Как сделать видео из фото нейросетью: полный гайд 2026

Анна Северова, нейро-художник · 10 мин чтения · 24 июля 2026

У вас есть фото, которое хочется оживить: портрет, свадебный кадр, снимок бабушки из архива, карточка товара для рекламы. Раньше это была работа монтажёра с недельным ожиданием и недешёвым чеком, сейчас нейросеть собирает короткий ролик за пару минут. Но результат сильно зависит от того, как вы подойдёте к задаче: какое фото выберете, как опишете движение, какую модель включите под конкретную цель. Проще всего разобраться на практике, а не гадать методом тыка.

Сделать видео из фото можно в российской студии https://mnogogpt.ru/studio/ прямо из браузера, без VPN и без иностранной карты. Дальше разберём всё по порядку: какое фото подойдёт для оживления, как нейросеть работает с лицом и движением камеры, какие эффекты добавить, какой формат и длительность выбрать под конкретную площадку, как выбрать модель и описать движение промптом, сколько это стоит, на чём чаще всего спотыкаются новички и где у технологии честный потолок.

Кратко

Нейросеть превращает статичное фото в короткий ролик на несколько секунд: добавляет движение лица, лёгкий наезд камеры, ветер или анимацию фона. Для этого загружаете чёткий снимок, коротко описываете желаемое движение и выбираете модель под задачу: для лица лучше Kling, для кинематографичной картинки со звуком Veo. Стоит от 99 рублей за 5 секунд, оплата российской картой или через СБП, работает из России без VPN. Это короткая оживающая сцена на несколько секунд, а не полноценный фильм, и результат напрямую зависит от качества исходного фото.

Что вообще значит "видео из фото" и как это работает

Нейросеть берёт неподвижную картинку и достраивает к ней движение во времени. Технология называется image to video: модель анализирует кадр, отделяет человека от фона и предметов, строит внутреннее представление объёма и предсказывает, как каждая часть сцены могла бы двигаться в следующие доли секунды. Дальше она генерирует последовательность кадров, которая при склейке выглядит как непрерывное видео.

Важно понимать, что она не подставляет другое лицо и не выдумывает нового человека. Она берёт ровно то, что видит на фото, и заставляет это двигаться несколько секунд: лицо моргает, поворачивается, чуть улыбается, фон оживает, качаются деревья, идёт дождь. Чем чётче и понятнее исходник, тем убедительнее результат. Из мутного скана получится мутное видео, это стоит держать в голове ещё до загрузки фото.

Какое фото подойдёт, а какое нет

Половина разочарований от результата объясняется не слабостью модели, а неудачным исходником. Вот что реально работает.

Годится фото с чётким главным объектом: лицо анфас или в лёгком развороте, без рук и предметов, закрывающих часть лица, ровный свет без резких контровых бликов, разрешение хотя бы 1000 пикселей по короткой стороне. Для портрета важно, чтобы глаза и рот были хорошо видны, именно на них модель строит мимику. Для пейзажа или предметной съёмки достаточно, чтобы композиция была чистой, без хаотичного нагромождения объектов на переднем плане.

Не годится или даёт слабый результат: групповое фото, где лица мелкие и занимают меньше пятой части кадра, размытые и смазанные снимки, коллажи из нескольких фотографий, скан плохого качества с царапинами и пятнами, фото в головном уборе или очках, закрывающих половину лица, кадр с сильным цветовым фильтром или искажением перспективы (рыбий глаз, широкоугольные селфи вплотную). Если фото старое, поцарапанное или выцветшее, разумно сначала прогнать его через улучшение и восстановление, а уже потом отдавать на анимацию, иначе модель добросовестно оживит все дефекты вместе с лицом.

Оживление лица: мимика, взгляд, дыхание

Это самый частый и самый требовательный сценарий. Нейросеть умеет добавлять моргание, лёгкий поворот головы, движение взгляда, едва заметную улыбку, покачивание от дыхания. Работает это тем лучше, чем скромнее запрос. "Лёгкая улыбка и медленное моргание" почти всегда выглядит естественно. "Засмеялся, повернул голову, подмигнул и помахал рукой" за один проход часто плывёт: черты лица искажаются, пропорции сбиваются на середине движения.

Практический совет: просите одно-два движения максимум, а не сценарий. Если хочется больше действия, соберите его из двух отдельных генераций и склейте на монтаже. Отдельно стоит сказать про взгляд: если на исходном фото человек смотрит не в камеру, а немного в сторону, направление взгляда обычно сохраняется и в видео, и это стоит учитывать при выборе кадра.

