Промпты

Промпт для видео нейросети: структура и 10 примеров

Как написать промпт для видео: план, объект, действие, камера, свет, темп и звук. Десять готовых промптов для Veo 3.1, Kling и Seedance и что ломается в движении.

Нина Арсеньева··обновлено 2 ноября 2026·11 мин чтения

Коротко

Промпт для видео описывает не картинку, а то, что меняется за секунды клипа: одно действие, одно движение камеры, свет и темп. В Veo 3.1 туда же входит звук: реплики пишут в кавычках, шумы — отдельными фразами.

Иллюстрация к материалу «Промпт для видео нейросети: структура и 10 примеров»

Промпт для видео нейросети отличается от промпта для картинки одним: кроме того, что в кадре, он описывает, что меняется за секунды клипа. Рабочий порядок — план и крупность, объект, действие, движение камеры, свет, темп и, для моделей со звуком, звук. Ниже — разбор блоков, длина клипа у трёх моделей каталога, десять промптов на двух языках и таблица сбоев в движении.

Если вы делаете ролик впервые, начните с гида по ИИ-видео: там выбор модели и порядок работы, здесь — только текст запроса.

Структура промпта для видео

БлокЧто задаётПример
План и крупностьСколько пространства в кадре и сколько деталей модель держит в движении«средний план», «крупный план рук»
ОбъектКто или что в центре внимания«женщина в жёлтом дождевике»
ДействиеОдно событие за длину клипа«раскрывает зонт»
Движение камерыКак меняется точка зрения«медленный наезд», «камера неподвижна»
СветИсточник, время суток, характер«пасмурный день, рассеянный свет»
ТемпСкорость действия и ощущение от монтажа«замедленно», «спокойный темп»
ЗвукРеплики, шумы, фон — для моделей со звуком«шум дождя по ткани зонта»

Google в руководстве по промптам для Veo 3.1 предлагает ту же логику короче: операторская работа, объект, действие, контекст, стиль и атмосфера. Мы выносим темп и звук в отдельные блоки: в клипе на несколько секунд они решают больше, чем стиль. Там же совет про исключения — описывать их конкретно: «пустынный пейзаж без зданий и дорог» вместо абстрактного «без рукотворных сооружений».

Чем видеопромпт отличается от описания кадра и почему приёмы из генерации картинок переносятся не все — в разборе видео по текстовому описанию.

Действие: одно на клип

За восемь секунд человек успевает раскрыть зонт или обернуться, но не дойти до двери, сесть и открыть книгу. Три действия модель смешает в одно невнятное движение или ускорит до неестественного. Действие описывают глаголом в настоящем времени: «раскрывает зонт», а не «должна раскрыть зонт».

Камера надёжнее героя

Наезд, отъезд, панорама и проводка отрабатываются стабильнее действий людей: камере не нужна анатомия. Нужен результат с первых попыток — двигайте камеру, а не героя. Названия движений и то, что каждое делает с кадром, — в справочнике по камере и оптике.

Как описать звук в промпте для Veo

Veo 3.1 генерирует видео сразу со звуком. В руководстве Google звук разложен на три слоя: точные реплики пишут в кавычках, звуковые эффекты — после пометки SFX, фоновый шум — после пометки Ambient noise. Реплика должна уложиться в длину клипа: за восемь секунд персонаж скажет фразу, а не абзац.

Как Veo 3.1 произносит реплики на русском, мы не проверяли: примеры в руководстве Google — на английском. У Kling 3.0 звук — платная опция: со звуком секунда дороже на 50%. Seedance 2.0 генерирует звук по умолчанию, и его можно отключить. Пометки SFX и Ambient noise описаны в руководстве для Veo; как их читают другие модели, мы не проверяли. Если звук всё равно собирается на монтаже, звуковой блок из промпта убирают — у Kling генерация без звука ещё и дешевле.

Проверить, как модель понимает три слоя звука, можно до оплаты API: способы попробовать модель без ключа собраны в гиде Veo бесплатно. Первую пробу разумно сделать по-английски, как в примерах руководства, а русскую реплику проверить вторым роликом — так будет видно, что именно сломалось.

Сколько секунд видео нейросеть делает за раз

Длина — параметр генерации, а не слово в промпте: «сделай ролик на двадцать секунд» ничего не изменит.

