Нейросети для создания видео из изображений
Как выбрать
- Kling 2.5 Turbo Pro — Kling 2.5 Turbo Pro — нейросеть Kuaishou для коротких видео: делает ролик 1080p на 5 или 10 секунд по описанию или оживляет картинку. Умеет привести видео к заданному конечному кадру, понимает негативный промпт и обходится дешевле Kling 3.0.
- PixVerse 6.0 — PixVerse 6.0 — нейросеть для коротких роликов от 1 до 15 секунд: оживляет фото, снимает видео по описанию, строит переход между двумя кадрами и продлевает готовое видео. Звук и голос за кадром создаёт вместе с картинкой, задание понимает по-русски.
- Kling 2.6 Motion Control — Kling 2.6 Motion Control — нейросеть Kuaishou, которая переносит движение из короткого ролика на персонажа с картинки: герой повторяет походку, танец или жест. Ролик-образец можно снять самому, а героем сделать мультперсонажа, зверя или себя.
- Gemini Omni 1.1 — Gemini Omni 1.1 Flash — видеонейросеть Google, вторая модель Omni: снимает ролики до 10 секунд со звуком и русской речью по тексту, картинкам и вашему видео. Помнит сохранённых героев и голоса, а для быстрых проб умеет 360p.
- Pruna P-Video 2 Pro — Pruna P-Video 2 Pro — нейросеть Pruna AI для роликов со звуком из текста или картинки длиной от 5 до 15 секунд. Умеет видео по первому и последнему кадру, а герои в наших пробах произносили русские реплики слово в слово.
- Seedance 2.0 Mini — Seedance 2.0 Mini — облегчённая нейросеть ByteDance для коротких роликов без звука: снимает видео от 4 до 15 секунд из текста, из картинки или по набору референсов в 480p или 720p. Удобна, чтобы недорого перебрать варианты сцены до финального запуска.
- Seedance 1.0 — Seedance 1.0 — первая видеонейросеть ByteDance из линейки Seedance: делает беззвучный ролик на 5 или 10 секунд из фото или описания, вплоть до 1080p. Внутри три модели: Lite для проб и перехода к конечному кадру, Pro для финального ролика и Pro Fast для роликов из фото.
- Wan 2.2 — Wan 2.2 — нейросеть Alibaba, которая оживляет картинку: по фото или рисунку и короткому описанию движения снимает ролик на 5 или 8 секунд без звука. Берите её, когда кадр уже готов и важно сохранить его цвета, лица и стиль, а ещё для плавного перехода ко второй картинке.
- Seedance 2.0 — Seedance 2.0 — нейросеть ByteDance для видео до 15 секунд: снимает ролик по описанию, по фото, по первому и конечному кадру или по набору референсов и переделывает готовое видео. Для снимков с лицами людей в форме есть модели Face.
- Pruna AI P-Video — Pruna AI P-Video — нейросеть для коротких роликов из текста или одной картинки: от 1 до 20 секунд, 720p или 1080p. Звук она придумывает сама, от шелеста листьев до фразы на русском, поэтому её берут, чтобы оживить фото со звуком без отдельной озвучки.
- Hailuo 2.3 — Hailuo 2.3 — видеонейросеть MiniMax, которая оживляет одну картинку в ролик на 6 или 10 секунд: человек улыбается и танцует, рисунок двигается, оставаясь рисунком. Она новее Hailuo 02 и в нашем сравнении точнее держала стиль рисунка, но снимает только из изображения.
- MiniMax H3 — MiniMax H3 — видеонейросеть компании MiniMax: снимает ролик со звуком из описания, из картинки или по образцам — фото, видео и аудио. Две модели: H3 в 768P и 2K и H3 Max в 480p–1080p, длина от 5 до 15 секунд; русскую речь и надписи из задания в наших пробах передала без ошибок.
- Vidu Q2 Pro — Vidu Q2 Pro — нейросеть ShengShu Technology, которая оживляет фото: из одной картинки делает ролик от 1 до 10 секунд, а со второй картинкой ведёт сцену к нужному конечному кадру. В нашей пробе с портретом она сохранила черты лица и передала смену эмоций.
- PixVerse 5.6 — PixVerse 5.6 — нейросеть китайской компании AIsphere для коротких роликов: оживляет картинку и строит переход между двумя кадрами, по желанию со звуком. Ролик выходит ровно на 5, 8 или 10 секунд, а задание можно писать по-русски.
