Agnes Video 2.5

Коротко

Разработчик

Agnes AI

Режимы

видео из текста, из изображения (с конечным кадром или без), по референсам

На входе

задание до 5000 знаков; одна картинка (по желанию с конечным кадром) либо до 5 картинок и до 3 аудиозаписей общей длиной до 12 секунд

На выходе

MP4, 24 кадра в секунду, от 4 до 12 секунд, 720p, 1080p или 2K; в наших пробах при 16:9 файлы вышли 1280×720, 1888×1088 и 2560×1440

Пропорции

21:9, 16:9, 4:3, 1:1, 3:4, 9:16 в любом режиме

Звук

дорожка есть всегда, отдельной кнопки нет; речь появляется по заданию или из приложенной записи

Русский язык

задание понимает; в наших пробах герои говорили по-русски, а надписи из задания вышли кириллицей без ошибок

Цена

от 3 ₽/сек.

API

есть, документация

Что умеет: пять проб на русском

Для этой страницы мы сняли десять роликов во всех трёх режимах, от 720p до 2K. Здесь пять из них, ещё четыре лежат во вкладке «Примеры».

Герой и товар по двум образцам

Когда в кадре нужен определённый человек или предмет, берите режим «Видео по референсам». Референсом называют картинку-подсказку: модель смотрит, как выглядят герой и вещь, и придумывает вокруг них новую сцену. Выдуманного пасечника и банку мёда мы нарисовали в Z-Image, здесь обе картинки ушли в поле Референсные изображения.

Пасечник с первого изображения стоит у голубых ульев на закате, открывает банку мёда со второго изображения, зачерпывает мёд деревянной ложкой и показывает, как он тянется. Камера медленно приближается, вокруг летают пчёлы.

Лицо, борода, соломенная шляпа и этикетка с пчелой узнаются сразу. Даже «Ё» в слове «МЁД» не потерялась. Портрет у нас дневной, а ролик получился закатным, как просили. Мёд тянется с ложки длинной нитью.

С теми же двумя картинками и тем же заданием мы раньше снимали в MiniMax H3 (модель H3 Max):

Героя и надпись удержали обе модели. У MiniMax в ролике два плана, и заканчивается он крупно, на ложке над банкой. Agnes обошёлся одним планом и плавно подвёл камеру к пасечнику, как и было сказано в задании.

Переход от пустой комнаты к обставленной

Галочка Конечный кадр в режиме «Видео из изображения» добавляет второе поле для картинки. Первая открывает ролик, вторая его закрывает, а середину модель сочиняет сама. Комнату без мебели и ту же комнату с мебелью, снятые с одной точки, мы сделали в Nano Banana 2.

Пустая комната обставляется сама: диван, ковёр, столик, растение, торшер, полка и картины плавно появляются на своих местах одно за другим. Камера неподвижна, солнечный свет из окна не меняется.

Ролик открывается ровно нашей первой картинкой. Камера стоит на месте. На полу проступает ковёр, следом диван и картины над ним, потом столик, растения, торшер и полка. Последний кадр совпадает со второй картинкой.

Вывеска и табличка по-русски в 2K

Этот ролик снят без картинок, по одному тексту и в самом высоком разрешении формы:

Раннее утро, маленькая кофейня на углу. Бариста в зелёном фартуке переворачивает табличку на стеклянной двери стороной с надписью «ОТКРЫТО» и улыбается. Над дверью звенит колокольчик, за окном проезжает трамвай. Над входом вывеска «КОФЕ У МОСТА». Тёплый свет, камера медленно приближается.

Обе надписи, «КОФЕ У МОСТА» и «ОТКРЫТО», без единой ошибки, за стеклом проходит красно-белый трамвай. Точку съёмки модель выбрала сама: камера стоит внутри зала, впереди тёмные силуэты гостей. Хотите улицу — так и напишите.

Сцена на 12 секунд по отрезкам

Двенадцать секунд — предел формы. Это уже маленькая история с завязкой и развязкой, и её проще всего расписать по отрезкам времени:

Ролик 12 секунд, реалистичный стиль, вечерний город после дождя.

0–4 с: курьер в жёлтой куртке подъезжает на электросамокате к подъезду, камера едет рядом, шины шуршат по мокрому асфальту.

4–8 с: он снимает с плеча термосумку и нажимает кнопку домофона, домофон пищит.

8–12 с: дверь открывается, женщина в сером свитере забирает пакет и говорит по-русски: «Спасибо, как раз вовремя!» Курьер улыбается и кивает, камера медленно отъезжает.

Все три отрезка на месте и в нужном порядке. Фразу женщины распознавание речи записало дословно. От себя модель надела курьеру шлем с козырьком.

Слова и голос из аудиозаписи

К референсам можно приложить до трёх аудиофайлов общей длиной до 12 секунд. Мы добавили к портрету пасечника восьмисекундную речь экскурсовода, которую озвучили выдуманным голосом в Qwen3 TTS:

Мужчина с изображения в роли экскурсовода стоит у автобуса на площади перед дворцом, обращается к туристам и говорит голосом и словами из референс-аудио. Утро, мягкий свет, камера на уровне глаз.

