Ещё совсем недавно генерация видео нейросетью выглядела примерно так: человек идёт по улице, на третьей секунде у него становится шесть пальцев, на пятой фонарь превращается в дерево, а потом герой почему-то растворяется в асфальте.
Смотреть было весело. Использовать в настоящей работе — значительно сложнее.
Сейчас ситуация изменилась довольно резко. Современные модели уже умеют генерировать реалистичное движение, работать по исходной фотографии, сохранять персонажа между сценами, управлять камерой, добавлять речь и звуки, продолжать существующий фрагмент и даже связывать заданный первый кадр с последним. Google Veo 3.1 генерирует видео вместе со звуком и позволяет использовать референсы персонажей и объектов; в Flow можно продолжать сцены и собирать из них более длинные последовательности. Новая Gemini Omni 1.1 Flash уже умеет работать с начальным и конечным кадрами и выводить материал вплоть до 4K.
Runway тем временем предлагает Gen-4.5 для text-to-video и image-to-video, отдельные модели для редактирования готового видео и профессиональные форматы вплоть до ProRes, HDR и последовательностей кадров для дальнейшего композитинга. А в августе 2026 года на платформе появился WAN 3.0, способный генерировать до 30 секунд видео с собственным звуком.
То есть вопрос:
«Сможет ли нейросеть когда-нибудь делать нормальное видео?»
уже немного устарел.
Сможет. Делает.
Гораздо интереснее другое:
если производство картинки становится настолько дешёвым, что останется от привычной съёмки с камерой, актёрами, светом, студией и монтажом?
Первое, что исчезает, — необходимость снимать то, чего вообще не существует
Представьте обычный рекламный ролик.
Автомобиль едет по ледяной дороге в Исландии. Вокруг горы, северное сияние, камера летит рядом с машиной, затем проходит почти над колесом и заканчивает кадр сверху.
Ещё недавно для такой сцены требовались либо настоящая машина и настоящая Исландия, либо довольно серьёзный CGI.
Нужно было найти локацию, привезти съёмочную группу, получить разрешения, молиться погоде, арендовать технику, поставить камеры, потом ещё долго собирать всё на постпродакшене.
С генеративным видео появляется третий вариант:
создать сцену.
Не обязательно идеально с первого раза. Но уже сегодня человек способен задать внешний вид объекта, референс персонажа, движение камеры, атмосферу и получить десятки вариантов сцены без поездки куда-либо.
Google прямо позиционирует Flow как AI filmmaking tool, где изображения, видео, персонажи, референсы и редактирование постепенно объединяются в один процесс. К февралю 2026 года пользователи Flow создали уже более 1,5 млрд изображений и видео.
Масштаб говорит о многом.
Это перестало быть лабораторной игрушкой.
Но камера пока не умерла. Просто у неё появился очень странный конкурент
Есть старая ошибка в прогнозах технологий.
Появилась фотография:
живопись умрёт.
Появилось кино:
театр умрёт.
Появился Photoshop:
фотография закончилась.
Смартфон:
профессиональные камеры больше никому не нужны.
Обычно умирает не сама профессия или технология.
Исчезает часть работы, которую раньше приходилось делать только этим способом.
С видео произойдёт примерно то же самое.
Если мне нужен кадр настоящего человека, который рассказывает о собственном опыте, снимать человека по-прежнему очень логично.
Если нужен репортаж с пожара — генерация вообще не является альтернативой. Иначе это уже не репортаж.
Если снимается интервью, концерт, свадьба, спортивное событие или документальный фильм, ценность состоит именно в том, что камера зафиксировала реальность.
Но если нужен пятнадцатисекундный атмосферный кадр:
футуристический город под дождём,
вопрос «где мы это будем снимать?» постепенно становится странным.
Больше всего нейросети ударят по дорогому декоративному видео
Есть огромный пласт кадров, которые существуют только ради того, чтобы красиво что-нибудь показать.
Например, реклама косметики.
Флакон летит в воздухе. Вокруг капли воды. Камера делает невозможный пролёт. Жидкость красиво обволакивает упаковку.
Никто не интересуется:
действительно ли этот флакон летал?
Нам нужна картинка.
Раньше её снимали высокоскоростной камерой, строили сложные установки или делали в 3D.
Теперь можно сгенерировать.