- Kling 2.6 — Kling 2.6 — нейросеть Kuaishou для коротких роликов на 5 или 10 секунд: снимает сцену по описанию или оживляет картинку. С неё в линейке Kling появился звук: включите переключатель, и шумы, фон и голоса создадутся вместе с картинкой.
- Wan 2.2 Animate 2 — Wan 2.2 Animate 2 — нейросеть Alibaba для анимации персонажа по видео: герой с картинки повторяет позы, жесты и мимику человека из загруженного ролика. Заменять человека в готовой сцене она не умеет, зато внешность героя и фон описываются в отдельном поле, не смешиваясь с движением.
- Pruna P-Video 2 — Pruna P-Video 2 — нейросеть Pruna AI для роликов до 20 секунд со звуком из текста или одной картинки: герой произносит реплику по-русски, а шумы и музыку модель сочиняет сама. От первой P-Video её отличают переключатель «Черновик» для быстрых проб и «Улучшить задание».
- Hailuo 02 — Hailuo 02 — видеонейросеть MiniMax: оживляет картинку в ролик на 6 или 10 секунд, снимает сцену по текстовому описанию, а с конечным кадром ведёт её от одного изображения к другому. Звука в роликах нет, задание можно писать по-русски.
- LTX 2.3 — LTX 2.3 — нейросеть Lightricks для видео со звуком: снимает ролик по описанию или картинке, оживляет портрет под запись голоса, дописывает готовое видео и переснимает в нём отдельный кусок. Её берут, когда нужен длинный дубль до 20 секунд, 4K или правка без пересъёмки всего ролика.
- Luma 3.2 — Luma 3.2 — видеонейросеть американской Luma AI на модели Luma Ray 3.2. Она снимает ролик по описанию или из картинки, правит готовое видео текстом и переводит его в другой формат кадра, дорисовывая края. Четыре режима в одной форме, до 1080p, задания понимает на русском.
- Flux 3 Video — Flux 3 Video — видеонейросеть Black Forest Labs: снимает ролик на 5–20 секунд со звуком по описанию или по 1–10 картинкам. Сначала можно сделать дешёвый черновик, а удачный довести до HD или FHD с тем же сюжетом и движением.
- Kling 3.0 Turbo — Kling 3.0 Turbo — облегчённая видеомодель Kuaishou: делает ролик от 3 до 15 секунд из текста или одной картинки, и звук в нём есть всегда. Берите её, когда нужен короткий клип с шумами и музыкой без лишних настроек: сцен, референсов и 4K, как в обычной Kling 3.0, здесь нет.
- Wan 2.6 Flash — Wan 2.6 Flash — быстрая версия видеомодели Wan 2.6 от Alibaba: оживляет картинку на 2–15 секунд или собирает ролик по пяти референсам, со звуком или без. Подойдёт, когда нужен короткий ролик точной длины или несколько планов в одном видео.
- Pika 2.2 — Pika 2.2 — нейросеть американской компании Pika Labs для коротких роликов: оживляет фото, снимает видео по описанию, ведёт сюжет через 2–5 ключевых кадров и собирает сцену из нескольких картинок. Ролик приходит без звука, задание можно писать по-русски.
- Pruna AI P-Video Animate — Pruna AI P-Video Animate - это модель от Pruna для анимации картинки по референсному видео: вы загружаете одно изображение и одно видео, а на выходе получаете ролик, где персонаж или объект с картинки повторяет движение из исходника. Инструмент рассчитан на быстрый результат и делает упор на перенос движения и звука в новый клип.
- Veo 3.1 — Veo 3.1 — нейросеть Google для видео со звуком: снимает восьмисекундный ролик по описанию, по картинке, по референсам или между двумя заданными кадрами, и герои в нём говорят по-русски. Модели Lite, Fast и Обычная отличаются ценой и проработкой кадра.
- Vidu Q4 — Vidu Q4 — видеонейросеть ShengShu Technology, которая оживляет одно фото в ролик со звуком или собирает сцену по 2–12 референсам героев и предметов. Задание понимает на русском, а голос героя можно задать своим MP3-файлом.
- PixVerse 5.5 — PixVerse 5.5 — нейросеть AIsphere для коротких роликов из картинки: оживляет фото, делает переход между двумя кадрами и знает 98 готовых эффектов вроде поцелуя или зума из космоса. Для эффекта хватает одного фото, писать задание не нужно.
- HappyHorse 1.0 — HappyHorse 1.0 — видеонейросеть Alibaba: снимает ролик до 15 секунд сразу со звуком по описанию, из одной картинки или по набору референсов, а ещё переделывает короткий готовый ролик по заданию. Название читают «хэппи хорс». От версии 1.1 её отличает как раз режим правки видео.
