Нейросеть для генерации видео из фото: тест 27 роликов

Главное:

• Мы проверили, как нейросеть для генерации видео из фото справляется с тремя задачами: 27 роликов, 9 ноября 2026 года.
• Пригодных роликов: Kling 2.6 — 7 из 9, MiniMax H3 — 6 из 9, Grok Imagine — 6 из 9.
• Портрет оживили все три модели, а флакон и рекламу кофе модели провалили по-разному.
• Ни одна модель не справилась со всеми задачами, поэтому модель выбирают под конкретный сценарий.
• Все неудачные попытки опубликованы наравне с удачными, а исследование оплачено с баланса IskraGen.

Какая нейросеть для генерации видео из фото справится именно с вашей задачей? Обзоры отвечают на этот вопрос списками возможностей, а мы проверили три модели на деле. Мы — команда IskraGen, сервиса, где все три модели продаются, поэтому интерес у нас есть, и мы его не скрываем. Чтобы этот интерес не влиял на результат, методику, промпты и правило оценки мы зафиксировали во внутренней рабочей задаче до первой генерации и не меняли. Ни одну попытку мы не перезапускали ради качества, и в статье показаны все 27 роликов, включая неудачные.

Как мы проверяли нейросеть для генерации видео из фото

Мы взяли три модели из одного ценового коридора: каждая нейросеть для генерации видео из фото получила одинаковые исходники и промпты, а результат оценивался по правилу, записанному заранее.

Все запуски сделаны 9 ноября 2026 года через публичный API IskraGen, тем же путём, каким модели доступны любому клиенту. На каждую ячейку — модель, сценарий и номер попытки — пришёлся ровно один оплаченный запуск.

Длительности разные не по нашему выбору. У Kling 2.6 есть только 5 или 10 секунд, у Grok Imagine минимум 6, поэтому мы взяли ближайшие значения: 5, 5 и 6 секунд. У MiniMax H3 нет параметра формата, он берёт пропорции кадра из исходника. Звук не оценивался. У Kling 2.6 он выключен параметром, у двух других моделей выключателя нет, поэтому звуковые дорожки из опубликованных роликов удалены.

Модели представляют трёх разработчиков: Kuaishou (руководство по Kling 2.6), MiniMax (анонс H3) и xAI (документация Grok Imagine). Seedance 2 — тоже нейросеть для генерации видео из фото, но в тест он не попал: в тех же настройках он стоит в несколько раз больше и утроил бы смету.

Исходники мы сгенерировали заранее моделью GPT Image 2 — Text to Image в 2K, по 11,67 ₽ за кадр. Это синтетические кадры: на них нет реальных людей, текста и логотипов, поэтому не возникает вопроса о правах. Перегенерировать исходники разрешалось только до первого видео, а запасом мы так и не воспользовались.

Промпты для видео написаны на английском. Это стандартная практика: английское описание нейросеть для генерации видео из фото понимает точнее всего, и мы убираем лишнюю переменную — качество перевода внутри модели. Рядом с каждым промптом стоит русский перевод. Промпт одного сценария одинаков для всех трёх моделей.

Правило оценки, ретраи и потолок трат

Каждый ролик получил три оценки по шкале 0–2, и вердикт «пригоден» из них выводится формулой, а не вкусом оценщика.

• Сохранение лица или товара: 2 — то же лицо или тот же предмет без изменения формы; 1 — мелкие отличия; 0 — другой человек или предмет, деформация.
• Движение: 2 — выполнено всё заданное; 1 — частично; 0 — движения нет или оно другое.
• Артефакты: 2 — заметных нет; 1 — мелкие, вроде мерцания или «плавающего» фона; 0 — заметные, например искажённое стекло, лишние предметы или текст.

В подписях к роликам оценки идут в том же порядке, например «2/2/1». Пригодным для публикации считается ролик, у которого сохранение равно 2, а движение и артефакты оценены хотя бы на 1. Оценщиком был отдельный ИИ-агент: он не видел запуска и не знал, какая нейросеть для генерации видео из фото сделала каждый ролик. Ролики получили случайные номера. На каждый ролик оценщик видел лист из исходника и восьми равномерно взятых кадров, без названия модели и настроек. Номера кадров в его комментариях — места на этом листе, где первым стоит исходник, поэтому они указывают на примерный момент ролика.