То же самое касается значительной части абстрактной рекламы, заставок, музыкальных клипов, background-видео, иллюстративных сцен и B-roll.
Если кадр не должен доказывать факт, а нужен для создания впечатления, генеративное видео получает огромное преимущество.
B-roll вообще может измениться почти полностью
Кто хоть раз собирал ролик, знает эту механику.
Человек говорит:
Искусственный интеллект меняет промышленность.
Что показать сверху?
Роботизированный завод.
Серверы.
Инженер смотрит на монитор.
Манипулятор двигает деталь.
Раньше варианты были такими:
снять самому;
купить сток;
найти бесплатный сток;
использовать уже виденное всеми видео с роборукой.
Теперь появляется:
сгенерировать именно тот кадр, который нужен под эту фразу.
Не абстрактный «серверный центр №38475 со Shutterstock».
А:
ночной европейский завод, инженер в защитных очках наблюдает, как гуманоид сортирует металлические детали, медленный cinematic dolly-in.
Через минуту имеем несколько вариантов.
Для YouTube, рекламы и соцсетей это огромное изменение.
Причём моделям уже недостаточно просто сделать красивый кусочек
Настоящее кино начинается не с одного кадра.
Главная проблема ранней генерации состояла в постоянстве.
В первом ролике герой — мужчина 35 лет с короткими волосами.
Во втором внезапно немного другой мужчина.
В третьем куртка поменялась.
В четвёртом квартира уже не та.
Отдельно каждый клип прекрасен.
Вместе получается фильм о человеке, которого каждую сцену слегка заменяют его родственником.
😁
Поэтому сейчас практически вся индустрия гонится за consistency — сохранением персонажей, объектов и окружения.
Veo 3.1 позволяет давать модели несколько reference images — «ингредиентов» сцены — чтобы удерживать внешность персонажа, предметы и стиль между генерациями. Google отдельно отмечает улучшение сохранения идентичности персонажей и фонов.
Runway движется туда же через reference-driven генерацию и модели, которым можно передавать изображения, видео и ключевые кадры.
Именно consistency отделяет:
прикольный AI-ролик
от:
инструмент производства.
Второе большое изменение — камера постепенно становится текстовой командой
Раньше оператор выбирал:
объектив;
положение камеры;
траекторию;
скорость;
глубину резкости;
панораму;
наезд;
фокус.
Теперь часть этого можно буквально написать словами.
Runway Gen-4.5, например, позволяет задавать последовательные действия и довольно подробную choreography камеры. Компания прямо приводит управление camera movement и timing как одну из сильных сторон модели.
Это не значит, что оператор становится ненужным.
Скорее наоборот.
Человек, который понимает, как должен выглядеть хороший кадр, получает новый инструмент.
Пользователь без визуального опыта пишет:
красивая девушка идёт по улице, киношно.
Оператор может сформулировать:
низкая камера на уровне пояса, длиннофокусный объектив, медленное параллельное движение, небольшой handheld, контровой вечерний свет, фокус удерживается на лице, фон мягко сжат.
Оба используют одну модель.
Результат будет очень разным.
Генеративное видео не отменяет режиссуру. Оно делает плохую режиссуру дешевле
Это важная вещь.
Когда технический барьер падает, кажется:
Теперь все смогут снимать кино.
Технически — намного больше людей смогут создавать движущуюся картинку.
Но хорошее кино состоит не из факта существования движущейся картинки.
Нужны:
ритм;
сцена;
характер;
драматургия;
монтаж;
кадровая композиция;
понимание эмоции;
звук;
пауза;
выбор того, что вообще показывать.
Нейросеть может сделать великолепный кадр человека, который идёт через дождь.
Но почему он идёт?
Почему зрителю должно быть не всё равно?
Зачем камера находится именно здесь?
Почему кадр заканчивается сейчас?
Эти вопросы никуда не исчезают.
Поэтому массовое появление AI-видео, скорее всего, произведёт огромное количество визуально великолепной скуки.
Мы уже пережили то же самое с текстами.
Зато раскадровки и превиз могут измениться почти мгновенно
Вот здесь преимущество почти бесспорное.
Режиссёр хочет снять сцену.
Раньше он рисовал storyboard либо заказывал художнику. Для сложной сцены делали animatic или 3D-превиз.