- PixVerse VibeMV — PixVerse VibeMV — нейросеть, которая делает клип из музыки: вы загружаете готовую песню, выбираете стиль и формат кадра, а сцены, героя и смену планов под ритм она придумывает сама. Задание писать не нужно, фото героя и картинка-образец стиля — по желанию.
- Wan 2.5 — Wan 2.5 — видеомодель Alibaba, с которой у линейки Wan появился звук: снимает ролик на 5 или 10 секунд по описанию или оживляет картинку, а герои произносят реплики по-русски. Удобна для вертикального или квадратного ролика из одного текста и простой сцены с одной фразой.
- Wan 2.6 — Wan 2.6 — нейросеть Alibaba для видео со звуком: снимает ролик на 5, 10 или 15 секунд по описанию, оживляет картинку или переносит героя из вашего видео в новую сцену. Умеет делить ролик на несколько планов со склейками, реплики говорит по-русски.
- Midjourney Video — Midjourney Video — нейросеть лаборатории Midjourney, которая оживляет готовую картинку: из одного кадра получается ролик около 5 секунд без звука. За запуск приходят сразу четыре варианта движения, а рисованный стиль исходника в них сохраняется, поэтому модель удобна для артов и иллюстраций.
- Vidu Q3 — Vidu Q3 — нейросеть ShengShu Technology, которая снимает ролик до 16 секунд по описанию или по картинке и сразу его озвучивает: звуки сцены, фоновую музыку и реплики героев модель делает вместе с видео. Подойдёт для коротких сцен с несколькими планами, а реплики героям лучше писать по-английски.
- PixVerse C1 — PixVerse C1 - модель для генерации видео от компании PixVerse. Она делает ролики по текстовому описанию, оживляет одно изображение, собирает сцену по референсам и умеет строить переходы между первым и конечным кадром. Максимум в этой версии - до 15 секунд и до 1080p, а звук можно сгенерировать вместе с видео.
- Waver 1.0 — Waver 1.0 — нейросеть ByteDance, которая делает из картинки и короткого описания живое фото: ролик около 5 секунд в 720p без звука. Настроек в форме нет: достаточно загрузить кадр и описать движение. Подойдёт для товаров, пейзажей и иллюстраций.
- HappyHorse 1.1 — HappyHorse 1.1 - нейросеть для генерации коротких видео по тексту, картинке или референсным изображениям. Модель связана с Alibaba и рассчитана на ролики до 1080p, где важны движение, композиция кадра и более стабильный внешний вид персонажей от сцены к сцене.
- SkyReels V4 — SkyReels V4 - нейросеть для генерации видео по тексту, картинкам и референсам. Модель умеет собирать короткие ролики до 15 секунд, поддерживает разрешение до 1080p и рассчитана на сценарии, где нужно не просто «сделать красивое видео», а удержать персонажа, стиль, движение камеры или продолжить уже существующий фрагмент.
- Vidu Q3 Drama — Vidu Q3 Drama - нейросеть для создания драматических видео по сценарию, картинкам и подготовленным ассетам. Модель относится к линейке Vidu Q3 и заточена под сюжетные ролики, где важны цельная сцена, эмоции, движение камеры и ритм.
- PixVerse Motion Control Mimic — PixVerse Motion Control Mimic - это инструмент PixVerse для переноса движения с одного видео на статичную картинку. Вы загружаете изображение персонажа и референсное видео, а модель собирает новый ролик, в котором герой с картинки повторяет движения из исходного фрагмента.
- Vidu Q3 Ad — Vidu Q3 Ad - модель для генерации коротких рекламных роликов по описанию и изображениям. Она берёт фото товара или несколько референсов, собирает из них сцену и делает готовое видео в нужном формате кадра. Vidu создан компанией ShengShu Technology.
- Wan 2.2 Turbo — Wan 2.2 Turbo - нейросеть для генерации коротких видео: можно написать текст, что должно происходить в кадре, или взять одно изображение и “оживить” его движением.
- Vidu Q3 Drama Clip — Vidu Q3 Drama Clip - инструмент на базе Vidu Q3 для создания коротких сюжетных видео по сценарию и списку ассетов: персонажей, локаций и важных предметов. Он рассчитан на сцены, где нужно сохранить логику кадра, выдержать драматический ритм и не потерять внешний вид героев между планами.