Порядок запусков шёл раундами. Сначала первая попытка для всех девяти пар модели и сценария, потом вторая, потом третья. Если бы прогон упёрся в потолок, покрытие осталось бы равномерным. Технический повтор был разрешён один раз на ячейку и только в случае, когда генерация упала и деньги вернулись. Повторы ради качества были запрещены.

Смета на 27 роликов и 3 исходника составила 1115,01 ₽, потолок с запасом 20 % — 1338,01 ₽. Перед каждым запуском скрипт проверял, не выйдут ли траты за потолок. Техническим повтором не понадобилось воспользоваться ни разу: все 27 генераций завершились успешно с первой попытки.

Результаты: что получилось из 27 роликов

Из 27 роликов пригодными оказались 19, и шесть из восьми провалов пришлись на две пары модели и задачи.

Цена за пригодный ролик — это все оплаченные попытки пары, делённые на число пригодных. Неудачи оплачиваются так же, как удачи, поэтому цифра показывает, во что обходится результат, когда нейросеть для генерации видео из фото ошибается в части попыток.

Пригодных роликов из трёх попыток по каждой паре модели и задачи

Сводная строка по модели скрывает главное. Grok Imagine дал самый низкий расход на пригодный ролик, но с флаконом не справился ни разу. MiniMax H3 сохранил флакон во всех попытках, хотя облёта так и не сделал, а рекламу кофе провалил. Kling 2.6 ни в одном сценарии не опустился ниже двух пригодных из трёх, зато нигде, кроме портрета, не набрал трёх.

Сумма девяти оплаченных попыток модели, делённая на число пригодных роликов

Портрет: нейросеть для генерации видео из фото оживляет лицо

В портретном сценарии все три модели дали по три пригодных ролика из трёх: лицо, причёска и свитер сохранились во всех девяти попытках.

Исходник S1, формат 9:16, сгенерирован GPT Image 2 — Text to Image в 2K. Промпт: Photorealistic portrait of a woman about 35 years old with shoulder-length dark hair, wearing a cream knitted sweater, sitting by a window with soft daylight, looking slightly to the side, neutral calm expression, shallow depth of field, natural skin texture, no text, no watermark, no logos.

Промпт видео:

The woman slowly turns her head toward the camera, blinks naturally and gives a soft smile. Her hair moves slightly. Static camera. Keep her face, hairstyle and clothing exactly as in the photo.

Перевод: «Женщина медленно поворачивает голову к камере, естественно моргает и мягко улыбается. Волосы слегка двигаются. Камера статична. Лицо, причёска и одежда — точно как на фото».

Единственное отклонение — у Grok Imagine в первой попытке: камера отъехала, хотя должна была стоять, а за окном появились новые дома. Ролик всё равно прошёл по правилу, потому что лицо сохранилось, а движение и артефакты получили по единице.

S1A1, Kling 2.6, попытка 1: 5 с, без звука, 50 ₽. Оценка 2/2/2 — пригоден. Поворот головы к камере, мягкая улыбка, моргание в последнем кадре, волосы двигаются. Лицо и одежда без изменений.

S1A2, Kling 2.6, попытка 2: 5 с, без звука, 50 ₽. Оценка 2/2/2 — пригоден. Два моргания (кадры 2 и 7), поворот к камере и мягкая улыбка, волосы двигаются. Лицо и свитер без изменений.

S1A3, Kling 2.6, попытка 3: 5 с, без звука, 50 ₽. Оценка 2/2/2 — пригоден. Поворот головы к камере, в кадре 5 закрыты глаза (моргание), мягкая улыбка, волосы колышутся. Лицо узнаваемо, артефактов не видно.

S1B1, MiniMax H3, попытка 1: 5 с, 768P, 40 ₽. Оценка 2/2/2 — пригоден. Плавный поворот к камере, в кадре 5 моргание, в конце улыбка, волосы движутся. Лицо и одежда сохранены.

S1B2, MiniMax H3, попытка 2: 5 с, 768P, 40 ₽. Оценка 2/2/2 — пригоден. Поворот головы, моргание (кадр 5), улыбка к концу, волосы двигаются. Узнаваемо то же лицо, заметных артефактов нет.

S1B3, MiniMax H3, попытка 3: 5 с, 768P, 40 ₽. Оценка 2/2/2 — пригоден. Поворот к камере и улыбка, к концу чуть широковатая; волосы движутся, камера стоит. Лицо узнаваемо.