МодельДлина клипаЗвук
Veo 3.14, 6 или 8 секунд, есть расширение клипавходит в генерацию
Kling 3.0от 3 до 15 секундопция за доплату, +50% к цене секунды
Seedance 2.0от 4 до 15 секундпо умолчанию, отключается

Вышедшие летом Seedance 2.5 и Wan 3.0 дают до 30 секунд одним клипом, но в нашем каталоге их пока нет. Sora 2 в таблице тоже нет: 24 сентября 2026 года OpenAI отключила API и модели sora-2 и sora-2-pro, а потребительскую версию закрыла ещё в апреле. Под неё промпты больше не пишут.

Длинный клип не заменяет два коротких: с длиной копится дрейф, и две восьмисекундные сцены, склеенные на монтаже, обычно выглядят собраннее одной длинной.

У Kling длина и звук выставляются в интерфейсе генерации, а не словами в промпте. Где эти настройки и как не заплатить за звук, который всё равно заменят на монтаже, — в гиде как пользоваться Kling.

10 готовых промптов для видео

После каждого промпта — на что смотреть в результате. Строка «Звук» нужна моделям, которые генерируют звук: Veo 3.1, Seedance 2.0 и Kling 3.0 с платной опцией. Если звук собирается на монтаже, строку удаляют.

Продукт

1. Флакон в контровом свете

RU: Крупный план: стеклянный флакон духов на тёмной каменной подставке, камера медленно обходит его по малой дуге, жёсткий контровой свет сзади справа, блики скользят по стеклу, тёмный фон, спокойный темп. Звук: тихий низкий гул, едва слышный звон стекла

EN: Close-up: a glass perfume bottle on a dark stone stand, the camera slowly arcs around it, hard backlight from behind on the right, highlights glide across the glass, dark background, calm pace. Audio: low quiet hum, faint glass chime

Малая дуга показывает объём, а этикетка почти не поворачивается: надпись на вращающемся предмете поплывёт первой.

2. Кофе наливают в чашку

RU: Средний крупный план: в белую чашку на деревянном столе тонкой струёй наливают кофе из медного чайника, поднимается пар, медленный наезд камеры, утренний свет из окна слева, тёплые тона, замедленное движение. Звук: журчание струи, тихий фон кухни

EN: Medium close-up: coffee is poured in a thin stream from a copper kettle into a white cup on a wooden table, steam rises, slow push-in, morning window light from the left, warm tones, slow motion. Audio: trickle of pouring coffee, quiet kitchen ambience

Смотрите на физику: уровень в чашке должен расти, а струя — не исчезать и не утолщаться рывками.

Пейзаж

3. Туман над озером

RU: Общий план: озеро на рассвете, над водой стелется туман, на дальнем берегу еловый лес, камера медленно летит вперёд над самой водой, мягкий рассеянный свет, холодные голубые тона, очень спокойный темп. Звук: плеск воды, далёкие птицы

EN: Wide shot: a lake at dawn, mist drifting over the water, a spruce forest on the far shore, the camera glides slowly forward just above the water, soft diffused light, cool blue tones, very calm pace. Audio: lapping water, distant birds

Вода, туман и облака — самое надёжное, что есть в видеогенерации: здесь нет формы, искажение которой бросается в глаза.

4. Ночной город после дождя

RU: Общий план с высоты: перекрёсток ночного города после дождя, мокрый асфальт отражает неоновые вывески без текста, редкие машины, камера медленно панорамирует слева направо, холодный и пурпурный свет, спокойный темп. Звук: шины по мокрой дороге, далёкий гул города

EN: High wide shot: a city intersection at night after rain, wet asphalt reflecting neon signs without text, occasional cars, the camera slowly pans from left to right, cold and magenta light, calm pace. Audio: tyres on a wet road, distant city hum

«Вывески без текста» — не каприз: буквы в движущемся кадре расплываются быстрее, чем на картинке.

Портрет

5. Портрет у окна

RU: Крупный план: женщина около тридцати у окна медленно поворачивает голову к камере и едва заметно улыбается, камера неподвижна, мягкий свет из окна слева, тёплый тон кожи, фон в расфокусе, спокойный темп. Звук: тихий фон комнаты

EN: Close-up: a woman around thirty by a window slowly turns her head towards the camera and smiles faintly, static camera, soft window light from the left, warm skin tone, background out of focus, calm pace. Audio: quiet room tone

Одно движение лица — потолок для крупного плана. Типовые сбои — моторика глаз и зубы, меняющие форму; чем сложнее мимика, тем раньше лицо начинает «плыть».