Как выбрать нейросеть
Нейросеть для создания видео из фото берёт вашу картинку первым кадром и досчитывает, что было дальше. Люди поворачивают головы и улыбаются, листья шевелятся, камера наезжает или облетает сцену. Выходит короткий ролик, обычно на 5–15 секунд, а у некоторых нейросетей до 30: открытка для семейного чата, заставка к сторис, реклама товара или просто старый снимок, в котором бабушка с дедушкой снова переглядываются.
Нейросетей в разделе больше пятидесяти, и цена секунды у них отличается в десятки раз. Поэтому мы прогнали одни и те же картинки через лидеров и выложили всё, что получилось. Если нет времени читать, начните с Grok Video 1.5: 5 секунд в 480p там стоят меньше, чем у остальных лидеров, а как запустить ролик, рассказано ниже, после сравнений.
Одно старое фото в четырёх нейросетях
Исходник мы сгенерировали сами, людей на нём не существует: чёрно-белый снимок пары на скамейке в парке, с царапинами и зерном, как у настоящей фотографии из 1960-х.
Задание у всех одинаковое: длительность 5 секунд, разрешение 720p.
Оживи старую фотографию: мужчина и женщина на скамейке медленно поворачиваются друг к другу и улыбаются, женщина слегка сжимает его руку, ветер шевелит листья деревьев за ними. Камера неподвижна. Сохрани чёрно-белое изображение, плёночное зерно и лица такими, как на фото.
Grok Video 1.5 · 5 с, 720p · от 2 ₽/сек
Seedance 2.5 · 5 с, 720p · от 8 ₽/сек.
Kling 3.0 · 5 с, 720p, без звука · от 11 ₽/сек.
Wan 3.0 Video Prime · 5 с, 720p · от 9 ₽/сек.
С первой попытки справились все четыре. Лица узнаются в каждом ролике. Seedance 2.5 двигает людей сдержаннее всех: пара поворачивается друг к другу и улыбается, без лишних жестов, зерно и потёртости на месте. Для семейного архива такое спокойствие подходит лучше всего. Только Wan 3.0 отыграла «сжимает руку»: мужчина накрывает её ладонь своей. Grok Video 1.5 добавила от себя летящие листья и к концу снова развернула пару к камере. Kling 3.0 устроила самую бурную сцену: оба смеются во весь рот, женщина щурится, и её лицо от этого меняется сильнее, чем у других.
Звук в этом сравнении мы не оценивали: у Kling он был выключен, у остальных включён по умолчанию. Ждали мы от минуты у Grok до трёх с лишним минут у Seedance 2.5, а по цене ролик Seedance 2.5 вышел в разы дороже, чем у Grok Video 1.5.
Кто из нейросетей говорит по-русски
Многие нейросети создают звук с речью прямо вместе с видео, но русский есть не у всех. Чтобы не гадать, мы дали одну фразу девяти нейросетям, которые сами создают звук, и прогнали каждый ролик через распознавание речи. Героиня снова выдуманная.
Девушка ставит чашку на стол, смотрит в камеру, улыбается и говорит по-русски спокойным тёплым голосом: «Привет! Я жду тебя уже двадцать минут, но кофе здесь того стоит». Камера неподвижна, в кофейне тихо играет музыка.
Grok Video 1.5 · 6 с, 720p · от 2 ₽/сек
Veo 3.1 · 8 с, 720p, модель Fast · от 10 ₽
Wan 3.0 Video Prime · 6 с, 720p · от 9 ₽/сек.
У всех трёх распознавание вернуло фразу слово в слово, «двадцать минут» тоже, и губы двигаются в такт речи. Grok Video 1.5 держит героиню ближе всего к исходнику, чашка всё время в руках. Wan 3.0 добавила жест рукой и вышла самой громкой. Veo 3.1 всегда делает ролик на 8 секунд, фраза в них укладывается свободно. Зато Veo прицепила девушке на свитер петличный микрофон, которого не было на фото.
Кроме этих трёх, по-русски заговорили Grok Video, Wan 2.6 Flash, LTX 2.3 и Pruna AI P-Video, но с огрехами: у Wan 2.6 Flash и LTX 2.3 из рук пропала чашка, а у LTX и P-Video тоже появился микрофон. У PixVerse 6.0 голос есть, но губы не двигаются: девушка молча улыбается, а фраза звучит поверх. В ролике Kling 3.0 распознавание не нашло ни одного русского слова. Seedance 2.5 и 2.0 мы в эту проверку не брали: русского нет в списке языков, которые заявляет разработчик.
Если нужен герой, который произносит ваш текст вашим голосом, это другая задача: загляните в раздел «Говорящее фото».