S1C1, Grok Imagine, попытка 1: 6 с, 720p, 30 ₽. Оценка 2/1/1 — пригоден. Поворот и улыбка есть, лицо то же, но камера отъезжает и смещается, хотя должна стоять. За окном появляются новые дома, фон перерисован.

S1C2, Grok Imagine, попытка 2: 6 с, 720p, 30 ₽. Оценка 2/2/2 — пригоден. Та же женщина плавно поворачивается к камере, в кадре 4 веки прикрыты (моргание), в конце мягкая улыбка, волосы двигаются. Лицо, причёска и свитер стабильны.

S1C3, Grok Imagine, попытка 3: 6 с, 720p, 30 ₽. Оценка 2/2/2 — пригоден. Голова плавно поворачивается к камере, появляется мягкая улыбка, волосы слегка двигаются, камера стоит. Лицо стабильно.

Флакон духов: нейросеть для генерации видео из фото и форма товара

С флаконом модели разошлись сильнее всего: MiniMax H3 сохранил товар в трёх попытках из трёх, Grok Imagine не сохранил ни разу.

Исходник S2, формат 16:9, сгенерирован GPT Image 2 — Text to Image в 2K. Промпт: Studio product photo of an amber glass perfume bottle with a matte black cap on a light travertine stone pedestal, soft gradient beige background, gentle rim light, sharp focus, no text on the bottle, no labels, no logos, no watermark.

Промпт видео:

Slow camera orbit around the perfume bottle, soft studio light sweeps across the glass and the liquid inside catches the light. The bottle shape, cap and proportions stay exactly the same. No hands, no text.

Перевод: «Камера медленно облетает флакон духов, мягкий студийный свет скользит по стеклу, жидкость внутри ловит блики. Форма флакона, крышка и пропорции остаются точно такими же. Без рук, без текста».

Здесь видно, с каким компромиссом работает нейросеть для генерации видео из фото, когда товар нужно показать с разных сторон. Grok Imagine честно облетает флакон, но на боковых ракурсах сужает пропорции, двоит контуры стекла и подкладывает под флакон лишнюю каменную плиту. MiniMax H3 сохраняет флакон, но настоящего облёта не делает: камера в основном дрейфует, поэтому движение получило единицу. Kling 2.6 поворачивает флакон заметнее, а в третьей попытке жидкость к концу темнеет до коричневой, и этот ролик правило отсеяло.

S2A1, Kling 2.6, попытка 1: 5 с, без звука, 50 ₽. Оценка 2/1/1 — пригоден. Небольшой доворот флакона и смещение камеры, полноценного облёта нет. Плечики флакона и блики на стекле слегка «плавают» от кадра к кадру.

S2A2, Kling 2.6, попытка 2: 5 с, без звука, 50 ₽. Оценка 2/2/1 — пригоден. Флакон заметно поворачивается, к концу ребро видно по центру, крышка та же. Внутренние грани и граница жидкости слегка двоятся.

S2A3, Kling 2.6, попытка 3: 5 с, без звука, 50 ₽. Оценка 1/2/1 — непригоден: флакон изменился. Флакон поворачивается, видны другие грани. Но к концу жидкость сильно темнеет до тёмно-коричневой, плечики округляются.

S2B1, MiniMax H3, попытка 1: 5 с, 768P, 40 ₽. Оценка 2/1/1 — пригоден. Форма флакона и крышки сохранена, доворот минимальный, движение в основном у камеры. В последних кадрах жидкость темнеет и мутнеет.

S2B2, MiniMax H3, попытка 2: 5 с, 768P, 40 ₽. Оценка 2/1/2 — пригоден. Флакон сохранён, к концу немного развёрнут, видна боковая грань, камера чуть смещается. Облёт слабый, артефактов нет.

S2B3, MiniMax H3, попытка 3: 5 с, 768P, 40 ₽. Оценка 2/1/2 — пригоден. Флакон и крышка сохранены, к концу видна боковая грань — лёгкий доворот, но в основном дрейф камеры, а не облёт. Заметных артефактов нет.

S2C1, Grok Imagine, попытка 1: 6 с, 720p, 30 ₽. Оценка 1/2/0 — непригоден: флакон изменился, заметные артефакты. Облёт есть, флакон показан с разных сторон. В кадрах 3 и 6 контуры стекла двоятся, в кадре 7 жидкость зернистая, в кадрах 4 и 6 под флаконом лишняя плита камня.