Движение камеры: наезд, отъезд, панорама, параллакс

Помимо анимации самого объекта, почти все модели умеют двигать виртуальную камеру вокруг статичного кадра. Это отдельный инструмент, который работает даже на фото без людей: пейзаж, интерьер, товар на столе.

Наезд (zoom in) создаёт эффект приближения к деталям и хорошо подходит для заставок и интро. Отъезд (zoom out) раскрывает сцену и часто используется как финальный кадр ролика. Панорама сдвигает кадр в сторону, будто камера едет вдоль сцены. Параллакс имитирует лёгкую 3D-глубину, передний план смещается быстрее заднего, и статичное фото перестаёт выглядеть плоским. Движение камеры можно комбинировать с анимацией лица, а можно использовать отдельно, если объект на фото не человек и лишнее движение только повредит композиции.

Эффекты, которые добавляют кадру жизни

Кроме движения объекта и камеры, в запрос можно вписать атмосферные эффекты, и они часто дают больше ощущения "живого" кадра, чем анимация лица. Ветер, шевелящий волосы и одежду. Дождь или снег, падающий на фоне. Мерцающий свет свечей или гирлянды. Лёгкий дым или пар. Плавающие в воздухе частицы, пыль или лепестки. Блики и боке на заднем плане.

Для свадебной фотографии хорошо работает лёгкий ветер и мягкий свет. Для новогоднего снимка снег и мерцание огней. Для карточки товара чаще достаточно спокойного вращения камеры без лишней атмосферы, чтобы не отвлекать от предмета. Эффекты стоит добавлять по одному и смотреть на результат, а не сваливать в один запрос сразу дождь, ветер и дым: чем больше одновременных процессов, тем выше риск, что модель что-то из них не дорисует аккуратно.

Форматы и пропорции: под какую площадку что выбирать

Формат стоит выбирать до генерации, а не обрезать готовое видео после: при обрезке часто теряется композиция, ради которой вы описывали движение. Вертикаль 9:16 подходит для Reels, Stories и коротких видео в мессенджерах. Горизонталь 16:9 нужна для YouTube, сайта и показа на большом экране. Квадрат 1:1 хорошо ложится в ленту соцсетей, где часть аудитории листает с телефона без разворота.

Если планируете использовать один ролик сразу в нескольких местах, проще сгенерировать в нужном формате отдельно для каждой площадки, чем подгонять один вариант под все. Обычно это стоит немного дороже по числу генераций, зато композиция остаётся правильной, а не обрезанной по краям кадра.

Длительность: сколько секунд заказывать

Большинство моделей отдают ролики длиной от 5 до 10 секунд, и этого действительно достаточно, чтобы фото ожило и посмотрелось естественно. Дольше не значит лучше: чем длиннее генерация, тем выше шанс, что к концу ролика черты лица или пропорции объекта немного "поплывут", особенно на бюджетных моделях. Короткий убедительный момент выглядит живее, чем длинный с накопленными артефактами к финалу.

Если нужен ролик подлиннее, например для видеопоздравления или мини-фильма из семейного архива, разумная стратегия такая: сделайте несколько коротких клипов с разным движением на разных фото и склейте их в любом видеоредакторе, добавив музыку и переходы. Так получается длинный ролик без потери качества в каждом отдельном кадре.

Какую модель выбрать под задачу

Моделей много, у каждой свой характер, и универсально "лучшей" не существует, есть подходящая под конкретную задачу. Удобство студии с несколькими моделями под рукой в том, что можно переключаться между ними без новых подписок и регистраций.

Kling уверенно держит людей: реалистичная физика тела, мимика, длинные клипы, встроенный звук с синхронизацией губ. Если оживляете портрет, начинайте с него, и он же работает из России без VPN напрямую. Veo делает кинематографичную картинку: нативное высокое разрешение, атмосферный свет, звук с липсинком, но напрямую из России обычно требует VPN, тогда как через студию агрегатор доступен без обхода. Seedance годится для сложных сцен с несколькими референсами, когда нужно подать не одно, а два три фото или даже видео референс, чтобы задать движение точнее. Wan это крепкий рабочий вариант для image to video, когда важен предсказуемый результат без переплаты за художественные эффекты. Motion Control переносит движение с видео референса на вашего героя: если хотите, чтобы человек с фото повторил конкретный жест или танец, это сюда.

На старте достаточно простого правила: лицо и портрет берите Kling, красивую атмосферную картинку Veo, остальное пробуйте по ходу и сравнивайте результат.

