Как я сделала клип на нейросетях

Заходить сюда — по ссылке или отсканируй код:

https://clipchat.ai?ref=NEURONELIA

Видео-инструкция

Если удобнее смотреть, а не читать — вот полная запись, где весь процесс показан на экране от начала до конца.

Ниже — то же самое текстом, по шагам, с моими граблями и подсказками, где можно сэкономить.

Музыка

Берём трек: свой, сгенерированный или любой другой. Скачиваем, вырезаем ровно тот кусок, который пойдёт в клип, и заливаем на платформу.

Платформа сама слушает трек, распознаёт его и описывает, что услышала. В чате помощник показывает результат разбора.

Выбираем визуал

Дальше всё нативно: тапаем по кнопкам и выбираем, какую картинку хотим — реализм, сюрреализм или что-то другое. Просто отмечаем то, что нравится.

Персонаж — самая важная часть

Чтобы персонаж получился реалистичным, я делала так:

Сначала Pinterest

Ищем образ, который максимально подходит. Главное — качество самой фотографии: чем она лучше, тем лучше выйдет наш кадр.

Потом замена лица в Higgsfield Soul 2

Берём найденный референс, идём в Higgsfield Soul 2 и на фоне этого референса подставляем своё лицо. На выходе получаем готовую картинку себя в нужном образе — именно её потом и загружаем на платформу.

Куда её загружать

В блоке каста нажимаем на иконку с подписью «вокал» — именно там создаётся главный персонаж клипа. Не создавайте нового отдельной кнопкой: с треком связан именно вокалист.

Загружаем на платформу

Готовую картинку заливаем в ClipChat. Можно сделать фото-ракурсы, можно видео-ракурсы. Видео дороже, но итоговая генерация с ним заметно лучше. Фото тоже рабочий вариант.

Для фото лучше всего Seedream 5.0 — она аккуратнее всех делает кожу, лицо и мелкую проработку. Если нужен мультяшный стиль, подойдёт ChatGPT или Nano Banana.

Галочка «Использовать портрет как референс личности» держит лицо привязанным к загруженному портрету. Если её снять, персонаж будет собираться только по тексту.

Дальше персонаж генерится со всех сторон. Можно описать, во что он одет, и перегенерировать сколько угодно раз, пока не устроит результат.

Рядом, в блоке реквизита, создаются предметы из клипа — у меня это неоновый синтезатор.

Описывать нужно так же подробно, как персонажа. У меня это была «гитара электронная, без проводов, чёрная с неоновыми лавовыми прожилками» — и именно такая появилась во всех сценах.

Сцены

Клип делится на куски. Максимальный кусок — 9 секунд, оптимально 6–9. Так лучше с виральностью: есть переходы, есть ритм.

Под каждый кусок генерится своя сцена. Платформа сама предлагает промпты — она уже прочитала аудио и знает, какой стиль вы выбрали, быстрые нужны нарезки или спокойные. Промпты можно править и перегенерировать сцены.

Проход переписывает только текстовые промпты и не пересчитывает картинки — то есть тратит токены, но не требует пересъёмки. После него нужно пересобрать план рендера, чтобы увидеть развитые кадры.

Генерация видео

Какую модель выбрать

• Mini — только чтобы прогнать и посмотреть, как отработал промпт. На финал не берите, сильно тупит.
• Fast или Standard — если нужен анимешный или мультипликационный стиль и не важно точное сохранение черт лица.
• Seedance 2.5 — максимальный реализм. Дорогая, но так не делает никто.

Как движок влияет на персонажа

Один и тот же персонаж на разных моделях. Разница в том, насколько узнаётся лицо:

Seedance 2.5

Seedance Mini

Seedance Standard

Настройка каждой сцены

При генерации сцены появятся иконки. Здесь выбираем:

• видеоряд это или липсинк;
• какой персонаж должен появиться в кадре;
• какой реквизит участвует — например, у меня это синтезатор с лавовыми прожилками.

На компьютере в этом же окне есть инструменты выделения — промотка, прямоугольник, лассо — и выбор, что именно вы выделяете: персонаж, предмет, локация, транспорт, стиль. Так объект забирается из кадра в библиотеку.

Не понравился результат — перегенерируйте. Дубли сохраняются, из них потом выбираете нужный.

Липсинк — три разные нейросети

Когда сцены готовы и устраивают, открываем нужную сцену, выбираем понравившийся дубль и заходим в липсинк. Это только с компьютера.

Сразу предупреждаю: при обычной генерации рот открывается невпопад. Липсинк это и чинит.

На экране три варианта, слева направо. Разберу по порядку — они делают принципиально разное.

1. Оживить один кадр — VEED Fabric

Выбираете стоп-кадр, где хорошо видно рот и мимику, и нейросеть строит перформанс с него. Текущее видео остаётся в дублях.

Минус: вся динамика сцены стирается. Была нарезка и движение — станет статичный план с этого кадра.

2. Оживить с режиссурой — OmniHuman 1.5

Создаёт новый перформанс из кадра, аудио и промпта движений. Даёт динамику и лучше всех попадает в слова — рот открывается идеально.

Минус: пересобирает сцену заново и искажает лицо. Если сцену важно сохранить — не подойдёт.

3. Сохранить движение — Sync-3

Работает поверх вашей сцены: сохраняет движение камеры и тела, меняет только рот под вокал.

Получается не идеально, но прилично. Я выбрала именно этот вариант, потому что мне было важно оставить сцены такими, какими они сгенерировались.

Цены отличаются: 900, 800 и 1000 кредитов за секунду соответственно. Итоговая стоимость сцены видна внизу окна — у меня вышло около 8000 кредитов за одну.

Финал

После липсинка платформа предложит улучшить качество. Дальше два пути:

• Собрать на платформе — она пересобирает клип целиком и отдаёт готовым.
• Собрать самой. Я так и сделала: у меня было несколько дублей, я выгрузила каждую сцену отдельно, собрала клип нарезками в CapCut и заново наложила полную аудиодорожку, чтобы звук был идеальным.

У меня трек был на минуту — получилось 8 сцен.

Промокод на токены

Токены на платформе платные, поэтому вот код на скидку:

neuronelia

даёт 10% скидки на покупку токенов

Я Неля. Делаю клипы и ролики на нейросетях, рассказываю про UGC и монтаж — показываю, как всё устроено на практике, без магии.