Как пишется проморолик: сначала посчитать ограничения
Первое, что определяет сценарий, это лимит одной генерации. Wan 3.0 выдаёт до 30 секунд за запрос, 480p-1080p, звук приходит вместе с картинкой. В тот же запрос кладут документ как референс: PDF, PPT, DOC и другие форматы. Alibaba в блоге от 27 августа 2026 приводит пример, где презентация продукта превращается в ролик к запуску, и для промо к запуску это самый короткий путь: материалы уже собраны, модель читает их сама.
Через Runway API доступен Kling 4.0: от 3 до 30 секунд, 720p или 1080p, до 10 кадров и референсов вместе, звук идёт в генерации. Шедеврум Яндекса даёт 4 секунды за раз, и тридцать секунд там собираются из семи-восьми кусков.
Вывод короткий. Тридцать секунд в Wan 3.0 помещаются в один запрос, и это ловушка: правка одного движения руки тянет пересборку всей сцены. Семь шотов по 3-5 секунд переделываются по одному, и на четвёртой попытке это экономит вечер.
Промо ролик держится на одной мысли
До раскадровки сценарий сводится к одному предложению: что зритель поймёт и что сделает после просмотра. Второе проверяют первым. Если после тридцати секунд непонятно, куда идти, дальше можно не смотреть.
Структура, которая укладывается в 30 секунд: проблема, продукт в деле, доказательство, призыв. Каждый элемент получает минимум один шот, и лучше по короткому на элемент, чем один длинный на два.
Крючок живёт в первых 2-3 секундах. Работает конкретика: очередь в семь утра, пар над стаканом, рука, которая тянется к выключателю. Абстракция вроде логотипа на белом фоне крючком не бывает: зритель листает дальше, пока идёт заставка.
ИИ создать ролик: строка сценария подробнее съёмочной
Съёмочный сценарий прощает недоговорённости. «Бариста улыбается гостю» оператор превращает в живой кадр, потому что видит площадку. Модель возьмёт слово буквально и дорисует то, чего в строке не было: вторую руку, лишний стакан, человека на заднем плане.
Поэтому в шоте пишут план, свет, что в руках, куда смотрит человек, что делает камера. «Крупный план, стакан на деревянном столе, пар, мягкий утренний свет из окна слева, камера медленно приближается» даёт предсказуемый результат. «Красивый кадр с кофе» даёт лотерею.
Моя позиция: сценарий экономит больше перегенераций, чем смена модели. Разница между Wan 3.0 и Kling 4.0 на тридцати секундах видна в деталях, а разница между строкой на семь слов и строкой на семь уточнений видна в числе попыток. Стоит это только часа за столом.
Перебор тоже вредит. Если в строке три действия, модель размазывает их по времени и не доводит ни одно. Одна строка, одно действие.
Таблица шотов: 30 секунд кофейни
Ниже выдуманный ролик для кофейни на углу, семь шотов, без брендов. Колонки те, что нужны на монтаже: номер, длительность, кадр, закадр, текст на экране, звук.
Сумма ровно 30 секунд. Таблица заполняется до генерации, дальше каждый шот живёт своей строкой запроса.
| Шот | Длительность | Что в кадре | Закадр | На экране | Звук |
|---|---|---|---|---|---|
| 1 | 3 с | Крупно: рука ставит стакан, пар | Семь утра. Очередь до двери. | 7:00 | Шум зала |
| 2 | 5 с | Общий план зала, бариста за стойкой | Каждое утро одно и то же. | нет | Гул голосов |
| 3 | 4 с | Макро: зерно падает в кофемолку | Пока мы не поменяли помол. | помол | Треск кофемолки |
| 4 | 5 с | Бариста протягивает стакан, гость кивает | Новый помол, тот же адрес. | нет | Музыка входит |
| 5 | 5 с | Витрина с улицы, двое заходят | Очередь короче на минуту. | на минуту | Музыка |
| 6 | 4 с | Крупно: латте-арт, стакан на столе | Заходите до девяти. | до 9:00 | Музыка |
| 7 | 4 с | Дверь, вывеска, улица | Кофейня на углу, как и была. | адрес | Музыка затихает |
Шоты по 3-5 секунд: перегенерация по одному
Длинная сцена у модели расползается: к восьмой секунде руки меняют форму, стакан меняет цвет, свет уезжает. Шот на 3-5 секунд пересобирается отдельно, брак не утаскивает соседей.
Дробление помогает и с разными моделями. Четырёх секунд Шедеврума хватает на один шот. Тридцать секунд Wan 3.0 тоже дают один шот, и на нём видно, что вышло целиком.
Цена дробления это склейка. Один человек в семи генерациях выходит семью разными людьми. Решается референсом лица, где модель его держит, или кадром без лица: руки, спина, силуэт в проёме.
Закадр вслух и то, что кладут поверх
Закадр читают вслух с секундомером. Это единственная проверка, которая работает: глаз прощает длинную строку, язык нет. Если тридцать секунд текста не влезают, режут слова, темп не трогают.
Текст на экране планируют отдельной колонкой. Мелкие буквы, логотип, цену и адрес модель делает плохо: буквы плывут, логотип превращается в чужой знак. Это кладут поверх при монтаже, шрифтом и в тот момент, когда глаз успевает прочитать.
Здесь же решается звук. Wan 3.0 и Kling 4.0 отдают видео со звуком, и этого хватает для зала и улицы. Музыку и голос диктора проще положить на монтаже: так их легче править отдельно от картинки.
Что даёт сценарий: счёт на попытки
Тридцать секунд с таблицей шотов собираются за вечер. Без таблицы те же тридцать секунд растягиваются на много вечеров и заканчиваются компромиссом: один шот хороший, остальные терпимые.
Ролик под запуск мы собираем от таблицы: сначала одна мысль, потом шоты по 3-5 секунд, потом генерации по одному. Промо ролик на выходе считается по той же таблице, и правка стоит одну генерацию. Тот же порядок держит рекламный ролик на серию недель, где меняются только шоты. Когда в кадре нужен живой человек с интонацией, ручные ролики делают от 16 000 ₽, и это дешевле бесконечной охоты за лицом в генерации.
Если хочется сначала понять формат, у нас есть разбор, чем проморолик видеопрезентация отличается от клипа на пятнадцать секунд, и материал про ИИ видео по сценарию, где текст превращается в готовый ролик.