S2C2, Grok Imagine, попытка 2: 6 с, 720p, 30 ₽. Оценка 1/2/0 — непригоден: флакон изменился, заметные артефакты. Настоящий облёт, флакон виден сбоку, но тон стекла скачет (в кадре 7 сероватый). В кадрах 6–8 каменная подставка двоится, лишняя плита наслаивается.

S2C3, Grok Imagine, попытка 3: 6 с, 720p, 30 ₽. Оценка 1/2/1 — непригоден: флакон изменился. Выраженный облёт с видом сбоку и возвратом к фронту. Пропорции в боковых ракурсах заметно сужаются, под камнем мелькает лишняя белая подставка.

Реклама кофе: нейросеть для генерации видео из фото в вертикальном ролике

В рекламном сценарии Grok Imagine дал три пригодных ролика из трёх, Kling 2.6 — два, MiniMax H3 — ни одного.

Исходник S3, формат 9:16, сгенерирован GPT Image 2 — Text to Image в 2K. Промпт: Vertical photo of a tall glass of iced coffee with milk swirls and ice cubes on a wooden cafe table, condensation on the glass, warm morning light, blurred cozy cafe background, no text, no logos, no watermark.

Промпт видео:

Vertical product ad: ice cubes settle in the iced coffee, condensation drips down the glass, the camera slowly pushes in. Background stays softly blurred. Keep the glass and the drink exactly as in the photo, no text, no logos.

Перевод: «Вертикальная реклама продукта: кубики льда оседают в холодном кофе, конденсат стекает по стеклу, камера медленно наезжает. Фон остаётся мягко размытым. Стакан и напиток — точно как на фото, без текста и логотипов».

MiniMax H3 во всех трёх попытках перерисовал напиток: кофе темнел, кубики льда становились отчётливее, а вместо прозрачного конденсата по стакану ползли коричневые потёки. Kling 2.6 бережно сохранил стакан, но почти не двигался: во второй попытке движения не было совсем, и ролик не прошёл. Grok Imagine сделал заметный наезд и капли на стекле. В третьей попытке у основания стакана натекли лужицы кофе, но оценщик счёл это мелким артефактом. Для рекламы это главный риск: нейросеть для генерации видео из фото может «улучшить» продукт, и ролик перестаёт показывать то, что продаётся.

S3A1, Kling 2.6, попытка 1: 5 с, без звука, 50 ₽. Оценка 2/1/2 — пригоден. Почти статично: лёд сверху чуть смещается, верх напитка темнеет, наезда практически нет. Артефактов нет.

S3A2, Kling 2.6, попытка 2: 5 с, без звука, 50 ₽. Оценка 2/0/2 — непригоден: заданного движения нет. Кадры почти статичны: наезда нет, лёд и конденсат заметно не меняются. Стакан и напиток идентичны исходнику.

S3A3, Kling 2.6, попытка 3: 5 с, без звука, 50 ₽. Оценка 2/1/2 — пригоден. Кубики льда слегка смещаются, капли на стекле немного меняются, наезда камеры нет. Стакан и напиток стабильны.

S3B1, MiniMax H3, попытка 1: 5 с, 768P, 40 ₽. Оценка 1/1/1 — непригоден: напиток изменился. Напиток меняет вид: кубики льда становятся явными, кофе темнее. Снаружи стекают коричневые потёки и висят на краю, это не конденсат. Наезда нет.

S3B2, MiniMax H3, попытка 2: 5 с, 768P, 40 ₽. Оценка 1/1/0 — непригоден: напиток изменился, заметные артефакты. Вид напитка меняется (явные кубы льда, тёмный кофе). По стенкам стекают густые коричневые потёки, у основания растут лужи кофе. Наезда нет.

S3B3, MiniMax H3, попытка 3: 5 с, 768P, 40 ₽. Оценка 1/1/1 — непригоден: напиток изменился. Стакан тот же, но напиток меняется: проявляются кубики льда, верх темнеет; по стакану ползёт коричневая струйка вместо прозрачного конденсата. Наезда камеры почти нет.

S3C1, Grok Imagine, попытка 1: 6 с, 720p, 30 ₽. Оценка 2/2/2 — пригоден. Плавный наезд до крупного плана, по стеклу стекают капли конденсата, фон размыт. Стакан и напиток соответствуют исходнику.

