Вопрос «как нейросеть создает видео по текстовому описанию» сегодня решается за несколько минут: вы пишете сцену словами, сервис возвращает ролик. Сложность давно не в этом. Сложность в том, что таких роликов выпускают тысячи в день, а досматривают единицы.
Удобный повод разобраться — сериал про офис ООО «Слоп». Это сгенерированные нейросетями вертикальные эпизоды про безымянную контору, и по данным разбора в корпоративном блоге SpeShu.AI на Habr аккаунт собрал 28,5 тысячи подписчиков всего на 28 роликах, а отдельные видео набирают до 800 тысяч просмотров. Соотношение редкое: обычно за таким охватом стоит сотня-другая единиц контента.
Сам материал, по которому я разбираю кейс, вышел в корпоративном блоге сервиса-агрегатора нейросетей и заканчивается приглашением попробовать его Студию. Фактура там при этом содержательная: описан язык проекта, его персонажи, визуальная манера и экономический фон, на который он попал. Эту фактуру я и беру, а рекламную часть держу в уме как рекламную.
Дальше — о том, что в этой истории относится к технологии, что к сценарной работе, и почему перепутать одно с другим дороже всего.
В чём задача: сгенерировать ролик легко, удержать зрителя — нет
Представьте привычную ситуацию. У компании или автора есть доступ к генератору видео, есть пара часов в неделю и задача «вести короткие ролики». Технический барьер снят полностью: раскадровку рисовать не надо, оператора искать не надо, актёров тоже.
Дальше начинается то, ради чего и пишется эта статья. Ролик выходит, собирает несколько сотен просмотров и умирает. Следующий тоже. Через месяц в ленте лежит двадцать аккуратных видео, между которыми нет ничего общего, кроме того, что их сделала одна и та же модель.
Причина не в качестве картинки. Качество как раз растёт у всех одновременно — это свойство инструмента, а не ваше преимущество. Пропадает то, что заставляет человека посмотреть второй ролик после первого: узнавание. Герой, которого уже знаешь. Шутка, продолжающая вчерашнюю. Мир, в котором хочется побыть ещё сорок секунд.
«Слоп» интересен именно тем, что эту часть работы кто-то проделал руками, а генерацию оставил инструменту. Ниже — как это разложено по слоям.
Как нейросеть создает видео по текстовому описанию
Механика у всех современных генераторов устроена похоже, и понимать её полезно до того, как планировать проект.
Вы описываете сцену словами: кто в кадре, что делает, как снято, какой свет. Модель возвращает короткий фрагмент — обычно это несколько секунд движения, а не готовый эпизод. Длинное видео собирается из таких фрагментов, как сцена из дублей.
Отсюда первое следствие, которое ломает планы новичкам: одним промптом сериал не делается. Каждый новый запрос — это новая случайность. Лицо героя поплывёт, одежда сменит оттенок, интерьер перестроится. Нейросеть не помнит, что рисовала минуту назад, если ей об этом не сказать.
Поэтому вокруг генерации выросла вторая, менее заметная часть работы. В описании Студии SpeShu.AI она названа прямо: туда подгружаются стартовые и финальные кадры, референсы, настраиваются формат, качество и аудиальное сопровождение. Переводя на человеческий:
- референс — картинка-образец, по которой модель держит внешность персонажа и стиль кадра от сцены к сцене;
- стартовый и финальный кадр — заданные вручную «точки входа и выхода» фрагмента, чтобы склейка не прыгала;
- аудиослой — голос и звук, которые генерируются отдельно и сводятся с картинкой.
Получается, что текстовое описание — только одна из входных точек. Дисциплина подготовки входов решает больше, чем формулировка промпта.
И есть третий слой, который не относится к технологии вовсе: кто-то должен решить, что именно в этом кадре происходит и почему это смешно. Вот тут инструмент не помогает никак.
Что на самом деле держит зрителя «Слопа»
Если убрать из конторки нейросеть, останется небольшой набор сценарных решений — и они не новые. Они просто доведены до конца.
Постоянные персонажи с ролями, а не с именами. Батракан — обезличенный рядовой сотрудник, имя отсылает к «батраку». Тося Бося — секретарша с подчёркнуто наивной подачей. Повариха Бидонья, от которой зависит, достанется добавка или «половник тёртых пяток». Куканоид — инспектор, чей визит никогда не объясняется. Хозяин — верховное руководство, с которым общаются избранные, а остальным достаются записки вроде «Искать».