Пасечник в той же шляпе стоит у белого автобуса и показывает рукой на площадь. Распознавание нашло в ролике все слова записи: «Доброе утро. Через 10 минут наш автобус отправится в Петергоф. Дорога займёт около часа».

Насколько голос похож на запись, проверьте на слух: программа распознавания сверяет только слова. Ещё одна проба была вообще без картинок, с одним аудио, и экскурсовода на набережной модель придумала по заданию. Её можно посмотреть во вкладке «Примеры».

Как это работает на сайте

Режим выбирается кнопками Тип генерации. Для сцены по одному описанию есть «Видео из текста». «Видео из изображения» берёт вашу картинку: с галочкой Конечный кадр ролик откроется ею и закончится второй картинкой, а без галочки картинка послужит образцом, то есть герой и место останутся, но кадр модель может перестроить. В «Видео по референсам» загружают до пяти картинок и до трёх аудиозаписей; хватит и одного файла любого вида.

Дальше опишите сцену в поле Задание: кто в кадре, что делает и говорит, куда движется камера, что звучит. Ниже задаются Соотношение сторон, Разрешение и Длительность. Сумма к списанию написана на кнопке Отправить ещё до запуска. Ролик со звуком придёт в ленту под формой и неделю будет храниться в разделе Мои результаты; оттуда его скачивают или переносят в библиотеку. Изменить подставит задание и настройки обратно в форму, Повторить без вопросов запустит их заново.

Настройки формы по полям

Как писать промпт

Разработчики советуют такой порядок: кто и где, что делает и что меняется, работа камеры, стиль и свет, звук, а в конце то, что должно остаться неизменным. Все наши задания были на русском, переводить их не пришлось.

Для ролика с репликой:

Длинную сцену удобно разложить по секундам:

В режиме по референсам назовите каждый файл и его роль:

Что чаще всего портит результат:

• Надпись пересказана своими словами. Давайте точный текст в «ёлочках», как мы сделали с обеими вывесками кофейни.
• Язык вывесок не указан. В ролике с детективом на ночной улице мы о надписях промолчали, и неон вышел с иероглифами. В таких сценах стоит дописать «вывески на русском» или «без надписей».
• Реплика длиннее ролика. На 4–5 секунд рассчитывайте одно-два действия и одну фразу: длинный текст модель может скомкать или оборвать.

Больше приёмов про камеру и звук собрано в подборке промптов для видео.

Сколько стоит

Оплата посекундная, ставка зависит только от разрешения. Выбранный режим, количество картинок и записей, конечный кадр цену не меняют.

Первые пробы делайте в 720p на 4–5 секунд, а в 1080p или 2K запускайте уже отлаженное задание. Отказ модерации или сбой модели не стоит ничего: списанная сумма вернётся на баланс.

Для чего подойдёт

• Рекламный ролик с героем и упаковкой по двум картинкам, как в пробе с пасечником.
• Короткое вертикальное видео 9:16, где человек говорит в камеру одну фразу по-русски.
• Ремонт, перестановка, смена сезона: два кадра с одной точки и переход между ними.
• Заставка с вывеской, названием компании или табличкой на русском.
• Двенадцатисекундная история с завязкой и развязкой, расписанная по секундам.
• Ролик с вашей готовой записью: портрет идёт в картинки, файл в Референсное аудио.

Ограничения и что с ними делать

• Длина ограничена двенадцатью секундами. Сюжет подлиннее режьте на сцены и склеивайте в видеоредакторе, а цельный кусок до 30 секунд снимет Seedance 2.5.
• Одна картинка без конечного кадра служит образцом, а не точным первым кадром. Выдуманную девушку с велосипедом, нарисованную в Wan 2.7 Image, мы оживляли дважды: один ролик начался почти с исходной картинки, в другом камера встала ближе к героине. Если первый кадр должен совпасть точно, добавьте конечный или возьмите Vidu Q4: у неё одно фото становится первым кадром.
• Пропорции ролика под картинку сами не подстраиваются, их задаёт только Соотношение сторон.
• Видео в качестве образца форма не принимает. Повторить движение из своего ролика помогут MiniMax H3 или Seedance 2.5.
• Звук выключить нельзя. Свою музыку накладывайте потом в видеоредакторе.
• Модель охотно дописывает детали от себя: у нас появились шлем у курьера, иероглифы на вывесках, съёмка кофейни изнутри. Важное для вас лучше прямо назвать в задании.

Чем заменить и с чем сравнить

Эту модель стоит брать для реплики по-русски, перехода между двумя кадрами или голоса из своей записи, если хватает 12 секунд. Для видео-образцов, ролика подлиннее, 4K или редких форматов посмотрите на соседей:

Другие модели для тех же задач разобраны на страницах видео по референсам и видео из текста.

Вопросы и ответы