S3C2, Grok Imagine, попытка 2: 6 с, 720p, 30 ₽. Оценка 2/1/2 — пригоден. Чёткий наезд камеры, фон размыт, капли на стекле есть. Оседания льда и стекающего конденсата почти не видно, рисунок напитка застыл.

S3C3, Grok Imagine, попытка 3: 6 с, 720p, 30 ₽. Оценка 2/2/1 — пригоден. Наезд камеры, капли и потёки по стеклу, стакан сохранён. В кадрах 6–9 у основания натекают коричневые лужицы кофе.

Розничная цена и фактические расходы исследования

Цена для читателя и расходы теста совпали, потому что ни одна генерация не упала и ни одна оплата не вернулась.

Розничная цена одного запуска в выбранных настройках на 9 ноября 2026 года: Kling 2.6 Image to Video, 5 с без звука — 50 ₽. MiniMax H3 — Картинка в видео, 5 с в 768P — 40 ₽. Grok Imagine Image to Video, 6 с в 720p — 30 ₽. Если ваша нейросеть для генерации видео из фото запускается с другой длительностью, разрешением или звуком, цена будет другой — расчёт Студия показывает до запуска.

Фактические расходы сложились так. За 27 роликов списано 1080,00 ₽, за 3 кадра-исходника — 35,01 ₽, итого 1115,01 ₽, ровно по смете и ниже потолка 1338,01 ₽. Возвратов не было, технических повторов тоже. Расходы проверены по балансу аккаунта. До 27 запусков на нём было 79 581,67 ₽, после — 78 501,67 ₽, разница 1080,00 ₽ совпадает с суммой списаний за видео до копейки. Исходники генерировались раньше первого замера баланса, поэтому в эту разницу не входят. Их стоимость подтверждена списаниями самих генераций.

Какая нейросеть для генерации видео из фото подошла под эти задачи

Результат теста описывает три конкретные задачи, и в двух из них модели разошлись от трёх пригодных роликов до нуля.

• Портрет с мягким движением — все три модели справились во всех попытках. Здесь любая проверенная нейросеть для генерации видео из фото даёт сопоставимое качество, и решают цена запуска и длительность.
• Товар, у которого нельзя менять форму — MiniMax H3 сохранил флакон во всех попытках, но облёта не сделал. Kling 2.6 двигал флакон смелее и дважды из трёх удержал форму. Grok Imagine в этой задаче не дал ни одного пригодного ролика.
• Короткая реклама с наездом камеры — Grok Imagine выполнил задачу полностью во всех трёх попытках. Kling 2.6 сохранил напиток, но почти не двигал камеру. MiniMax H3 перерисовывал напиток.

Практический вывод простой. Прежде чем выбрать нейросеть для генерации видео из фото под серию роликов, сделайте два-три пробных запуска на своём исходнике в двух моделях. Разница между моделями в одной задаче оказалась больше, чем разница в их цене. Подробнее о подготовке кадра и формуле промпта — в статье «Видео из фото нейросетью», а о том, какие модели понимают русский промпт, — в обзоре русских нейросетей для видео.

Ограничения теста

Выводы теста опираются на 27 роликов и одного оценщика, поэтому годятся как ориентир, а не как рейтинг моделей.

• Маленькая выборка. Три попытки на пару модели и задачи показывают тенденцию, но не долю брака. Разница между двумя и тремя пригодными из трёх может оказаться случайной.
• ИИ-оценщик по кадрам. Ролики оценивал ИИ-агент по листам из восьми кадров, а не панель зрителей по полному видео. Мерцание между кадрами и плавность движения по листу видны хуже.
• Модель частично угадывается. Слепота неполная: по длительности (5 или 6 секунд) и пропорциям кадра модель можно отличить.
• Три задачи из многих. Сцены с несколькими людьми, руками, текстом в кадре, длинные ролики и звук тест не проверял: на них нейросеть для генерации видео из фото может вести себя иначе.
• Авторство. Тест провела и оплатила команда IskraGen. Все три модели продаются в нашем сервисе, поэтому методику, промпты и правило оценки мы зафиксировали во внутренней рабочей задаче до первой генерации и не меняли.

Исходные данные — параметры всех 27 запусков, оценки, идентификаторы генераций и контрольные суммы оригинальных файлов — хранятся вместе со статьёй. Проверить свою нейросеть для генерации видео из фото можно тем же способом: те же исходники, те же промпты и то же правило оценки.