Теперь можно довольно быстро получить приблизительное видео:
герой выходит из лифта, камера отъезжает, в конце коридора появляется второй персонаж.
Пускай лица пока слегка плавают.
Неважно.
Главное — проверить:
работает ли композиция;
понятна ли сцена;
нужен ли общий план;
сколько примерно длится действие.
AI становится не обязательно финальной камерой.
Он становится черновиком будущей камеры.
Для большого кино это может экономить серьёзные деньги ещё до первого съёмочного дня.
Производство рекламы ускорится особенно сильно
Рекламный рынок обожает варианты.
Клиент говорит:
Сделайте бутылку чуть левее.
Потом:
А можно фон не синий, а ночной город?
Через день:
Давайте всё-таки море.
После моря:
А как было в первом варианте?
😁
В классическом производстве каждое подобное изменение может означать новый рендер, композитинг или вообще пересъёмку.
Генеративный pipeline превращает значительную часть изменений в итерации.
Google уже позволяет в Flow вставлять новые объекты в существующие сцены, продолжать видео, менять исходные «ингредиенты» и связывать начальный и конечный кадр.
Runway Aleph 2.0 вообще строится вокруг редактирования готового видео с помощью текста и изображений, а Gen-4.5 уже выводит материалы в форматах, рассчитанных на профессиональный постпродакшен.
То есть нейросеть постепенно перестаёт быть генератором:
нажал кнопку — получил ролик.
Она превращается в часть монтажной системы.
И это, пожалуй, важнее самого text-to-video
Первые демонстрации AI-видео строились вокруг магии:
Напиши текст — получи кино.
Звучит великолепно.
Но профессионалу намного важнее контроль.
Допустим, у меня уже есть нормальный кадр актёра.
Я хочу:
убрать лишнего человека на заднем плане;
изменить время суток;
продлить сцену ещё на три секунды;
добавить объект;
заменить часть декорации;
создать промежуточные кадры;
сделать альтернативную концовку.
Вот здесь AI начинает экономить существующее производство, а не пытаться заменить его целиком.
Adobe прекрасно понимает этот сдвиг. В Firefly компания в 2026 году объединяет генерацию, редактирование, управление проектными материалами и видеотаймлайн в одном рабочем пространстве, причём внутри доступны и собственные модели Adobe, и сторонние Veo, Runway, Kling и другие.
Это уже похоже не на Midjourney для видео.
Это будущий монтажный стол.
Кстати, моделей стало столько, что отдельной профессией скоро станет «помню, где какой генератор»
На одной платформе лучше персонажи.
На другой — движение камеры.
Третья хорошо работает с референсом.
Четвёртая умеет звук.
Пятая дешевле.
Шестая делает длиннее.
Седьмая внезапно лучше всех генерирует кота, который ремонтирует Жигули.
И через три недели всё поменялось.
Поэтому я сам всё больше люблю агрегаторный подход: когда для одной задачи не приходится держать отдельную подписку на каждый новый модный сервис. В Syntx AI сейчас собрано больше сотни нейроинструментов в одной подписке — модели для текста, изображений, видео и других задач. Для генеративного производства это особенно удобно: можно выбирать инструмент под конкретный кадр, а не пытаться заставить одну любимую нейросеть делать абсолютно всё.
И вот такая модель использования, думаю, вообще будет типичной.
Нас в итоге будут интересовать не названия двадцати AI-моделей.
А:
какая сейчас лучше выполнит вот этот кусок работы?
Звук оказался ещё одной границей, которая начала исчезать
Ранний AI-ролик обычно был немым.
Потом отдельно делали музыку.
Отдельно голос.
Отдельно шумы.
Современные модели уже генерируют всё вместе.
Veo 3.1 умеет создавать dialogue, ambient noise и sound effects непосредственно вместе с видео.
Sora 2 тоже в 2025 году появилась с синхронизированным диалогом и звуковыми эффектами, хотя сам продукт Sora OpenAI прекратила поддерживать 26 апреля 2026 года.
История Sora, кстати, великолепно показывает скорость нынешнего рынка.
В феврале 2024 года её первый ролик выглядел как событие всей индустрии.
В 2025 появилась Sora 2.
Весной 2026 продукт уже закрыт.
За два года технология прошла путь от:
О ГОСПОДИ, OPENAI ДЕЛАЕТ ВИДЕО!