Как описать движение промптом: примеры

Качество результата напрямую зависит от того, насколько внятно вы сформулировали задачу. Слабый запрос: "оживи фото". Нейросеть выдаст усреднённое случайное движение, которое может не подойти сцене вообще.

Сильный запрос собирается из блоков: объект, действие, камера, настроение. Пример для портрета: "мужчина на фото медленно поворачивает голову вправо, лёгкая улыбка, взгляд остаётся в камеру, свет тёплый, движение плавное". Пример для пейзажа: "камера медленно наезжает на горный хребет, облака плывут по небу, спокойное настроение, без резких движений". Пример для товара: "камера плавно облетает предмет слева направо, лёгкие блики на поверхности, фон статичен".

Меняйте по одному параметру за раз и сравнивайте результат, а не переписывайте весь запрос целиком. Если движение вышло слишком резким, уберите одно из действий и оставьте только главное.

Сколько стоит видео из фото нейросетью

Цена зависит от модели и длины ролика. В студии mnogoGPT видео начинается от 99 рублей за 5 секунд на рабочих моделях, дальше стоимость растёт вместе с длиной клипа и весом модели: Veo с 4K и звуком дороже, чем базовый Wan.

Для сравнения, у самих разработчиков моделей расценки часто выше и привязаны к месячной подписке, которую придётся оплачивать иностранной картой. В студии с российской оплатой платите только за конкретную генерацию, без обязательных подписок, и видите точную стоимость прямо перед запуском, так что неожиданных списаний не будет. Разумно начать с одной пробной генерации на своём фото, чтобы понять, устраивает ли результат, и только потом заказывать серию вариантов.

Как оживить именно старое фото

Со старыми снимками есть отдельный нюанс. Если фотография поцарапана, выцвела или мутновата, сначала её стоит привести в порядок, а уже потом оживлять. Порядок такой: убрать царапины и вернуть резкость, при желании раскрасить чёрно белый снимок, и только потом подавать на анимацию. Результат будет заметно убедительнее, чем если сразу кинуть в нейросеть мятый скан.

Восстановление делается там же, фото моделями: загружаете повреждённый кадр, получаете отреставрированную версию, а затем уже применяете к ней image to video. Подробный разбор восстановления и оживления семейных снимков есть в отдельной статье как оживить старое фото нейросетью.

Типичные ошибки новичков

Соберу то, на чём обычно теряют попытки и разочаровываются в результате раньше времени.

Мутный или пересвеченный исходник. Нейросеть не дорисует то, чего не видит на фото, чем чётче кадр, тем увереннее движение.

Слишком сложный запрос за один проход. Три действия сразу, и лицо начинает "плыть" к середине ролика. Дробите задачу на отдельные генерации.

Не та модель под задачу. Пейзаж в модели, заточенной под лица, и наоборот, результат разочарует. Сверьтесь с разделом про выбор модели выше.

Ожидание полного фильма. Image to video это короткий оживший момент на несколько секунд, а не готовый клип с сюжетом. Для истории подлиннее склеивают несколько таких кусочков на монтаже.

Формат выбран не под площадку. Сгенерировали горизонтальное видео, а нужно было вертикальное для Reels, в итоге либо обрезка с потерей композиции, либо повторная генерация.

Остановка на первой попытке. Нейросеть тем и хороша, что позволяет перебирать варианты быстро и недорого. Сделайте два три прогона с разными формулировками и выберите лучший, а не первый попавшийся.

Честные ограничения: чего нейросеть пока не может

Оговорюсь сразу, чтобы не было завышенных ожиданий. Сложную физику тела нейросеть иногда упрощает: резкие повороты, бег, взаимодействие с предметами в руках могут выйти неестественно, особенно на бюджетных моделях. Руки и пальцы остаются слабым местом почти у всех моделей, при активном жесте они иногда искажаются.

Синхронизация губ с длинной речью работает не идеально даже у топовых моделей, короткие фразы получаются заметно достовернее, чем целый монолог. Нейросеть не восстанавливает то, чего нет на фото, она не придумает момент, которого не было, а лишь оживляет то, что видит в кадре. На сложном загруженном фоне с мелкими деталями иногда проскакивают артефакты по краям кадра, особенно на длинных роликах. Текст, логотипы и надписи в кадре при движении камеры часто плывут и искажаются, для рекламных материалов с текстом это стоит учитывать заранее.

Ничего из этого не делает технологию бесполезной, но честная оценка потолка экономит нервы и лишние генерации: под простую понятную задачу результат стабильно хороший, под сложную постановочную сцену стоит закладывать несколько попыток.

