Как сделать нейровидео с озвучкой: полный гайд

Создать короткое видео с говорящим персонажем теперь можно без камеры, микрофона и навыков монтажа. Нейросети берут на себя всё: от сценария до озвучки. В этом гайде покажем полный цикл — от идеи до готового ролика — на примере российского сервиса ПК Маркетинг. Все инструменты уже встроены в одну платформу, VPN не требуется, а результат можно получить за несколько минут.

Шаг 1. Пишем сценарий в Чате AI

Прежде чем рисовать и анимировать, нужно понять, что именно будет говорить персонаж и какой текст появится на экране. В ПК Маркетинг для этого есть раздел «Чат AI» (левое меню). Откройте новый диалог и попросите нейросеть составить короткий, цепляющий сценарий под вашу задачу.

Пример запроса:

Напиши сценарий для вертикального рекламного ролика на 15 секунд. Персонаж — девушка, которая прошла курс по вайбкодингу и хочет рассказать о результате. Текст должен быть разговорным, с призывом зайти в канал.

Нейросеть предложит несколько вариантов реплик и сцен. Выберите лучший, при необходимости попросите сократить или сделать энергичнее. Готовый текст сценария копируем — он пригодится на шагах с озвучкой и описанием движения.

«Чат AI» с написанным промтом и ответом нейросети в виде сценария.

Шаг 2. Генерируем персонажа и фоны в разделе «Фото»

Теперь нужен визуал. Переходим в раздел «AI» → «Фото». Здесь доступна Лаборатория V2 — новый движок генерации изображений. С её помощью создаём персонажа, которого будем озвучивать.

Как работать с Лабораторией V2

Выберите проект (или оставьте «Авто»), затем — режим генерации:

• Текст → Изображение — создание с нуля по описанию.
• Редактирование — доработка загруженного фото по инструкции.
• Стилизация — перенос стиля с одного изображения на другое.
• Объединение — слияние нескольких картинок в одну.

Для нейровидео лучше всего сначала сгенерировать ключевой кадр с персонажем в режиме «Текст → Изображение». Промт должен быть подробным: локация, свет, настроение, детали внешности. Поле поддерживает до 1900 символов, есть негативный промт.

Пример промта:

Молодая девушка с рыжими волосами, сидит за столом с ноутбуком, на экране строки кода. Комната в неоновых синих и фиолетовых тонах. Надпись на экране: «Курс по вайбкодингу от Павла Преснякова». Уверенное выражение лица, мягкий свет.

Выбираем соотношение сторон 9:16 (или 16:9 для горизонтального видео). Одна генерация стоит около 10 токенов, занимает до 90 секунд. Если персонаж получился удачным, сохраняем изображение. Для видео понадобится 2-3 кадра с разными ракурсами (например, крупный план лица, руки на клавиатуре, общий план). Для этого используем тот же промт, меняя описание позы.

Интерфейс «Фото» в Лаборатории V2 с заполненным промтом, выбран режим «Текст → Изображение», формат 9:16.

Шаг 3. Оживляем изображения в разделе «Видео»

Когда статичные кадры готовы, переходим в раздел «AI» → «Видео». Это AI-видеогенератор, который умеет анимировать загруженные картинки.

Режимы генерации

• Текст → Видео — создание ролика по одному описанию (без исходного изображения).
• Изображение → Видео — анимация загруженного кадра.
• Переходы между кадрами — плавное соединение двух картинок в одно видео.

Для «говорящего» персонажа выбираем Изображение → Видео. Загружаем первый кадр с персонажем.

Загрузив картинку, пишем промт движения. Он должен коротко описывать, что делает персонаж. Сюда же можно вставить реплику, которую персонаж произносит — это поможет синхронизировать губы (в текущей версии генерации артикуляция пока ограничена, но текст задаёт настроение).

Пример промта:

Девушка говорит по-русски: «Хочешь вывести свой товар в топ на ВБ? Забирай гайд бесплатно в моём канале по кнопке ниже!» Лёгкая улыбка, кивает головой.

Дополнительные настройки

• Соотношение сторон: Горизонтальное (16:9) для YouTube, Вертикальное (9:16) для Stories, Reels, VK Клипов.
• Разрешение: HD (720p) — быстрее, Full HD (1080p) — оптимально, Ultra HD (4K) — максимальное качество, но дороже по токенам.
• Длительность: от 4 до 8 секунд. Стоимость зависит от разрешения и длительности (например, 8 секунд в HD — 106 токенов).

После нажатия «Сгенерировать видео» ожидаем результат. Повторяем для каждого кадра сцены.

раздел «Видео» с загруженным изображением, заполненным промтом, выбран режим «Изображение - Видео», вертикальный формат 9:16, настройки длительности.

Шаг 4. Делаем озвучку в разделе «Озвучка»

Теперь оживим голос. В левом меню выберите «AI» → «Озвучка». Сервис предлагает 30 голосов на русском языке — мужские и женские, с разными характерами: от «живого и энергичного» до «глубокого и спокойного».

Порядок действий

1. Вставьте текст сценария, который получили на Шаге 1, в поле ввода (до 20 000 символов).
2. Выберите голос из списка. Можно прослушать бесплатное превью перед генерацией.
3. Язык — русский, стиль — нейтрально (или подберите другой под настроение).
4. Нажмите «Озвучить».

Стоимость озвучки: 10 токенов за 1000 символов. Короткие ролики потребуют минимум токенов.

интерфейс «Озвучка» — вставлен текст, выбран женский голос «Анна», отображается примерная стоимость в токенах.

Шаг 5. Соединяем видео и звук

Финальный этап — монтаж. Скачайте полученные видеофрагменты и аудиодорожку. Загрузите их в любую простую программу для монтажа на телефоне (CapCut, InShot) или компьютере. Расставьте видео по порядку, подложите звук, подрежьте паузы, добавьте субтитры при необходимости. Экспортируйте — ролик готов.

Нейровидео с озвучкой перестало быть сложной задачей для профессионалов. 

Теперь весь цикл — от идеи до финального ролика — можно сделать в одном окне ПК Маркетинг. Нейросеть пишет сценарий, генерирует персонажа, анимирует его и озвучивает нужным голосом. Остаётся только склеить фрагменты и публиковать.

Попробуйте создать своё первое видео по этому гайду!