Собственный язык. Рабочие задачи в конторке называются «бередением бурмалды», «колупанием цифер», «ночным бдёжем», «гонением балды». Чем занимается сотрудник, понять нельзя в принципе — и это намеренно: формулировки пародируют абстрактные описания вакансий и KPI, за которыми не видно содержания работы.
Экономика мира. Кукиши — «мелкие сухие штуковины, вроде шишечек» — выдают по расписанию, каждый пробует их на зуб, чтобы не обманули, копит в личном шкафчике и раз в год меняет на добавку кислых щей. Калоидный ускоритель — наукообразное устройство, название которого ничего не объясняет: пародия на корпоративный техножаргон, где за внушительным термином нет понятного механизма.
Повторяющаяся форма эпизода. Каждый ролик — один день: сотрудник приходит на смену, «отшабашивает» её и уходит домой ждать следующей. Названия видео — реплики персонажей: «Тося Бося», «Ты дождался», «Берегитесь».
Сложите это вместе, и видно: работает не генерация, а конструкция. Язык, иерархия и ритуалы придуманы один раз и дальше окупаются в каждом новом ролике. Доказательство — поведение аудитории: в комментариях спрашивают, что думает об инспекторе «отдел квадров» и какой у персонажа график, то есть достраивают выдуманную оргструктуру как настоящую. Зритель, который сам доделывает ваш мир, — это и есть то, чего не даёт ни одна модель.
Угловатая графика вместо гонки за реализмом
Отдельное решение, за которое проекту стоит отдать должное: персонажи двигаются и выглядят как герои игровых катсцен начала двухтысячных. Плоское освещение, скованная мимика, тяжеловатая, будто заскриптованная походка.
В материале это объясняется контрастом: вместо гладкой картинки корпоративного видео — нарочито угловатая графика, похожая на забытую игру со старого диска. Большинство ИИ-роликов, наоборот, тянется к максимальному реализму.
Мой вывод из этого — уже мнение, а не факт из источника. Выбор устаревшей эстетики снимает с генератора самую трудную задачу. Когда вы целитесь в фотореализм, зритель ловит каждый артефакт: неправильные пальцы, дрожащее лицо, неестественную походку. Когда вы целитесь в графику двадцатилетней давности, ровно те же дефекты читаются как часть стиля. Планка качества не понижена — она перенесена туда, где её можно взять.
Этот приём переносится на любой проект. Прежде чем бороться со слабостями модели, стоит поискать жанр, в котором эти слабости работают на вас.
Почему шутка попала именно сейчас
Хороший мир сам по себе охвата не даёт. Нужен нерв, в который он попадает.
Материал приводит цифры рынка труда, и они объясняют попадание лучше любых рассуждений о юморе. По данным hh.ru за январь–февраль, число вакансий упало на 27–30% за год, а количество активных резюме выросло на 39–42%: конкуренция за место поднялась примерно с пяти резюме до девяти-десяти. Соревнование идёт не за повышение, а за право остаться там, где уже работаешь, — и шутка про «быстрый бег» ложится ровно сюда.
Вторая линия — непрозрачность решений. Часть сокращений не оформляется: ушедших не заменяют, вакансии замораживают, нагрузку распределяют на оставшихся. Директор конторки, который общается с Хозяином напрямую, а с подчинёнными — смутными распоряжениями, точно совпадает с этим опытом. В текстах проекта разыгран сюжет, где руководитель распорядился закрыть целый отдел, буквально восприняв фразу из старого фильма, а на следующий день выяснилось, что распоряжения не было вовсе.
Третья — автоматизация. По оценке Центра карьеры КМЭПТ, к концу 2026 года российские компании смогут передать нейросетям в среднем 15–25% рабочих функций: подготовку отчётов, обработку заявок и документов, первичные ответы клиентам. Формально это не значит, что уволят каждого четвёртого, но отделу нужно меньше людей, и уход выглядит естественной убылью. Инспектор, после визита которого в отделе становится на одного сотрудника меньше и никто ничего не объясняет, — метафора ровно этого.