Как сделать видео из фото на сайте
Откройте нейросеть по ссылке или карточке выше. В поле Тип генерации выберите режим с картинкой, он называется «Видео из изображений» или «Первый кадр». Загрузите фото и в поле Задание напишите, что должно двигаться. Потом выберите длительность, разрешение и пропорции кадра и нажмите Отправить: цена видна на кнопке до запуска и меняется вместе с настройками. У большинства нейросетей платите за секунду ролика, у некоторых за ролик целиком. Разрешение выбирайте под задачу: 480p — для проб, 720p — для экрана телефона, 1080p и 4K (2160p) — для большого экрана.
Готовое видео появится под формой и в разделе Мои результаты. Хранится оно 7 дней. Если сайт для вас новый, начните с инструкции по сайту.
С каких нейросетей начать
Grok Video 1.5 и Grok Video: дешёвые ролики со звуком
Чаще всего на сайте оживляют фото в двух нейросетях Grok от xAI. Grok Video 1.5 новее: ролик от 1 до 15 секунд в 480p или 720p, звук и речь генерируются сами, можно загрузить до 7 картинок. Она дешевле остальных лидеров, и наши ролики были готовы примерно за минуту. Стоит она от 2 ₽/сек.
Предыдущая версия, Grok Video, делает ролики до 30 секунд и умеет режим Весёлый в поле Режим: движение становится мультяшнее и смешнее. На ней же сделан популярный шаблон сайта с ожившим детским рисунком, где человечки с листа начинают бегать по бумажному миру.
Задание длинное, поэтому целиком оно в шаблоне. Главное в нём запрет «улучшать» рисунок: линии, цвета и неровности остаются детскими, а объём появляется постепенно.
Grok Video · режим «Весёлый», 7 с, 720p · от 2 ₽/сек
Слабое место обеих: максимум 720p, а в сложных сценах Grok любит досочинять детали, как с листьями на нашем старом фото. Подробный разбор с рисунками есть в инструкции «Как оживить детский рисунок».
Seedance 2.5: аккуратное движение и до 30 секунд
Seedance 2.5 — новая версия от ByteDance. Ролик до 30 секунд одним куском (у Seedance 2.0 было 15), разрешение до 1080p, звук включён по умолчанию. В режиме «Видео из изображений» можно загрузить до 30 картинок, а в поле Тип генерации есть ещё «Переход» между первым и конечным кадром и «Видео по референсам», где картинки служат образцами героя, места или стиля. В нашей пробе со старым фото лица и фактура у неё сохранились лучше всех.
Зато она дорогая и долгая: от 8 ₽/сек., а наш пятисекундный ролик был готов только через три с лишним минуты. Пробуйте сначала в 480p, это заметно дешевле 720p.
Kling 3.0: 4K и несколько сцен в одном ролике
Из лидеров только Kling 3.0 от Kuaishou делает 4K (2160p). Ещё у неё есть поле Сцены. «Один ролик» даёт обычный дубль, при «Умном планировании» нейросеть сама режет ролик на несколько кадров, а в «Своих сценах» вы описываете каждую сцену отдельно. Мы дали фото кроссовка и попросили рекламу из трёх сцен.
Рекламный ролик кроссовка из трёх сцен. Сцена 1: крупный план, капли воды скатываются по ткани кроссовка, камера медленно наезжает. Сцена 2: бегун в этих кроссовках срывается с места и бежит по мокрой крыше, брызги из-под подошвы, камера низко сбоку. Сцена 3: кроссовок снова стоит на парапете, солнце поднимается над городом, камера плавно отъезжает. Кроссовок во всех сценах одинаковый: белый верх, оранжевая подошва, без логотипов.
Kling 3.0 · Видео из изображений, «Умное планирование», 10 с, 720p · от 11 ₽/сек.
Это первая попытка. Склейки пришлись на 3-ю и 7-ю секунды, кроссовок во всех трёх сценах один и тот же. Во второй сцене бегун выскочил на ночную крышу, хотя в задании был рассвет, так что для настоящей рекламы эту сцену стоило бы перезапустить. Kling 3.0 стоит от 11 ₽/сек., а звук, который нейросеть создаёт сама, и 1080p стоят дороже. В форме есть поле Версия, варианты в нём отличаются настройками и ценой, мы запускали вариант по умолчанию. Русская речь в нашей пробе у Kling не получилась.
