Конвейер ИИ-мультсериала: с посекундным сценарием Kling оживляет только одобренные сцены

Раньше пробы буксовали из-за размытого сюжета, размытых промптов (текстовых заданий для нейросети) и отсутствия опор. Теперь авторы проекта в своём производственном разборе показывают работающую цепочку. Конвейер ИИ-мультсериала держится на четырёх опорах: посекундный сценарий, опорные кадры, Kling и автоматическая проверка серий. Серия в пробе длится 24 секунды, в ней постоянные герои и русская речь.

Что нового в этом конвейере?

• Сначала история, потом анимация. Сюжет проверяют на дешёвых картинках GPT Image. Анимацию в Kling 4.0 запускают только после того, как человеку понравился черновик.
• Сценарий по секундам. В нём есть реплики, подача, паузы, реакция слушающего и отметка, где должен быть смех.
• Опорный лист героя, то есть одно изображение персонажа в двух ракурсах в полный рост, по которому модель держит внешность. Лист Зины без изменений используют в трёх сезонах.
• Проверка на понятность. Свежий ИИ-помощник пересказывает сцену по кадрам без звука. Если пересказ не совпал с задумкой, серия не выходит.
• Технические рамки готового ролика: 1080×1920, от 23 до 26 секунд, громкость около минус 14 LUFS (единица воспринимаемой громкости). Реплики сверяют через распознавание речи.

Полная цепочка выглядит так: библия героев (описание характера и внешности каждого персонажа), сценарий, решение человека, опоры, кадры GPT Image, голоса ElevenLabs eleven_v4, сборка с движением камеры, проверка. Затем человек смотрит черновик, Kling 4.0 снимает сцену одним планом за 2 или 3 дубля, голос правят функцией Voice Changer (смена голоса), идёт повторная проверка и выпуск.

Ролик короче вдвое, развязка к 8–12 секунде

До запуска конвейера авторы разобрали 16 чужих проектов и 24 выпуска. У семи коротких зарубежных образцов движение в кадре занимало в медиане (середине ряда) около 70% времени, у их собственного «живого комикса» 3,7%. Развязка у образцов наступала на 8–13 секунде, у них примерно на 35-й.

Отсюда рабочая рамка: от 15 до 25 секунд, первая секунда уже внутри ситуации, развязка к 8–12 секунде, в финале реплика или жест. Авторы оговаривают, что выборка небольшая.

На Kling это сработало так. Первый промпт просил сдержанной мимики, и лица вышли плоскими. После расписанной по секундам игры появились взгляды, брови и реакции слушающих. Сами авторы признают, что связь доказать не могут.

Где конвейер ломается?

• В первом дубле Kling запрет произнесли обе героини, хотя говорить его должна была одна. Во втором поднос скачком переместился со стола в руки. В третьем помогли запрет эха, точные интервалы речи и один неподвижный план, и все пять реплик распознались без повторов.
• Управление браузером отправляло задание раньше, чем загружалась картинка, и генератор получал старую опору. Теперь запуск идёт только после снимка формы, листы сверяют по виду и хешам (цифровым отпечаткам файлов), а каждая задача работает в своей вкладке.
• Seedance при указании «один лист, один человек» всё равно поставил двух Зин. В Flow не удалось совместить начальный кадр с листами героев, и в продолжении Veo герои смешались.

Как попробовать такой конвейер самому?

1. Распишите серию на 15–25 секунд по секундам: кто говорит, с какой интонацией, где пауза, где смех.
2. Сделайте для каждого героя опорный лист в двух ракурсах и прикладывайте его к каждому заданию.
3. Соберите черновик из 8–10 картинок с движением камеры и покажите его человеку, который не знает сюжета.
4. Только после одобрения отдавайте сцену видеомодели и закладывайте 2–3 дубля.

Есть ли российская замена в этой цепочке?

Российских видеомоделей авторы не тестировали, поэтому прямого сравнения нет. Этап сценария переносится без потерь: из доступных в РФ инструментов посекундную раскадровку можно черново собрать в YandexGPT или GigaChat. Доступность Kling, Veo и ElevenLabs в России источник не обсуждает, это стоит проверить до старта.

Что делать с этим прямо сейчас, по ролям

Автору Дзена. Начните с дешёвой версии: десяти картинок с движением камеры. По оценке самих авторов, этого хватает, чтобы проверить, смешна ли история.

Маркетологу. Деньги смещаются с генерации на сценарий. Платная анимация идёт только в ролики, прошедшие просмотр черновика, а значит, бюджет на неудачные дубли падает.

Предпринимателю. Домашние компьютеры здесь только управляют задачами, хранят файлы и монтируют, тяжёлая генерация идёт в облаке. Дорогое железо для старта не нужно, нужен человек, который решает «да» или «нет».

Что чаще всего спрашивают про такой конвейер?

Можно ли обойтись без дорогой анимации?

Да. Дешёвая версия той же истории в пробе собрана из десяти картинок GPT Image с движением камеры. Полную анимацию авторы оставляют для сцен, которые уже понравились.

Почему в промпте смешаны русский и английский?

Это рабочий приём авторов: реплики и интонация остаются русскими, постановка пишется по-английски. Отдельно его пользу они не сравнивали.

Кто решает, что серия готова?

Сборку и техническую проверку выполняют ИИ-помощники, решение о качестве принимает человек. Последнее слово за ним, и с этого шага стоит начинать собственный конвейер.