И четвёртая, бытовая: номинальный рост зарплат в базовом прогнозе на 2026 год около 5–7%, то есть едва покрывает инфляцию. Кукиши, которые меняют на добавку щей, читаются почти буквально.
Вывод для того, кто делает контент: проект не изобрёл новых страхов. Он дал имена уже существующим. Это самый воспроизводимый приём во всей истории — найти то, что аудитория переживает молча, и назвать это смешным словом.
Слоп и годнота: где проходит граница
Слово «слоп» означает поточный однотипный контент, который штампуют ради попадания в алгоритм. Проект назвал себя этим словом и при этом слопом не является — противоречие тут только кажущееся.
Граница проходит не по инструменту. Нейросеть одинаково нарисует и конвейер пустых роликов, и сериал с персонажами. Разница в том, вложил ли кто-то осмысленную работу: сценарий, героев, язык, интонацию — или модель просто выполнила запрос без правок.
Отсюда простая проверка для своего проекта. Если убрать из ролика нейросетевое происхождение и оценить его как обычное видео — останется что-нибудь? Шутка, мысль, персонаж, повод вернуться? Если нет, то технология не спасёт: она делает производство дешевле, а не содержание интереснее.
Для меня это и есть главный практический вывод кейса. Нейросеть в конторке — инструмент рассказывания истории, а не замена сценаристу. Как только она становится заменой, получается тот самый поток, против которого сейчас настраивают ленты все крупные платформы.
Границы и цена
Теперь о том, чего в рекламной части подобных материалов обычно нет.
Генерация стоит денег, и считать надо не ролики, а попытки. Сервисы продают генерации пакетами или по подписке, а в работе на один пригодный фрагмент уходит несколько неудачных: лицо поплыло, движение дёрнулось, камера пошла не туда. Конкретных сумм я здесь не называю намеренно — тарифы сервисов меняются часто, и цифра из статьи устареет раньше, чем вы её проверите. Прикидывайте бюджет по стоимости генерации, умноженной на реалистичное число дублей, а не на число сцен в сценарии.
Время уходит не в модель, а вокруг неё. Сценарий, реплики, подбор референсов, сборка фрагментов, звук и сведение — это обычная монтажная работа. Генератор убирает съёмочную смену, но не продакшен.
Консистентность — главная техническая боль. Чем длиннее эпизод и чем больше в нём персонажей, тем выше шанс, что мир «поедет». Поэтому формат коротких эпизодов с одним днём и малым числом героев, который выбрала конторка, — не только художественное, но и инженерное решение.
Придуманная вселенная требует поддержки. Двадцать восемь роликов — это ещё не бесконечный сериал. Язык, который сначала смешит, на пятидесятом повторе превращается в рутину; ту же проблему решают все ситкомы, и решают её новыми персонажами и поворотами, а не новыми генерациями.
Чужая эстетика быстро обесценивается. Материал прямо говорит, что блогеры и компании начали повторять ролики в стиле «Слопа», а сервисы выпускают готовые пресеты под эту манеру. Когда приём раздают в один клик, он перестаёт выделять: на следующем витке зритель будет узнавать не ваш мир, а шаблон.
Агрегатор снимает не ту проблему, которую вы думаете. Доступ к трёмстам моделям в одном окне экономит подписки и перебор сервисов — это честная польза. Но решение о том, что показать зрителю, остаётся ручным, и количество доступных моделей на него не влияет никак.
Что с этим делать
- Сначала придумайте мир, потом включайте генератор. Постоянный герой, узнаваемый повод для шутки и повторяющаяся форма эпизода дают больше, чем переход на модель посвежее.
- Проверьте идею текстом. Если сценарий не смешит и не цепляет в виде обычных реплик на бумаге, видео его не вытянет.
- Выберите жанр, в котором артефакты модели читаются как стиль. Стилизация под старую графику, кукольную анимацию, архивную плёнку снимает с вас гонку за реализмом, которую всё равно не выиграть.
- Заложите бюджет на дубли и сведение. Считайте стоимость попыток и часы на сборку, а не только число готовых сцен.
- Ищите не тему, а общую боль. Самое сильное в конторке — то, что каждой мелкой рабочей неприятности придумано имя. Этот приём работает в любой нише и не требует ни одной нейросети.