Как сделать: по шагам

1. Выберите фото. Чёткое, с понятным главным объектом: лицо анфас, питомец, товар, пейзаж. Свет ровный, без резких бликов и теней на лице.
2. Если фото старое или повреждённое, сначала восстановите его. Уберите царапины, верните резкость, при желании раскрасьте, и только после этого переходите к анимации.
3. Откройте студию и раздел видео. В https://mnogogpt.ru/studio/ загрузка моментальная, превью видно сразу, пока файл догружается.
4. Выберите модель под задачу. Для лица и портрета Kling, для кинематографичной картинки со звуком Veo, для сложной сцены с референсами Seedance.
5. Опишите движение по формуле объект, действие, камера, настроение. Одно два действия за раз, без нагромождения сценария.
6. Задайте формат и длину под конечную площадку. Вертикаль 9:16 для Reels и Stories, горизонталь 16:9 для остального, 5 секунд для теста, до 10 для финального варианта.
7. Запустите, сравните пару вариантов и выберите лучший. Готовый ролик можно скачать сразу или пересоздать с другой формулировкой движения.

Часто задаваемые вопросы

Можно ли сделать видео из старого чёрно белого фото?

Да. Нейросеть добавляет движение независимо от того, цветной снимок или нет. Старое фото лучше сначала отреставрировать и при желании раскрасить, тоже нейросетью, а потом уже оживлять. Главное, чтобы на кадре хорошо читался главный объект: лицо, фигура или предмет, без сильных царапин и пятен поверх него.

Нужен ли VPN, чтобы сделать видео из фото?

Если работать через mnogoGPT, нет. Студия открывается из России без VPN, интерфейс на русском, оплата проходит обычной картой или через СБП. Часть зарубежных сервисов и моделей напрямую действительно требует обхода блокировок и иностранной карты, поэтому удобнее пользоваться студией, где нужные модели уже подключены к российской оплате.

Сколько длится готовое видео?

Обычно от 5 до 10 секунд. Этого достаточно, чтобы кадр ожил и смотрелся естественно, а не начал "плыть" к финалу от накопленных артефактов. Для истории подлиннее, например видеопоздравления или ролика из архива, несколько таких коротких клипов склеивают в видеоредакторе с музыкой и переходами.

Останется ли лицо человека таким же, как на фото?

Да, модели специально обучены сохранять черты лица и добавлять только движение, а не подменять человека. Если результат всё же "поплыл", обычно помогает более чёткий исходник, более простой запрос с одним движением вместо трёх и фото, где лицо не закрыто руками, очками или головным убором.

Сколько стоит сделать одно видео?

В студии mnogoGPT от 99 рублей за 5 секунд на рабочих моделях, дальше цена зависит от выбранной модели и длины ролика. Перед запуском студия показывает точную стоимость конкретной генерации, так что неожиданных списаний не будет. Подписка не обязательна, платите за каждую генерацию отдельно.

Можно ли оживить групповое фото сразу со всеми людьми?

Технически можно, но результат обычно слабее, чем с одиночным портретом: чем мельче лица в кадре, тем хуже нейросети даётся мимика каждого из них. Если важен качественный результат именно на лицах, лучше выбрать кадр с одним двумя крупными планами или заранее обрезать фото до нужного человека.

Почему видео получилось смазанным или с артефактами?

Чаще всего причина в исходнике: мутное, тёмное или пересвеченное фото модель не может улучшить на этапе анимации, она лишь оживляет то, что видит. Вторая частая причина, слишком сложный запрос с несколькими действиями сразу, из за которого черты лица плывут к середине ролика. Попробуйте более чёткое фото и упростите формулировку движения до одного главного действия, а не целого сценария.

Можно ли сделать видео из фото совсем без описания движения?

Да, часть моделей сама придумывает аккуратное движение, если оставить поле с описанием пустым. Обычно это лёгкое покачивание, моргание и небольшое движение камеры. Но собственный короткий текст с направлением движения почти всегда даёт более предсказуемый и подходящий именно вашей сцене результат.

Всё по теме: видео из фото нейросетью

• Какая нейросеть лучше делает видео из фото
• Сколько стоит видео из фото нейросетью
• Как написать промпт для видео нейросетью
• Как оживить старое фото нейросетью

Видео из фото это не магия и не готовый фильм по одной кнопке, а инструмент, который слушается точного исходника и внятного запроса. Выберите чёткое фото, опишите одно два движения, подберите модель под задачу и формат под площадку, и уже с первой второй попытки получите ролик, который не стыдно показать. Попробовать можно прямо сейчас в студии https://mnogogpt.ru/studio/: от 99 рублей за 5 секунд, оплата картой или через СБП, из России без VPN.