Что такое генерация видео в Алисе и Шедевруме
Речь о двух входах в одну экосистему. Шедеврум это приложение Яндекса, где можно генерировать изображения, тексты и видео, а Алиса AI получила Студию с инструментами для работы с фото и короткими роликами.
Технические рамки заданы прямо в справке. Шедеврум генерирует видео длиной четыре секунды и частотой 24 кадра в секунду. Ролик задуман как основа для музыкального клипа, анимации или динамической аватарки в соцсетях, и это честное описание жанра: сервис не притворяется инструментом для рекламного продакшна.
Запрос можно писать на любом языке, соотношение сторон настраивается, музыку из Яндекс Музыки можно наложить прямо в приложении. Для коротких форматов этого набора хватает.
Четыре модели и чем они отличаются
В Шедевруме доступны четыре модели, и разница между ними практическая.
Модель v.1 отвечает за движение камеры. В настройках есть зум, таймлапс, отдаление, панорама, подъём, морфинг, вращение и ручной режим с настройкой поворота по осям. Если ролику нужен наезд или облёт, начинают с неё.
Модель v.2 Beta передаёт движение объектов в кадре. Здесь качество зависит от описания: чем точнее сказано, как предмет движется, тем меньше сюрпризов. Модель v.3 делает более детализированные и динамичные ролики и, по утверждению справки, даёт меньше дефектов, чем предыдущие версии. Wan2.2 это модель с открытым исходным кодом от Alibaba, и она доступна по подписке Про.
Подписка Про стоит 100 ₽ в месяц при наличии Яндекс Плюс, первые семь дней бесплатно. Кроме Wan2.2 она даёт оживление картинок, ранний доступ к моделям, улучшение изображений до 4К, раскраски и приоритетную очередь. Для тех, кто генерирует регулярно, очередь важнее остальных пунктов.
| Модель | Сильная сторона | Когда выбирать |
|---|---|---|
| v.1 | движение камеры | наезды, облёты, панорамы |
| v.2 Beta | движение объектов | предметы в действии |
| v.3 | детализация, меньше дефектов | универсальный вариант |
| Wan2.2 | открытая модель Alibaba | эксперименты, подписка Про |
Как писать запрос, чтобы попасть в результат
Справка даёт прямую инструкцию: чем больше деталей, тем точнее ответ, но перегружать запрос не стоит. Разница видна на примерах. «Красивый пейзаж» даёт открытку, «красивый зимний пейзаж, морозный день, сухая трава, на ней изморозь» даёт кадр.
Работают конкретные категории деталей: цвета и оттенки, форма и размер объекта, текстура и материал, эмоции и выражения лиц, поза, фон, стилистика и эпоха. Это способ сузить пространство вариантов.
Отдельно про движение. В моделях, которые передают движение объектов, фразу про действие лучше ставить в начало описания. В моделях с камерой решает выбор эффекта.
Студия в Алисе: оживление фото и видео по тексту
В Студии Алисы два инструмента. Первый, «Оживить фото»: загружаете снимок и получаете короткий ролик. Второй, «Создать видео»: текстовый запрос плюс шаблон, среди готовых сцен есть волны, сияние, стрижка, осенняя открытка и другие.
Логика понятна. Человек не пишет промпт про физику воды, он выбирает сцену и получает предсказуемый результат. Для личных задач, поздравлений и сторис это работает лучше, чем свободная генерация, потому что не требует навыка.
Для бизнеса ценность другая: шаблон даёт одинаковый стиль в серии роликов, и это экономит время на согласовании. Ограничение тоже очевидно: шаблон задаёт рамку, и нестандартная идея в неё не влезет.
Клипы: как из четырёх секунд собрать две минуты
Самое практичное в Шедевруме это клипы. Вы задаёте сюжет и подбираете от трёх до тридцати фрагментов, в качестве фрагментов можно брать свои публикации и чужие видео из ленты. Длительность клипа ограничена двумя минутами, готовый файл скачивается в mp4.
Это отвечает на главную претензию к генерации: четыре секунды бесполезны для истории. Клип превращает набор коротких кадров в монтаж, и музыка из Яндекс Музыки добавляется на этапе сборки.
Ограничение в том, что клип это склейка. Драматургия, ритм и смысл остаются на человеке, и именно здесь начинается разница между набором кадров и роликом, который смотрят до конца.
Где предел сервиса
Четыре секунды на генерацию это жанровое ограничение. Ролик с историей, диалогом и сменой планов так не собирается, его надо проектировать как последовательность.
Второе ограничение, контроль деталей. Продукт с мелкой надписью, логотип, упаковка, руки человека: всё это остаётся зоной риска, и на крупном плане дефект видно сразу.
Третье, права. Сгенерированное лицо, похожее на реального человека, и голос, похожий на узнаваемый, требуют осторожности. Сервис не проверяет согласие за вас, и ответственность остаётся на том, кто публикует.
Четвёртое, воспроизводимость. Один и тот же запрос даёт разные результаты, поэтому серию роликов в одном стиле приходится собирать через референсы и шаблоны.
Сравнение с другими моделями
Если задача выходит за четыре секунды, смотрите в сторону моделей с большей длительностью и контролем камеры. Обзор того, что доступно на рынке, я собрал в материале про топ нейросетей для видео 2026, там же есть сравнение по длительности и цене.
Для производства роликов под бизнес логика другая: важен пайплайн, модель вторична. Видео нейросетями собирают из нескольких инструментов, и генерация кадров это лишь один этап. Массовые вертикальные ролики для тестов вообще считают по стоимости готового просмотра.
Что это значит на практике
Шедеврум и Студия Алисы закрывают потребительский сценарий: короткий ролик из фото, клип из фрагментов, серия сторис в одном стиле. Для этих задач сервис удобен, бесплатен в базовой версии и не требует навыков.
Для бизнес-задачи с продуктом, речью и точными деталями нужен другой уровень контроля: свои референсы, свои модели, проверка кадров и прав. Это нормальный водораздел, и он не изменится от того, что модели станут лучше.