Wan 3.0 Video Prime: длинный дубль со звуком
Wan 3.0 Video Prime от Alibaba вышла в августе 2026 года. Она делает от 2 до 30 секунд одним непрерывным кадром, без склеек, звук включён по умолчанию, по-русски говорит. Для фото в поле Тип генерации два режима: «Первый кадр» и «Первый и конечный кадр», когда вы задаёте ещё и то, чем сцена закончится. Есть и другие режимы, но для фото нужны эти два. Для проверки длинного кадра мы взяли акварельный рисунок и 15 секунд в дешёвом 480p.
Акварельная иллюстрация оживает одним непрерывным кадром. Камера медленно летит над озером к деревне: туман плывёт над водой, лодка у мостков покачивается, крылья мельницы на холме вращаются, в окнах домиков мерцает свет, на небе загораются звёзды. Всё остаётся нарисованным акварелью, видна фактура бумаги. Звук: тихий плеск воды, сверчки, далёкий лай собаки.
Wan 3.0 Video Prime · Первый кадр, 15 с, 480p, звук включён · от 9 ₽/сек.
Все 15 секунд картинка осталась акварелью, вечер к концу перешёл в ночь, а ролик был готов меньше чем за полторы минуты. В блоге Alibaba разработчики сами пишут, что звук и надписи в кадре у Wan 3.0 ещё дорабатывают. Стоит она от 9 ₽/сек., 720p дороже 480p.
Остальные нейросети раздела
Другие версии лидеров
Seedance
Seedance 1.5 Pro делает недорогой ролик со звуком на 4, 8 или 12 секунд, а переключатель Фиксированная камера не даёт кадру «плыть».
Рыжий кот сидит на подоконнике и следит за каплей, которая ползёт по стеклу, поворачивает голову, трогает стекло лапой и тихо мяукает. Капли дождя стекают по окну, за окном качаются осенние деревья. Звук: шум дождя по стеклу, тихое мяуканье, тиканье часов в комнате. Камера неподвижна.
Seedance 1.5 Pro · 8 с, 720p, звук включён, фиксированная камера · от 7 ₽
Кот тронул стекло лапой и мяукнул ровно там, где просили. Дождь шёл все 8 секунд. Неподвижную камеру и конечный кадр умеет и первая версия семейства, Seedance 1.0: её до сих пор часто выбирают, а платите у неё за ролик целиком.
Между первой и новой версиями есть ещё две. Seedance 2.0 собирает ролик по набору картинок-образцов и умеет редактировать видео, а Seedance 2.0 Mini работает по фото и референсам дешевле.
Kling
Kling 2.1 — предыдущая версия, которую на сайте до сих пор выбирают очень часто. Kling 2.5 Turbo Pro умеет конечный кадр, а ползунок Сила следования промпту решает, насколько точно она держится текста из поля Задание (его и называют промптом). Kling 2.6 делает ролики со звуком. Есть ещё Kling 3.0 Turbo.
Wan
Wan 2.7 Video популярна тем, что оживляет фото под ваш аудиофайл и продлевает готовые ролики. Wan 2.2 Ultra Fast — самая быстрая в линейке 2.2, её часто берут для проб.
Быстрая Wan 2.6 Flash говорит по-русски (см. проверку выше), Wan 2.2 умеет конечный кадр и список того, чего не должно быть в ролике. Есть и Wan 2.6, 2.5 и 2.2 Turbo.
Известные имена
Veo 3.1 от Google делает 8 секунд со звуком и умеет конечный кадр. Runway 4 Turbo — одна из самых популярных в разделе: ролики на 5 или 10 секунд, а готовые можно продлить. Gemini Omni 1.1 работает с персонажами и голосами, Midjourney Video оживляет одну картинку и позволяет усилить или смягчить движение, Luma 3.2 умеет ещё и менять формат кадра.
Дёшево для проб
Для недорогих проб подойдут Pruna AI P-Video и Pruna P-Video 2 с режимом черновика, Vidu Q2 Pro и PixVerse 6.0, у которой разрешение начинается с 360p.
Со звуком и в высоком разрешении
MiniMax H3 делает 2K, LTX 2.3 выдаёт 4K (2160p) и 50 кадров в секунду, а HappyHorse 1.0 и 1.1 держат персонажей по референсам. Остальные нейросети раздела, от SkyReels и Hailuo до Pika, видны карточками выше.
