играющим ребёнком. Зрителям показывали три разные версии, и каждый раз они в один голос утверждали, что видят разную игру актёра: в первом случае - голод, во втором - скорбь, в третьем - умиление.

На самом деле кадр лица был один и тот же. Актёр ничего не играл, плёнку даже не переснимали. Весь смысл рождался не в кадре, а на стыке двух кадров - в голове зрителя, который сам достраивает связь между тем, что видел до, и тем, что видит после.

Это и есть ключ к тому, почему отдельные красивые кадры из нейросети не складываются в историю. Кадр сам по себе - просто кадр, каким бы технически безупречным он ни был. Смысл и эмоция рождаются на стыке - там, где нейросеть ничего не контролирует, потому что это вообще не её задача.

Почему отдельные кадры не становятся историей

Когда каждый кадр генерируется отдельным промптом - "герой стоит у окна", "герой идёт по коридору" - без учёта того, что было до и что будет после, результатом становится набор фотографий, а не повествование. Десять красивых изображений, механически склеенных в один файл, остаются десятью красивыми изображениями.

Монтажное мышление - ровно обратный подход. С самого начала нужно держать в голове не кадр, а эпизод целиком: что зритель видел секунду назад и что должен почувствовать в следующую. Кадр сам по себе нейтрален, как тот крупный план лица у Кулешова. Значение ему придаёт сосед по монтажу.

Советский классик Сергей Эйзенштейн пошёл дальше Кулешова и вывел из этого целую теорию: смысл рождается из столкновения кадров, как искра при ударе кремня о кремень. Два кадра дают идею, которой не было ни в одном из них по отдельности. Звучит как теория ради теории, но на практике принцип работает буквально - в этом легко убедиться на любом неудачном AI-ролике, где каждый кадр хорош, а видео не смотрится.

Что помогает кадрам складываться в историю

Несколько практических принципов, которые меняют результат:

• Сначала раскадровка, потом генерация. Прежде чем открывать генератор, стоит набросать последовательность: что происходит в кадре 1, что в кадре 2, как они стыкуются между собой. Генерация - последний шаг, а не первый.

• Контроль ритма. Короткие кадры, быстро сменяющие друг друга, создают напряжение. Длинные планы успокаивают. Ролик из кадров одинаковой длины почти всегда выглядит монотонным, даже если каждый кадр сам по себе шедевр.

• Взгляды и направление движения. Частая и незаметная ошибка - если персонаж смотрит влево в одном кадре, а в следующем вдруг смотрит вправо без причины, зритель на подсознательном уровне теряет ориентацию в пространстве. Погружение разрушается, даже если зритель не может объяснить почему.

• Последний кадр сцены как стартовый кадр следующей. Если действие продолжается без резкой перебивки, имеет смысл брать последний кадр прошлого клипа как референс для следующей генерации - так изображение не "скачет" между сценами.

Почему это вообще важно именно сейчас

Сделать один красивый кадр в нейросети сегодня способен почти каждый, кто умеет сформулировать запрос. Это уже не навык, а данность: инструмент выровнял всех по уровню "технически чисто". А вот собрать из набора кадров историю, которую хочется досмотреть до конца, - по-прежнему редкость. Именно здесь проходит граница между тем, кто генерирует красивые картинки, и тем, кто снимает.

Монтаж как дисциплина существует почти сто лет, его преподают на первом курсе любой киношколы, и в эпоху нейросетей он не устарел ни на день - просто инструмент для реализации поменялся, а принципы остались ровно те же, что у Кулешова с его тарелкой супа.

Где удобно тестировать всё это на практике

Для таких экспериментов с кадрами и монтажом удобно иметь под рукой сразу несколько моделей, не оформляя десяток подписок. В боте Cyber AI собрано около пятнадцати моделей для фото и видео - от Banana и Seedream до Veo и Kling, плюс генерация музыки и озвучки, с понятной ценой за каждую генерацию.

Попробовать можно тут: TG | MAX

Если узнали в этом тексте свой опыт с AI-видео - поделитесь в комментариях, на каком моменте обычно ломается монтаж: на ритме, на взглядах героев или на чём-то ещё.