до:
ладно, следующий.
Так сейчас быстро меняется этот рынок.
Актёры тоже никуда полностью не денутся
Но часть актёрской работы изменится.
Представьте рекламу мобильного приложения.
Раньше нужна девушка, которая идёт по квартире, садится на диван, берёт телефон и улыбается.
В рекламе нет никакой уникальной актёрской задачи.
Это функциональный человек в кадре.
Именно такие сцены довольно легко могут мигрировать в генерацию.
А теперь представьте крупный драматический план Энтони Хопкинса.
Пять секунд молчания.
Почти незаметное изменение выражения глаз.
Вот здесь идея:
нарисуем человека примерно так же
уже значительно слабее.
Чем больше ценность сцены зависит от уникальной человеческой игры, тем труднее заменить её просто красивой генерацией.
То есть рынок опять разделится.
Декоративный актёр массовой рекламы окажется под большим давлением.
Сильный актёр как автор собственного исполнения — намного меньше.
Зато появится отдельный рынок цифровых актёров
Человек однажды снимает большой набор:
лицо;
эмоции;
движения;
голос;
тело;
разные ракурсы.
После этого лицензирует собственный цифровой образ.
Компания получает право:
использовать внешность актёра в трёх рекламных роликах в течение года.
Актёр физически на съёмку не приезжает.
Технически подобные вопросы уже возникали задолго до современных видеогенераторов, а рост генеративного AI только делает их острее: кто владеет likeness, можно ли изменять исполнение, на какой срок предоставлено разрешение, может ли студия использовать цифрового человека после завершения договора?
Здесь профессия не исчезает.
Появляется новый актив:
цифровая личность исполнителя.
И именно поэтому вопрос согласия на использование внешности будет становиться важнее качества очередной модели.
Массовое кино может стать намного дешевле, а хорошее — не обязательно
Это ещё один парадокс.
Мы слышим:
AI снизит стоимость фильма в десять раз.
Возможно, некоторых фильмов.
Но если режиссёр получил инструмент, который позволяет за те же деньги создать в десять раз больше мира, он часто не снизит бюджет.
Он сделает фильм сложнее.
Так уже происходило с компьютерной графикой.
CGI должен был сделать производство дешевле.
Вместо этого зритель получил армии из десяти тысяч существ, космические города и двухчасовые фильмы, где половина кадров содержит эффекты.
То же самое может произойти с AI.
Маленькая студия за прежние деньги сможет сделать проект, который раньше был ей вообще недоступен.
Большая студия сможет сделать ещё более безумный проект.
Технология снижает цену одного кадра.
Но одновременно повышает наши ожидания от количества и сложности кадров.
Самое сильное изменение произойдёт не в Голливуде, а ниже
Большая киностудия и сейчас может снять практически всё.
Нужен дракон?
Нарисуют.
Нужен Марс?
Построят.
Нужен Нью-Йорк 1927 года?
Несколько сотен специалистов решат задачу.
Главное ограничение — деньги.
AI особенно сильно изменит уровень, где этих денег никогда не было.
Маленькая рекламная студия.
YouTube-канал.
Музыкальная группа.
Региональный бизнес.
Автор фильма.
Учитель.
Исторический блог.
Инди-разработчик.
Человек, который вчера мог сделать только говорящую голову, теперь сможет вставить в ролик:
битву античного флота;
лунную базу;
Москву XIX века;
аварию космической станции.
Не идеально.
Но достаточно хорошо для множества задач.
Вот здесь демократизация действительно огромная.
Документальное видео, наоборот, станет дороже как доказательство
Чем лучше генерация, тем более ценным становится вопрос:
Это действительно было?
Представьте новость:
в городе произошло наводнение.
Прилагается идеальное видео.
Ещё несколько лет назад сам факт наличия записи был сильным доказательством.
Теперь всё меньше.
Поэтому provenance — происхождение контента — становится отдельной технологией.
Google встраивает в AI-видео SynthID, который позволяет определять материал, созданный её генеративными системами. Veo 3.1 использует эту маркировку, а в Gemini уже можно загрузить видео и проверить, было ли оно создано инструментами Google.
OpenAI для Sora использовала C2PA-метаданные и дополнительные сигналы происхождения.
