Промты для генерации видео: что изменилось к ноябрю 2026
Советы ходят по чатам годами и почти не обновляются. Видеомодель читает промпт иначе, чем чат-бот: у неё есть отдельные параметры длительности, разрешения и звука, а текст описывает кадр, движение и последовательность событий.
Шесть советов ниже я перестал давать, каждый сверен с официальной страницей модели. Логика замены одна: пишем, что видит камера, что движется, как движется камера, сколько длится кадр и какой звук. Внешний вид задают фото и референсы, и про подпись референсов у нас есть отдельный разбор.
Совет первый: назначьте роль, ты профессиональный режиссёр
Ролевые конструкции пришли из текстовых чатов, где модель подстраивает тон под persona. В видео такой настройки нет, и гайд Runway Gen-4 Video Prompting Guide говорит об этом прямо: разговорные элементы и объяснения впустую занимают место в промпте, модель настроена на визуальную деталь.
Там же есть пример, который показывает границу. Фраза «can you please add my dog to the image» считается неудачной, а «A dog excitedly runs into the scene from off-camera» удачной, потому что вторая описывает видимое действие.
Kling 4.0 User Guide от 4 ноября 2026 советует то же: начать с одного предложения, где названы элемент, сцена, действие и эмоция, и добавлять только то, что влияет на результат. Абстрактные термины вроде «premium look» гайд предлагает заменять конкретными: свет, материалы, композиция.

Совет второй: добавьте masterpiece, 4K, best quality
Слова качества были рабочим приёмом у картинок 2023 года. В видео за разрешение отвечает параметр модели, и список слов в тексте его не меняет.
У Kling 4.0 разрешение задаётся выбором 720p, 1080p или 4K. У Gemini Omni 1.2 Flash в документации AI Studio параметр resolution принимает значения 360p, 720p, 1080p и 4K, причём 1080p и 4K помечены как апскейл, а 720p стоит по умолчанию. Написать «4K» в строке промпта и получить 4K на выходе не получится: выход определяется настройкой.
Вместо штампов помогают свет, оптика, материал поверхности и темп движения.
Совет третий: пишите отрицания, no blur, без лишних людей
Здесь ответ зависит от модели. У Runway Gen-4 отрицания не поддержаны: гайд говорит, что негативные формулировки могут дать непредсказуемый и даже противоположный результат. Пример оттуда: вместо «No camera movement» пишем «Locked camera».
У Gemini Omni Flash в документации AI Studio простые отрицания допустимы, там есть раздел про удаление лишнего с примерами «No dialogue» и «No extra sound effects». Общий гайд Google Cloud по промптам для Gemini Omni Flash и Veo добавляет оговорку: инструкции со словами no и don't работают хуже, чем перечисление самих нежелательных элементов, например «wall, frame».
У Seedance 2.5 в документации BytePlus ModelArk отдельного поля для негатива нет, отрицание вписывают в текст, и документировано оно для двух вещей: субтитров и звука. Примеры оттуда: «No subtitles» и «No BGM; generate only environmental sounds and action sounds».
Практический вывод: перед серией кадров открываю гайд выбранной модели и смотрю, есть ли у неё поле негатива.

Совет четвёртый: перечислите в тексте всё, что есть на картинке
Этот совет ломал движение чаще остальных. Гайд Runway Gen-4 объясняет: текст и картинка считаются одним промптом, и подробное перечисление того, что уже есть на входном изображении, уменьшает движение или даёт неожиданный результат. Там же просят называть героя обобщённо, «the subject», чтобы модель не переизобретала детали.
Удачная формулировка из гайда: «The man extends his arm to shake hands, then nods politely». Портрет персонажа остаётся на картинке, текст занят действием.
Обратный случай полезно знать. В Gemini Omni 1.2 Flash до 6 референсных изображений на запрос, и промпт описывает, как картинку использовать. В документации есть пример, где рисунок служит ориентиром движения, а в финальном видео его быть не должно.
Совет пятый: промпт должен быть коротким
Мысль про длину промпта старая и неточная. Короткий промпт был вынужденной мерой, когда поле ввода обрезало текст на паре сотен символов. У Kling 4.0 ограничение другое: до 8 000 токенов на входе, до 10 ключевых кадров за одну генерацию и длительность от 3 до 30 секунд.
В FAQ того же гайда есть ответ на вопрос, всегда ли длинный промпт лучше. Ответ отрицательный: начинать стоит с одного предложения про элемент, сцену, действие и эмоцию, а дальше добавлять только то, что меняет результат.
Длина промпта зависит от задачи. Если кадр один и действие одно, длинный текст его размывает. Если в тридцатисекундной сцене несколько бит, текст пишут по времени: у Gemini Omni 1.2 Flash в документации есть таймкоды вида от нуля до пяти секунд, а у Seedance 2.5 работает фраза про событие на второй секунде. Длинно оправдано там, где описана последовательность, и бесполезно там, где набраны прилагательные.
Совет шестой: звук делайте отдельно
Нативный звук перестал быть отдельной услугой. Gemini Omni 1.2 Flash генерирует видео вместе со звуком, и промпт описывает музыку, шумы и момент события: в документации есть пример, где хор вступает на пятой секунде фоновой дорожки. Модель по умолчанию пытается собрать звук сама, и гайд советует прямо говорить, какой звук нужен.
У Kling 4.0 звук стерео, два канала, и гайд просит описывать звуковые требования в звуковом блоке промпта, отдельно от описания кадра. Lip sync там заявлен как часть модели.
У Seedance 2.5 из документации BytePlus генерация звука включена по умолчанию, параметр generate_audio равен true. Синтаксис для мультимодального промпта такой: музыка в круглых скобках, шумы в угловых, реплика в фигурных, субтитры в особых скобках. В соседнем гайде реплику пишут внутри блока кадра в кавычках и указывают, кто её произносит.
Отдельная дорожка нужна там, где нужен свой записанный голос.
Как написать промт для генерации видео: рабочая схема
Схема после сверки гайдов состоит из пяти строк.
Первая: что видит камера, то есть субъект, место, свет и оптика. Вторая: что движется и как, включая микро-жесты. Третья: как ведёт себя камера, штатив, наезд, обход, и как это описано в материале про движение камеры в промте. Четвёртая: длительность, разрешение и формат кадра, всё это параметрами модели. Пятая: звук, музыка и реплики, если модель их принимает.
Если сцена длиннее одного бита, добавляются таймкоды или ключевые кадры, а фото и референсы идут на вход и в тексте не пересказываются.
Дальше проверка на коротком тесте. Пять секунд проблемного кадра показывают, поняла ли модель движение, и дешевле это увидеть до серии. Такой тест входит в работу по видео нейросетями, а на длинных проектах кадр собирают в ручные ролики от 16 000 ₽, где промпт встроен в раскадровку.
Мой вывод
Устарела привычка писать видео так же, как писали картинку. У модели появились параметры, ключевые кадры, таймкоды и звук, поэтому половина старых советов спорит с её собственным гайдом.
Практика простая. Перед серией открываю официальную страницу модели и смотрю три вещи: как она относится к негативу, какой у неё предел по длине промпта и принимает ли она звук в тексте.
Промпт это техзадание на кадр. Чем точнее в нём видно, что происходит и в какой момент, тем меньше правок на выходе.




