Автомонтаж видео нейросеть: что представила Mosaic
Mosaic опубликовала 20 октября 2026 года анонс Motion (https://mosaic.so/research/motion-gva) — «общего видеоагента», который ведёт производство от брифа до готового файла. Компания описывает его как систему, работающую и с чужим материалом, и с новым: на вход можно дать запись подкаста, съёмку продукта или ссылку на ролик, который нравится.
Заявленный набор операций: нарезка, моушн-графика, цветокоррекция, синхронизация звука. Отдельно упоминается догенерация кадров, если в исходниках чего-то не хватает. Всё это — по описанию самой компании; независимых тестов на момент публикации нет.
Что агент делает с материалом
Примеры из анонса показывают диапазон. Многокамерный подкаст: агент находит сильные фрагменты и перекадрирует их под активного говорящего. Эссе превращается в фильм с закадровой озвучкой. Логотип анимируется, лонч-ролик собирается по референсу.
Есть и работа с ритмом: Motion разбирает темп референса, типографику и переходы, планирует планы и проверяет монтаж до показа. Формулировка про проверку — тоже заявление компании, а не измеренный результат.
Практический смысл в другом. Агент берёт на себя рутину, которая съедает время: синхрон, подрезка пауз, выравнивание громкости, черновая графика. Решения о том, что вообще стоит показывать, остаются за человеком.
Есть и предел, который компания не обсуждает в анонсе. Агент собирает фильм по брифу и референсу, то есть воспроизводит найденный образец. Если референс слабый, результат будет аккуратно сделанным и таким же слабым по идее: аккуратность монтажа не заменяет замысел.
Задача ставится брифом, брендом и референсом
Три входа, которые перечисляет Mosaic: бриф, бренд-материалы, референс-ролик. Бриф задаёт задачу, бренд-материалы — шрифты, цвета, логотип, референс — интонацию и темп.
Такой набор снижает количество итераций, но не отменяет постановку задачи. Чем точнее описан зритель и действие, тем меньше кругов правок. Формулировка «сделай красиво» одинаково плохо работает и с человеком, и с моделью.
Правки: словами, рисованием и на таймлайне
Правки заявлены в трёх режимах. Словами — «сделай тише музыку на второй сцене». Рисованием по видео — обвести объект и показать, что с ним сделать. Прямо в превью — подвинуть текст, поправить элемент.
Для тех, кто привык к монтажной программе, остаётся таймлайн: можно открыть проект и доделать вручную. Это важная часть анонса, потому что именно она отличает агента от «генератора готового ролика»: результат не закрыт, его можно продолжать править.
Экспорт: Premiere Pro, After Effects, DaVinci Resolve
Проект переносится в Premiere Pro, After Effects или DaVinci Resolve, а также в агентские среды Remotion и Hyperframes. В посте сказано, что функции зависят от программы: часть возможностей доступна только внутри Motion, часть — после экспорта.
Для продакшена это означает привычную схему разделения труда. Агент собирает черновик и графику, монтажёр доводит ритм и цвет в знакомой программе, а не переучивается на новый интерфейс.
Интеграции и запуск по расписанию
Motion подключается к Google Drive и Frame.io за материалом, к Notion и Slack за контекстом. Умеет запускаться по расписанию или по событию — например, когда на YouTube выходит новое видео. Публикация идёт через подключённые аккаунты соцсетей.
Есть API и MCP-сервер: агента можно вызывать из своих инструментов и из других агентов вроде Claude и Codex. В облаке можно вести несколько проектов параллельно, а публикацию компания предлагает на выбор — автоматически или после подтверждения.
Эксперимент с семью языками
Отдельная часть поста — тест на языках описания видео. Одна и та же модель, одни и те же исходники, один бриф, семь языков: React с Remotion, HTML с Hyperframes, Python, C++, собственный Motion, а также Forth и Uiua.
Результат: знакомые языки дали одинаковый фильм. Люди, смотревшие ролики по одному, разницы не увидели. Незнакомые языки дали тот же фильм, но дороже: Forth обошелся более чем в три раза дороже и вышел за лимит времени, Uiua не успел отрендериться в срок и был собран позже из того же кода.
Качество компания оценивала слепой оценкой второй ИИ-модели по шкале до 100 баллов. Сырой клип без монтажа та же модель оценила в 28 баллов. Средняя стоимость фильма по языкам:
Пересчёт по курсу 84 ₽ за доллар. Это стоимость токенов модели за один фильм, а не цена продукта: публичного прайса на Motion нет.
| Язык | Стоимость, долл. | Стоимость, ₽ |
|---|---|---|
| Motion | 2,86 | ≈240 |
| Python | 3,12 | ≈262 |
| Hyperframes | 3,13 | ≈263 |
| Remotion | 3,30 | ≈277 |
| C++ | 3,70 | ≈311 |
| Uiua | 5,81 | ≈488 |
| Forth | 10,82 | ≈909 |
Что доказывает этот эксперимент, а что нет
Эксперимент провела сама Mosaic, и это главная оговорка. Её собственный формат оказался самым дешёвым — 2,86 доллара против 3,12 у ближайшего конкурента. Независимого повтора нет, методика оценки описана кратко: слепая оценка второй моделью.
Вывод про языки стоит читать узко: при знакомом модели языке фильм не зависит от фреймворка. Это не значит, что любой агент сделает такой же фильм: разница, по словам компании, в «обвязке» — инструкциях, инструментах и самопроверке.
Для заказчика полезнее другая часть анонса. Агент снимает стоимость черновика и количество итераций, но не отвечает за смысл. Изготовление видео с помощью нейросетей и раньше упиралось в отбор, а не в генерацию, и здесь механика та же.
Там, где нужен контроль по кадру — сложная графика, актёрская подача, точный тайминг, — ручные ролики остаются надёжнее: от 16 000 ₽ за ролик до 90 секунд, срок около недели.
Поток коротких роликов под соцсети считается иначе: массовые вертикальные ролики идут от 0,10 ₽ за просмотр. Если нужен обзор самих моделей и агентов, он собран отдельно — обзор нейросетей для видео.
