Представьте, что вам привезли швейную машину — мощную, профессиональную, «лучшую в мире». Только строчит она кусочками по восемь сантиметров, а потом останавливается. Хотите платье? Сшейте сами из двенадцати таких кусочков. Это не поломка. Это устройство станка.

Именно так работает цех видео в 2026 году. Нейросеть выдаёт клип длиной пять-восемь секунд — идеально резкий, гладко движущийся, без единого артефакта в одном кадре. Попросить «сделай мне ролик на минуту» пока нет смысла: он либо откажется, либо сделает нечто склеенное наспех, где главный герой к середине превращается в другого человека. Восемь секунд — это свойство станка, а не его недостаток. Из этих коротких звеньев собирается лента.

Хорошая новость: станков в цехе сейчас несколько, и каждый ходит. Плохая: один из самых разрекламированных — уже нет. Именно с этого парадокса и начнём.

Часть 1. Видео — это движущийся кадр

В Уроке 3 вы научились просить кадр. Кадр — это замороженный момент: человек стоит, свет падает, фон чёткий. Всё неподвижно. Видео — это тот же кадр, только запущенный во времени. Камера немного движется, листья чуть колышутся, человек поворачивает голову. Разница — в тысячах кадров, из которых сшита секунда.

Из этого следует практически важная вещь: всё, что вы уже умеете про кадр — угол съёмки, свет, композицию, «крупный план руки с чашкой», — переносится в видеоцех один в один. Промпт для видеостанка строится точно так же, как вы делали в предыдущем цехе: объект + что происходит + обстановка + движение камеры. Разница только одна: теперь к описанию кадра добавляется описание движения.

Практика быстро подсказывает ответ: движение камеры — самый управляемый параметр. «Медленно наезжает на лицо», «медленный облёт сверху», «камера неподвижна, рука тянется к стакану». Объект тоже может двигаться, но объяснить нейросети, как именно — сложнее. Зато движение камеры она понимает хорошо: этого в обучающих данных было много.

Часть 2. Почему 5–8 секунд — это свойство станка

Нейросеть генерирует видео покадрово и удерживает в памяти согласованность всего, что происходит: где стоит герой, как падает свет, какая там стена за спиной. Чем длиннее клип, тем больше согласованности надо держать — и тем дороже это обходится вычислительно. На восьми секундах станок держит уровень качества. На сорока — начинает «забывать»: герой меняет рубашку, стена меняет цвет, рука вырастает из другого места.

Google Veo 3.1 генерирует клипы до 8 секунд со звуком — в 1080p и 4K [1]. Hailuo (MiniMax) выдаёт 6 секунд [3]. Pika — 5 секунд [4]. Не потому что разработчики поленились: именно в этом диапазоне современные архитектуры удерживают согласованность визуально приемлемо.

Это напоминает, как в Уроке 1 мы говорили: «клипы короткие — это не баг, это свойство станка». Там это был принцип. Здесь — его причина. Понимая её, вы перестаёте злиться на ограничение и начинаете работать с ним: делаете много коротких, отборных звеньев, а не одно длинное среднее.

Часть 3. Живые станки: обзор на сегодня

Рынок видеогенераторов за 2025–2026 год переколбасило: одни выросли из игрушек в рабочие инструменты, другие исчезли. Ниже — снапшот на 2026-05-31. Цены и лимиты меняются ежемесячно — всегда проверяйте на сайте перед оплатой.

Источники: официальные сайты инструментов, снапшот 2026-05-31 [1][2][3][4][5].

Несколько практических наблюдений. Veo 3.1 сейчас топовый по качеству и единственный со встроенным звуком — это принципиально для цеха звука, куда мы придём в Уроке 5. Kling и Hailuo — дешёвые рабочие лошадки для быстрой нарезки черновиков. Runway — универсал с достаточным free-tier для теста. Kandinsky работает без VPN из России и принимает рублёвые карты.

Как именно просить хороший клип? Всё то же, что вы освоили в цехе картинок: объект, свет, фон, угол камеры — плюс движение. Короткое описание действия лучше длинного: «рука медленно поднимает чашку, лёгкий пар над краем, кухонный стол, естественный свет, камера статична» работает лучше, чем «утро, уют, кофе, жизнь прекрасна».

Часть 4. Станок сняли с производства — и это нормально

26 апреля 2026 года OpenAI закрыл Sora — веб-приложение и сайт [6]. API продержится до 24 сентября 2026, потом тоже уйдёт. Ещё раньше, 12 мая 2026, исчезли DALL·E 2 и DALL·E 3 — заменены GPT Image 2 прямо внутри ChatGPT.

Реакция на это в интернете разделилась на два лагеря. Одни писали: «Всё пропало, учил полгода — выкинул». Другие: «Ну и что, пересел на Veo, те же восемь секунд». Второй лагерь — это люди, которые учились конвейеру, а не конкретному брендовому станку.

Часть 5. Как собрать длинное из коротких звеньев

Ролик на 60 секунд из восьмисекундных клипов — это восемь звеньев, склеенных в ленту. В сборочном цехе (Урок 7) мы разберём монтажные инструменты вплотную. Здесь — только принцип стыковки, потому что его нужно закладывать при генерации, а не потом.

Главная проблема при склейке — стык. Если один клип заканчивается на крупном плане лица, а следующий начинается с того же крупного плана чуть под другим углом — будет склейка «в прыжок», которую зритель замечает. Это не критично, но режет восприятие. Чтобы стыки не резали, при генерации планируйте переходы: клип А заканчивается движением «камера отъезжает», клип Б начинается с общего плана, потом входит в крупный.

Подробнее о монтаже, субтитрах и связке клипов в одну линию — в Уроке 7 (сборочный цех). Здесь главное: сборку видео планируют в цехе идей, исполняют в цехе видео, и склеивают в сборочном цехе. Три разных цеха, три разных операции.

Часть 6. ОТК видео: морфинг, артефакты, уплывающие детали

Видео труднее проверять, чем картинку: там двигается всё. ОТК видео — это смотреть в паузу и смотреть в движении. Три главных дефекта, которые чаще всего пропускают новички:

Рабочий протокол ОТК: (1) посмотрите клип целиком на скорости; (2) остановитесь в середине — проверьте детали; (3) сравните начало и конец: тот же герой, та же одежда, тот же фон. Если всё совпадает — клип проходит. Если нет — перегенерируйте с более коротким промптом движения или возьмите другой вариант из запаса.

Резюме