Чем реалистичнее синтетическое видео, тем важнее станет не:
выглядит ли запись настоящей?
а:
откуда она пришла?
Возможно, репортёрская камера вообще станет более ценной
Звучит странно.
AI способен генерировать идеальные сцены, значит настоящая камера должна обесцениться?
Для художественного изображения — возможно.
Для свидетельства — наоборот.
Кадр:
поезд въезжает на вокзал,
можно сгенерировать сколько угодно раз.
Кадр:
именно этот поезд действительно въехал именно сегодня,
имеет совсем другую природу.
Поэтому журналистика, документальное кино и научная съёмка получат новую задачу: не только записать событие, но и обеспечить цепочку доверия к записи.
Очень возможно, что слово:
real footage
станет отдельным жанровым маркером.
При этом AI-видео тоже будет полезно документалистике
Например, нужно показать событие, которое никто не снимал.
Историческая реконструкция.
Как выглядел город.
Как происходил процесс.
Раньше использовали рисунки, постановочную реконструкцию или CGI.
Теперь можно создать визуальную сцену значительно дешевле.
Но здесь критически важно честно обозначать:
реконструкция.
Иначе через пару лет интернет окончательно заполнится роликами:
УНИКАЛЬНАЯ СЪЁМКА ПАДЕНИЯ РИМА, 476 ГОД.
Камера GoPro Centurion Edition.
😁
Чем мощнее генеративная технология, тем важнее культура её использования.
Киношный монтаж тоже изменится
Сегодня монтажёр работает с тем, что сняли.
Есть хороший дубль.
Плохой.
Ещё один.
Не хватает двух секунд после поворота головы?
Ну, не хватает.
Можно что-то придумать.
В генеративном workflow появляется:
продлить дубль ещё на две секунды;
изменить движение камеры;
создать переход;
восстановить отсутствующий элемент;
добавить альтернативную реакцию.
Монтаж начинает работать не только с существующими кадрами, но и с вероятными кадрами, которые можно создать по необходимости.
Вот это очень фундаментальное изменение.
Материал перестаёт быть фиксированным.
Хотя свобода создаёт новую проблему: когда вообще остановиться?
Старая съёмка имеет прекрасное ограничение.
День закончился.
Аренда студии закончилась.
Актёр ушёл.
Вот материал.
Монтажёр работает.
AI способен выдать:
вариант №487.
А если чуть изменить свет?
№488.
Пусть камера будет на пять сантиметров ниже.
№489.
Другая улыбка.
№490.
Можно улучшать бесконечно.
И здесь внезапно возрастает ценность человека, который способен сказать:
Всё. Этот вариант хороший. Берём.
То есть вкус и способность принимать решение становятся ещё важнее.
Генерация решает дефицит вариантов.
После этого главной проблемой становится их избыток.
Профессионал будущего, вероятно, будет меньше «делать руками» и больше управлять вариантами
Монтажёр не исчезает.
Но вместо часа ручной маски может попросить систему выделить объект.
Оператор может не физически двигать камеру в каждом кадре, а задавать виртуальную кинематографию.
VFX-художник меньше рисует отдельные элементы и больше контролирует генерацию и исправляет ошибки.
Режиссёр получает возможность попробовать десять постановок сцены до реальной съёмки.
Специалист становится скорее дирижёром производства.
Это ровно то, что происходит сейчас почти со всеми творческими профессиями под влиянием генеративного AI.
Самая дешёвая часть работы автоматизируется.
Самая дорогая перемещается к выбору.
Кстати, не всё обязательно надо генерировать
Вот это, думаю, станет признаком зрелости.
Первые пользователи новой технологии стараются применить её ко всему.
Сделаем весь ролик нейросетью!
Почему?
Потому что можем!
Потом человек тратит три дня на генерацию сцены обычного стола, которую можно было за десять минут снять телефоном.
😁
Хорошее производство будет гибридным.
Настоящий человек?
Снимаем.
Нужен невозможный фон?
Генерируем.
Есть хороший дубль, но мешает предмет?
AI-edit.
Нужен атмосферный перебивочный кадр?
Generate.
Сложный продуктовый macro?
Сравниваем CGI, практическую съёмку и AI по цене и качеству.
То есть нейросеть станет ещё одним инструментом.
Очень мощным, но не религией.