Pruna P-Video 2 Pro: ролик к заданному последнему кадру
Pruna P-Video 2 Pro — старшая версия P-Video 2 от Pruna AI, на сайте она с октября 2026 года. В режиме «Видео из изображений» ваша картинка становится первым кадром и задаёт пропорции ролика. Если поставить галочку Конечный кадр, появится место для второй картинки, и ролик придёт к ней. Звук модель создаёт вместе с видео: реплики, шумы, музыку. Длительность от 5 до 15 секунд, разрешение 480p или 768p, в поле Режим есть экономный, быстрый и качественный варианты. Без картинки она тоже работает: в режиме «Видео из текста» можно выбрать одну из семи пропорций, от 16:9 и 9:16 до квадрата 1:1.
Таймлапс: бутоны тюльпанов в вазе медленно раскрываются, утренний свет за окном постепенно становится тёплым вечерним, несколько лепестков опадают на стол. Камера неподвижна. Тихо тикают часы, щебечут птицы за окном.
Pruna P-Video 2 Pro · Конечный кадр, 6 с, 768p, качественный режим · от 2 ₽/сек.
Утреннюю и вечернюю картинки мы заранее сделали в одной нейросети с одного ракурса. Последний кадр ролика совпал со второй из них, а ваза и вещи на столе за шесть секунд не сдвинулись. По-русски модель тоже говорит: выдуманный лесник на нашем фото произнёс обе свои фразы дословно. Зато просьбу держать камеру неподвижно она в том ролике не выполнила и посреди сцены сменила план, поэтому нужный ракурс надёжнее сразу заложить в картинку. Поле Улучшение задания перед съёмкой дописывает ваш текст; если важна каждая фраза, его лучше выключить.
Vidu Q4: первый кадр и до 4K
Vidu Q4 ShengShu выпустила 7 октября 2026 года. Если загрузить одну картинку и не добавлять голосов, она станет первым кадром, а ролик повторит её пропорции. Звук и речь модель создаёт сама, ролик длится 3–16 секунд, качество от 540p до 4K. Стоит добавить вторую картинку или голос в MP3, и Q4 переключится на видео по референсам: построит новую сцену с героями с картинок, в формате кадра на ваш выбор.
Девушка опускает письмо в синий почтовый ящик, оборачивается к камере и весело говорит по-русски: «Всё, отправила! Теперь только ждать ответа.» Потом садится на зелёный велосипед и уезжает по осенней улице, листья кружатся. Камера плавно следует за ней.
Vidu Q4 · одна картинка, 540p, 8 с · от 8 ₽/сек.
За восемь секунд героиня успела всё по порядку. А вот русская фраза не получилась: речь похожа на русскую по ритму и интонации, но слов не разобрать. Так было во всех наших пробах Q4 с репликами, поэтому русский текст к её роликам лучше озвучить отдельно.
Waver 1.0: живое фото без настроек
Waver 1.0 сделала команда Waver из ByteDance. В форме всего два поля: картинка и задание. Длительность, разрешение и звук выбирать не нужно: ролик выходит около 5 секунд в 720p, 30 кадров в секунду, без звука, а пропорции берутся с картинки. Платите за ролик целиком, 45 ₽. Мы проверили её на снимке товара.
Камера медленно облетает флакон духов по дуге слева направо, туман стелется по камню, золотые блики скользят по стеклу, сверху плавно падает лепесток розы.
Waver 1.0 · 16:9, без настроек · 45 ₽
Облёта камеры не вышло, она стоит на месте. Зато туман клубится, лепесток опускается к флакону, а флакон все пять секунд остаётся таким же, как на снимке. Для карточки товара или фона сайта этого хватает. Портрет, пейзаж и акварель из наших проб показаны на странице Waver 1.0.
Для особых задач
Повторить движение с чужого видео умеют Kling 2.6 Motion Control, PixVerse Motion Control Mimic, Wan 2.2 Animate 2 и P-Video Animate, они собраны в разделе «Контроль движения». Переход между двумя фото делают PixVerse 5.6, 5.5 и C1, все варианты есть в разделе «Видео-переход между кадрами». Рекламу и драматические сцены по сценарию собирают Vidu Q3 Ad, Vidu Q3 Drama и Drama Clip, а клип под вашу песню снимет PixVerse VibeMV.