6. Портрет с репликой

RU: Средний план: пожилой мужчина в столярной мастерской среди стружки смотрит в камеру и говорит: «Хорошая вещь делается медленно». Камера неподвижна, тёплый свет лампы сверху слева, пыль в луче света. Звук: его голос, тихое тиканье часов

EN: Medium shot: an elderly man in a woodworking shop among wood shavings looks at the camera and says: “Good things are made slowly.” Static camera, warm lamp light from the upper left, dust in the light beam. Audio: his voice, a clock ticking quietly

Реплика — в кавычках и короткая. Совпадение губ со словами проверяйте покадрово на звуках, где рот смыкается: «м», «б», «п».

Реклама

7. Кроссовок и брызги

RU: Крупный план: белый кроссовок наступает в лужу, брызги разлетаются в замедленной съёмке, камера на уровне земли, жёсткий боковой свет, тёмный фон, высокий контраст. Звук: всплеск, короткий низкий удар

EN: Close-up: a white sneaker steps into a puddle, the splash flies in slow motion, ground-level camera, hard side light, dark background, high contrast. Audio: a splash, a short low thump

Логотипа в промпте нет намеренно: модель нарисует похожий знак, а не ваш. Бренд ставят на монтаже.

8. Ягоды падают в миску

RU: Средний план сверху: в стеклянную миску с водой падает горсть клубники, лёгкие брызги, камера неподвижна, яркий дневной свет, белый фон, бодрый темп. Звук: мягкий всплеск, лёгкая музыка без слов

EN: Top-down medium shot: a handful of strawberries falls into a glass bowl of water, light splashes, static camera, bright daylight, white background, upbeat pace. Audio: a soft splash, light music without vocals

Одно падение на клип. «Клубника, потом черника, потом мята» — уже последовательность: предметы слипнутся в ком, надёжнее три клипа и склейка.

Вертикальный ролик

9. Распаковка

RU: Вертикальный кадр, крупный план сверху: руки открывают картонную коробку и достают керамическую кружку, медленно, камера неподвижна, мягкий свет из окна, светлый деревянный стол, предмет в центре кадра, свободное место сверху и снизу. Звук: шорох бумаги

EN: Vertical frame, top-down close-up: hands open a cardboard box and take out a ceramic mug, slowly, static camera, soft window light, light wooden table, the object centred, free space at the top and bottom. Audio: rustling paper

Руки — главный риск: проверяйте пальцы в каждом кадре, где ладонь касается коробки. Соотношение 9:16 задают настройкой генерации, а промпт отвечает за композицию под вертикаль: предмет по центру, поля сверху и снизу под интерфейс площадки.

10. Прогулка навстречу камере

RU: Вертикальный кадр, средний план: девушка в красном пальто идёт по осенней аллее навстречу камере, камера плавно отъезжает назад с той же скоростью, падают листья, мягкий вечерний свет сзади, тёплые тона, спокойный темп. Звук: шорох листьев, ветер

EN: Vertical frame, medium shot: a young woman in a red coat walks along an autumn alley towards the camera, the camera smoothly tracks backwards at the same speed, leaves falling, soft evening backlight, warm tones, calm pace. Audio: rustling leaves, wind

Средний план выбран не случайно: ступни, на которых ходьба ломается чаще всего, остаются за кадром. Нужен рост целиком — проверяйте, не скользят ли ноги по земле.

Что ломается в движении и как поправить промпт

Что видитеПочему такКак поправить промпт
Пальцы меняют число по ходу клипаРуки — слабое место генерации, в движении ошибка копится от кадра к кадруУбрать руки из кадра или занять одним простым действием
Надпись расплылась через секундуБуквы в каждом кадре рисуются зановоПисать «без текста», надпись добавить на монтаже
Жидкость или ткань ведут себя невозможноМодель предсказывает, как выглядит следующий кадр, а не считает физикуМедленное движение, одна струя, неподвижная камера
Кадр почти статиченОписана картинка, а не изменениеГлагол действия и движение камеры
Действие оборвано на серединеНе помещается в длину клипаОдно событие на клип
Лицо к концу клипа «другое»Черты перестраиваются с каждым кадромКороче клип, меньше поворотов головы, резать до точки расхождения
Два героя слилисьНесколько действующих лиц в одном клипеОдин герой на клип, взаимодействие — монтажом
Реплика не та, что вы написалиСлова пересказаны, а не процитированыТочные слова — в кавычках, тон — словом рядом: «говорит шёпотом»

Как сэкономить на дублях

Видео тарифицируется посекундно, и неудачный дубль стоит столько же, сколько удачный. Поэтому промпт отлаживают на дешёвом уровне, а финал снимают на дорогом. Цены Veo 3.1 в Gemini API на 7 октября 2026 года: облегчённый уровень — $0.05 за секунду при 720p и $0.08 при 1080p, быстрый — $0.10 при 720p, $0.12 при 1080p и $0.30 при 4K, стандартный — $0.40 при 720p и 1080p и $0.60 при 4K. Восьмисекундный черновик на облегчённом уровне стоит $0.40, тот же клип на стандартном — $3.20: разница восьмикратная. Kling 3.0 через агрегатор API стоит $0.084 за секунду при 720p без звука и $0.126 со звуком, в режиме Pro при 1080p — $0.112 и $0.168. Seedance 2.0 там же — $0.3034 за секунду при 720p, звук включён.

