Нейросеть для длинных видео: секунды за один проход

Шестого ноября Luma собрала в один обзор десять видеомоделей и посчитала, сколько секунд каждая даёт за проход. Цифры полезные, но обзор писала компания, которая продаёт свою Ray 3.2, и это видно по акцентам. Я собрал таблицу, отметил, что вендор пропустил, и объясню, почему при тридцати секундах за шот я всё равно режу рекламу на куски по 5-8 секунд.

Одна непрерывная лента проходит сквозь вертикальный кадр, рядом та же лента разрезана на короткие куски
01

Что сравнила Luma и почему это не рейтинг

Шестого ноября Luma Labs выложила обзор, где собрала десять видеомоделей и посчитала длину клипа за один проход. Разбор удобный: секунды, разрешение, референсы и ключевые кадры лежат в одном месте, и по нему видно, как быстро выросла типовая длина шота за год.

Одна деталь меняет чтение. Обзор писала компания, которая продаёт Ray 3.2. По секундам её модель выглядит скромно, зато возможности расписаны подробно: 16 ключевых кадров, 16-бит HDR, экспорт EXR, video-to-video. Это нормальный маркетинг, и в тексте Luma честно оговаривает, что длинный клип может поплыть по лицу, предметам, свету и движению. Просто держите в голове, кто составлял список, когда будете выбирать модель по этой таблице.

Мой интерес практический. Я собираю вертикальные ролики и каждый раз упираюсь в вопрос, сколько длится шот, который модель отдаёт без склейки. От ответа зависит, режем ли мы сцену на три куска или закрываем её одним проходом.

02

Нейросеть для видео: сравнение по секундам, разрешению и референсам

Таблица по данным обзора от 6 ноября 2026. Колонка секунд означает длину одного прохода, всё, что длиннее, собирается расширением или склейкой.

Три строки сразу бросаются в глаза: Seedance 2.5, Wan 3.0 и Kling 4.0 держат 30 секунд. Kling 4.0 вышел в октябре 2026, и часть функций вроде 4K и 10-бит HDR пока анонс, их выдают по мере раскатки.

МодельСекунд за проходРазрешениеРеференсы и особенности
Luma Ray 3.25 и 10, дальше extensionв обзоре не указанодо 16 ключевых кадров, 16-бит HDR, экспорт EXR, video-to-video
Seedance 2.530до 1080pдо 50 референсов (30 картинок, 10 видео, 10 аудио), правка по таймкоду
Wan 3.030, 30 fpsдо 1080pнативный звук, референсы картинками, видео, аудио, документами и веб-страницами, первый и последний кадр
Kling 4.0304K и 10-бит HDR анонсированы, доступность по мере раскаткиOmni Reference до 15 ассетов, до 10 ключевых кадров
FLUX 35-20до 1080pdraft-режим, до 10 ключевых картинок, продолжение сегментами до 15 с, нативный звук
LTX-2.520 в Fast, 4K до 10 с1080p при 25 fps, 4K до 50 fpsмультишот, открытые веса, 22B параметров, текстовый энкодер Gemma 4 12B, LoRA
MiniMax H3 Max5-15480p или 768pнативный звук, первый и последний кадр
Google Veo 3.1до 8, extension до 20 сегментов примерно по 7 св обзоре не указанодо 3 референсов, водяной знак SynthID
Gemini Omni Flash 1.13-10, 24 fpsапскейл до 4Kв обзоре без подробностей
Happy Horse 1.1 (Alibaba)3-15до 1080pлипсинк на 7 языках, 9 соотношений сторон
Столбики длины клипа у десяти видеомоделей: три лидирующих на одной высоте, остальные ниже
03

Длинное видео нейросеть тянет одним проходом: три модели на 30 секунд

Тридцать секунд без склейки меняют работу с вертикалью. Ролик на 30 секунд, где герой говорит в камеру или камера облетает товар, закрывается одной сценой, и монтажный стол остаётся почти пустым.

Разница между этими тремя лежит в обвязке. Seedance 2.5 принимает до 50 референсов, из них 30 картинок, 10 видео и 10 аудио, и позволяет править результат по таймкоду. Wan 3.0 добавляет нативный звук и берёт на вход документы и веб-страницы, плюс задаёт первый и последний кадр. Kling 4.0 опирается на Omni Reference до 15 ассетов и до 10 ключевых кадров.

Выбирать по одной цифре не стоит. Я смотрю на набор входов: если сцена держится на персонаже из трёх ракурсов и голосе, лишние секунды без референсов не спасут.

04

Где секунды кончаются: 5-20 с и расширение

Остальные модели честно короткие. Ray 3.2 даёт 5 и 10 секунд, дальше extension. FLUX 3 выдаёт 5-20 секунд, у него есть draft-режим и продолжение сегментами до 15 секунд. LTX-2.5 держит 20 секунд до 1080p при 25 fps в режиме Fast, а 4K до 50 fps доступен до 10 секунд, при этом модель открытая: 22B параметров, текстовый энкодер Gemma 4 12B, поддержка LoRA.