Таблица: длительность, звук, особенности
В таблице лидеры и самые заметные нейросети, остальные есть карточками выше.
| Нейросеть | Цена | Длительность | Звук | Чем выделяется |
|---|---|---|---|---|
| Grok Video 1.5 | от 2 ₽/сек | 1–15 с | да, говорит по-русски | самая дешёвая и быстрая из лидеров |
| Grok Video | от 2 ₽/сек | 6–30 с | да, говорит по-русски | режим «Весёлый» |
| Seedance 2.5 | от 8 ₽/сек. | 4–30 с | да, русский не заявлен | в нашей пробе лучше всех сохранила лица, до 1080p |
| Seedance 1.5 Pro | от 7 ₽ | 4, 8 или 12 с | по желанию | недорогой звук, фиксированная камера |
| Kling 3.0 | от 11 ₽/сек. | 3–15 с | по желанию, без русской речи | 4K, несколько сцен в ролике |
| Kling 2.5 Turbo Pro | от 40 ₽ | 5 или 10 с | нет | конечный кадр, можно перечислить, чего не должно быть в ролике |
| Wan 3.0 Video Prime | от 9 ₽/сек. | 2–30 с | да, говорит по-русски | длинный кадр без склеек, первый и конечный кадр |
| Wan 2.6 Flash | от 50 ₽ | 2–15 с | да, говорит по-русски | быстрая |
| Veo 3.1 | от 10 ₽ | 8 с | да, говорит по-русски | модель Google, конечный кадр |
| Runway 4 Turbo | от 15 ₽ | 5 или 10 с | нет | продление готового ролика |
| PixVerse 6.0 | от 5 ₽/сек | 1–15 с | по желанию | переход, продление, 360p для проб |
| Pruna AI P-Video | от 3 ₽/сек. | 1–20 с | да, говорит по-русски | дёшево, до 1080p |
| Pruna P-Video 2 Pro | от 2 ₽/сек. | 5–15 с | да, говорит по-русски | конечный кадр, до 768p |
| LTX 2.3 | от 8 ₽/сек. | 6–20 с | да, говорит по-русски | до 4K (2160p) и 50 кадров в секунду |
| Vidu Q4 | от 8 ₽/сек. | 3–16 с | да, без русской речи | до 4K, вторая картинка или голос включают референсы |
| Waver 1.0 | 45 ₽ | около 5 с | нет | без настроек, цена за ролик |
Что выбрать под задачу
- Попробовать идею или сделать много роликов для соцсетей: Grok Video 1.5, ролик готов за минуту, звук добавляется сам.
- Оживить старое семейное фото: Seedance 2.5, у неё в нашей пробе лица изменились меньше всего, фактура снимка сохраняется. Если бюджет маленький, тот же снимок сначала прогоните через Grok Video 1.5.
- Герой должен что-то сказать по-русски: Grok Video 1.5, Wan 3.0 или Veo 3.1.
- Ролик для сторис или Reels: загрузите вертикальное фото. Большинство нейросетей берут пропорции кадра с картинки, а у Grok Video и Veo 3.1 формат 9:16 выбирается в поле Соотношение сторон.
- Длинная сцена одним кадром на 15–30 секунд: Wan 3.0 Video Prime или Seedance 2.5.
- Живое фото товара или пейзажа, где камера может стоять на месте: Waver 1.0, в форме только картинка и задание.
- Реклама товара из нескольких кадров: Kling 3.0. Ролик в 4K (2160p): Kling 3.0, LTX 2.3 или Vidu Q4.
- Картинка должна прийти к заданному финальному кадру: Wan 3.0 в режиме «Первый и конечный кадр», Kling 2.5 Turbo Pro, Veo 3.1 или Pruna P-Video 2 Pro с галочкой «Конечный кадр». Как это делать, мы разбирали в инструкции «Видео с переходом между двумя фотографиями».
- Картинки нет, есть только идея? Тогда вам в раздел «Видео из текста».
Как написать задание к фото
- Не описывайте то, что уже есть на картинке. Нейросеть видит фото, ей нужно движение: кто что делает и что происходит вокруг.
- Одно-два действия на 5 секунд. «Поворачиваются друг к другу и улыбаются» получается у всех, пять действий подряд превращаются в суету.
- Камеру описывайте отдельной фразой: «камера неподвижна», «медленный наезд», «облёт слева направо». Без этого нейросеть может двигать камеру по своему усмотрению.
- Для старых фото прямо просите сохранить лица, цвет и зерно. Без такой строки нейросеть может «подлечить» снимок, и он перестанет выглядеть старым.
- Речь пишите в кавычках и указывайте язык, например: говорит по-русски: «Привет! …». На 6 секунд хватает фразы из 10–12 слов.
- Первые пробы делайте в 480p и на 5 секунд. Удачное задание потом запустите в 720p или 1080p.
- Надписи и логотипы лучше добавить потом в редакторе: буквы нейросети до сих пор рисуют с ошибками.
Все ролики в статье мы сделали на сайте по заданиям, которые приведены рядом, и ничего в них не правили.
Вопросы
Статья обновлена 13 октября 2026 г.