Дубли закладывайте по сложности сцены, а не в среднем: два на сцену без людей, три на обычную, пять с человеком в кадре, десять на крупный план или кадр с текстом. Свой список сцен можно просчитать в калькуляторе бюджета ролика.

Где промпт для видео не поможет

Точный момент. «На третьей секунде оборачивается» модель прочитает как «оборачивается» — когда придётся.

Смена плана внутри клипа. Один клип — один непрерывный кадр, склейка появляется на монтаже.

Один и тот же герой в разных клипах. Внешность словами не удерживается. В Veo 3.1 для этого есть режим с изображениями-референсами сцены, персонажа или предмета, а самый простой путь — начинать клип с вашего кадра: в видео по фото промпт описывает только движение.

Кириллица в кадре. На видео она разваливается быстрее, чем на картинке.

Сцена длиннее одного клипа. Даже тридцать секунд Seedance 2.5 или Wan 3.0 — одна сцена; ролик собирается из клипов на монтаже.

Частые вопросы

Как написать промпт для видео нейросети?
Опишите по порядку план, объект, одно действие, движение камеры, свет и темп, а для Veo 3.1 — ещё и звук. Главное отличие от промпта для картинки — глагол действия: без него получится почти статичный кадр.
Можно ли писать промпт для видео на русском?
Veo 3.1, по нашему каталогу, понимает русский промпт частично. Надёжнее английская версия, поэтому все промпты здесь даны на двух языках.
Как добавить звук в промпт для Veo?
По руководству Google: точные реплики — в кавычках, звуковые эффекты — после пометки SFX, фоновый шум — после пометки Ambient noise. У Kling 3.0 звук — опция за доплату, Seedance 2.0 генерирует его по умолчанию.
Какой длины видео нейросеть делает за один раз?
Veo 3.1 — клипы на 4, 6 или 8 секунд с возможностью расширения, Kling 3.0 и Seedance 2.0 — до 15 секунд. Вышедшие летом Seedance 2.5 и Wan 3.0 дают до 30 секунд, а Sora 2 отключена и для новых роликов не подходит.
Почему нейросеть портит руки и текст в видео?
Движение для модели — предсказание последовательности кадров, и расхождение копится от кадра к кадру. Сильнее всего это видно на деталях со строгой формой — пальцах и буквах, поэтому руки занимают простым действием, а текст добавляют на монтаже.
Сколько стоит сгенерировать видео в Veo 3.1?
По ценам Gemini API на 7 октября 2026 года — от $0.05 за секунду на облегчённом уровне при 720p до $0.60 на стандартном при 4K. Восьмисекундный клип стоит $0.40 на облегчённом уровне и $3.20 на стандартном.

Источники

  1. Google Cloud Blog: The ultimate prompting guide for Veo 3.1 — формула промпта, три слоя звука (реплики в кавычках, SFX, Ambient noise), длина клипа 4, 6 или 8 секунд, референсы сцены и персонажа. Публикация 16 октября 2025
  2. Google AI for Developers: генерация видео в Gemini API — Veo 3.1 генерирует видео с нативным звуком и поддерживает расширение клипа
  3. Google AI for Developers: Gemini Developer API pricing — цены Veo 3.1 Lite, Fast и Standard за секунду. Страница обновлена 7 октября 2026
  4. Индекс цен art-see на 7 октября 2026 — Kling 3.0 и Seedance 2.0: цена секунды, длина клипа и звук по данным агрегатора fal.ai, уровень B; Seedance 2.5 и Wan 3.0 — клип до 30 секунд
  5. Каталог моделей art-see — Sora 2: дата отключения API и потребительской версии

Нина Арсеньева псевдоним

Псевдоним автора практического раздела. Пишет гиды по задачам с фото и видео и собирает библиотеку промптов: промпт, модель, настройки и полученный кадр — так, чтобы результат можно было повторить.

Отвечает за: промпты, обработка фотографий, задачи с видео