Дальше идут совсем короткие. MiniMax H3 Max даёт 5-15 секунд в 480p или 768p с нативным звуком и первым плюс последним кадром. Veo 3.1 держит до 8 секунд и дотягивается расширением до 20 сегментов примерно по 7 секунд, у него до 3 референсов и водяной знак SynthID. Gemini Omni Flash 1.1 отдаёт 3-10 секунд при 24 fps с апскейлом до 4K. Happy Horse 1.1 от Alibaba выдаёт 3-15 секунд до 1080p, липсинк на 7 языках и 9 соотношений сторон.

С короткими моделями вопрос упирается в стык. Подробный порядок есть в материале про то, как склеивать шоты без шва, а про продление одного клипа сегментами я писал отдельно.

Плёнка разрезана пунктирными линиями на короткие шоты, брак остаётся в одном куске
05

Чего в обзоре нет: Gemini Omni 1.2 Flash

Пятого ноября Google выпустила Gemini Omni 1.2 Flash с клипами от 3 до 15 секунд. В обзоре Luma стоит предыдущая версия, 1.1, с тремя-десятью секундами. Пять лишних секунд на проход для рекламного шота существенны: часть сцен перестаёт требовать стыка. Это не упрёк в подтасовке, скорее напоминание, что любой вендорский обзор стареет за неделю. Про сам релиз я писал в выпуске от 6 ноября.

06

Почему я всё равно режу рекламу на 5-8 секунд

Позиция простая. Тридцать секунд одним шотом экономят склейку, и для говорящей головы, обзорного плана или облёта товара это подарок. В рекламе я режу на шоты по 5-8 секунд, и вот почему.

Переснять кусок дешевле, чем переснимать сцену. Если на двадцать второй секунде рука поплыла или лицо поплыло, теряется весь проход. При шотах по 5-8 секунд брак остаётся локальным: один кусок уходит в пересборку, остальные живут. Второй довод монтажный. Частая склейка даёт ритм, а длинный непрерывный шот в вертикали быстро провисает, потому что взгляду не за что зацепиться.

Отсюда рабочая схема: длинные проходы беру для сцен, где важна непрерывность, а рекламную нарезку строю из коротких кусков. Такую нарезку мы делаем видео нейросетями и держим шот в пределах, где брак видно на стопе, ещё до готового файла.

07

Что это значит для сметы

Секунды за проход прямо влияют на количество прогонов, а прогоны стоят денег и времени. Ролик, который собирается из шести коротких шотов, требует шести удачных генераций и, скорее всего, десятка попыток. Тот же ролик одним тридцатисекундным проходом генерируется один раз, зато каждая ошибка обнуляет всю сцену.

В нашей работе ручные ролики с контролем кадра начинаются от 16 000 ₽, а поток вертикальных версий для площадок считается до 0,10 ₽ за просмотр. Вертикальную рекламу мы обычно собираем серией версий, и там длина шота умножается на число версий. Выбирая длину шота, я считаю цену переделки, а цена одной генерации тут второстепенна.

08

Мой вывод

Если нужна длинная сцена без стыка, в ноябре 2026 есть три модели на 30 секунд: Seedance 2.5, Wan 3.0 и Kling 4.0. Для рекламы я беру их как источник материала и всё равно режу на шоты по 5-8 секунд, потому что брак должен оставаться в одном куске.

Проверка перед серией занимает десять минут: прогнать худшую сцену целиком на максимальной длине и посмотреть лицо на двадцатой секунде. Если лицо поехало, длина не спасёт, её надо сокращать.

частые вопросы

01Сколько секунд можно получить за один проход в ноябре 2026
От 3 до 30 секунд в зависимости от модели. Тридцать секунд держат Seedance 2.5, Wan 3.0 и Kling 4.0, у остальных потолок ниже, а длину сверх лимита собирают расширением или склейкой.
02Какая нейросеть для длинных видео даёт самый длинный клип
По данным обзора Luma это Seedance 2.5, Wan 3.0 и Kling 4.0 с тридцатью секундами. У Kling 4.0 часть заявленных функций вроде 4K и 10-бит HDR ещё раскатывается.
03Хватит ли 30 секунд для рекламного ролика
Для одного плана да, для готового ролика редко. Вертикальная реклама обычно требует двух-трёх сцен, а значит склейки или нескольких проходов с одинаковым персонажем.
04Портится ли картинка на длинном клипе
Да, и об этом пишет сама Luma: на длине клип может поплыть по лицу, предметам, свету и движению. Чем дольше проход, тем выше шанс, что к концу сцены герой изменится.