И в этом смысле название «AI-фильм» со временем может исчезнуть
Сейчас оно продаёт новизну.
Первый фильм, сделанный AI!
Первый AI-клип!
Первая AI-реклама!
Через несколько лет это может звучать примерно как:
фильм, смонтированный на компьютере.
Ну да.
А как ещё?
В production будут одновременно использоваться:
реальная съёмка;
3D;
генеративное видео;
AI-upscale;
синтез звука;
традиционный монтаж;
виртуальные декорации;
ручной композитинг.
Никому не понадобится проводить границу:
вот здесь был AI, а здесь уже не AI.
Главное, чтобы итог работал.
Поэтому обычная съёмка не исчезнет. Изменится причина, по которой мы снимаем
Сегодня мы часто снимаем, потому что другого способа получить нужное изображение нет.
Нужно показать человека возле машины?
Привозим человека и машину.
В будущем эта причина частично исчезнет.
И тогда съёмка останется там, где важен сам факт присутствия реального объекта.
Настоящий человек.
Настоящее место.
Настоящее событие.
Уникальная игра актёра.
Физическая фактура.
Документальность.
Либо там, где взять камеру всё ещё быстрее, дешевле и проще, чем объяснять нейросети двадцать минут:
нет, чашка должна стоять НОРМАЛЬНО.
😁
А всё остальное станет вопросом экономики
Нужно десять секунд фантастической сцены для Дзен-ролика?
Генерация.
Нужно интервью?
Камера.
Нужен рекламный фон?
Посчитали.
Нужно снять завод заказчика?
Едем на завод.
Нужно показать завод на Марсе?
Лучше всё-таки не ждать открытия филиала.
Именно поэтому я не думаю, что камеры исчезнут.
Исчезнет огромное количество съёмок ради получения картинки, которую теперь дешевле синтезировать.
Это довольно существенная разница.
Самое интересное начнётся, когда AI научится держать длинную историю
Пока ещё генеративное видео во многом живёт короткими сценами. Даже Runway Gen-4.5 по своей стандартной спецификации генерирует фрагменты длиной до десяти секунд, хотя другие современные модели и механики extension уже позволяют идти дальше.
Но сам тренд очевиден.
Персонажи становятся стабильнее.
Длительность растёт.
Появляется звук.
Улучшается физика.
Добавляется контроль над монтажом.
Появляются reference assets.
Следующая большая граница — возможность сказать:
Вот сценарий на двадцать минут. Вот три героя. Вот их внешность, голоса и характеры. Вот визуальный стиль. Сделай первую сборку фильма.
Не финальный фильм.
Хотя бы первую сборку.
Вот тогда традиционная производственная цепочка начнёт меняться особенно сильно.
И всё-таки человеку останется самая неприятная часть работы
Решить:
что мы вообще хотим сказать?
Нейросеть великолепно убирает технические ограничения.
Она может дать тысячу кадров.
Сто вариантов сцены.
Двадцать движений камеры.
Пять голосов.
Три локации.
Но количество вариантов не создаёт замысел автоматически.
Более того, чем дешевле производство изображения, тем меньше ценности становится в самом факте:
смотрите, какая красивая картинка.
Красивой картинки будет бесконечно много.
Ценность сместится в историю.
Идею.
Авторский взгляд.
Наблюдение.
Эмоцию.
То есть AI способен довольно сильно обесценить производство изображения.
Но это совсем не то же самое, что обесценить кино.
Через несколько лет мы, возможно, вообще перестанем удивляться синтетическому видео
Сегодня хороший AI-ролик всё ещё вызывает:
Да ладно, это нейросеть?!
Через пару лет реакция может измениться:
Ну нейросеть. И что?
Как сегодня никто не восхищается самим фактом, что фотографию обработали в Photoshop.
Технология исчезает из внимания, когда становится достаточно хорошей.
И тогда у создателя снова останется самый старый вопрос искусства:
А показать-то ты что хотел?
Нейросеть сможет дать ему камеру, актёров, студию, свет, декорации и целую виртуальную съёмочную группу.
Возможно — буквально за стоимость одной сегодняшней подписки.
Но кнопку:
«Сделать интересно»
почему-то опять забудут добавить.
И подозреваю, именно поэтому настоящим режиссёрам ещё довольно долго будет чем заняться.
