DreamActor V2

Коротко

Разработчик

ByteDance, научная статья о модели вышла в январе 2026 года

На входе

одна картинка (JPG, PNG или HEIC до 4,7 МБ) и ролик-образец MP4, MOV или WebM до 30 секунд

На выходе

ролик длиной с образец и в пропорциях картинки; у нас длинная сторона выходила 1120–1242 точки

Кто двигается

люди, звери, рисованные и мультяшные герои, несколько героев в одном кадре

Звук

только тот, что был в образце: речь, музыка или шум из вашего видео

Русский язык

поля для задания нет; русская речь из образца остаётся в ролике

Цена

8 ₽/сек.

Обычно готово

≈ 3,5 мин после отправки

API

есть, документация

Двое зверей, говорящий портрет и кот: наши пробы

У DreamActor V2 нет ни поля для текста, ни настроек. Картинка решает, кто в кадре и где он стоит, ролик решает, как он двигается. Мы проверили то, что разработчики называют её сильными сторонами: сцену с двумя героями и крупный план лица, на этот раз с речью. Реальных людей здесь нет: и героев, и людей для образцов нарисовала Nano Banana 2 Lite, а образцы из этих картинок сняла Grok Video 1.5.

Двое героев, у каждого своё движение

Сначала нужен образец, где двое делают разное. Парень и девушка стоят рядом в пустой студии: он машет обеими руками над головой, она в это время делает оборот на месте, потом оба поворачиваются друг к другу и дают пять. Ролик вышел на 5,04 секунды, и мы обрезали его до 4,88: сайт округляет секунды вверх, лишние четыре сотых обошлись бы как целая секунда. Звук тоже убрали, в нём был только фоновый шум. Задание для образца было таким:

Героями стали лис в зелёном шарфе и медведь в красном свитере, оба в полный рост на осенней поляне, стоят так же, как люди в образце: лис слева, медведь справа.

Модель не перепутала, кто есть кто. Лис машет лапами, как парень, медведь крутится, как девушка, и в конце они сходятся и хлопают лапой о лапу. Фон, свитер и шарф остались с картинки, поляна не поплыла. Ролик пришёл через 2 минуты 20 секунд.

Есть и промах. Спину медведя картинка не показывала, и на обороте у него вырос пушистый рыжий хвост с белым кончиком, точь-в-точь лисий. Хвост так и остаётся до конца ролика, просто анфас его почти не видно. Всё, что скрыто на картинке, нейросеть дорисовывает сама и в сцене с несколькими героями может взять деталь у соседа. Если персонаж будет поворачиваться спиной, нарисуйте его так, чтобы спина или хвост хоть немного были видны, либо выбирайте образец без разворотов.

Портрет маслом заговорил чужим голосом

Вторая проба — крупный план с речью. Образец сняли в 480p, это вертикаль всего 448×672 точки, и для мимики этого хватило:

Героиня — выдуманная девушка в платье XIX века, портрет маслом.

Портрет повторил почти всё: поднятые брови, моргание, наклон головы, улыбку на последних словах. Голос остался из образца, и программа распознавания речи разобрала фразу слово в слово. Получилась говорящая картина.

Кружевной воротник и брошь не поплыли, а вот мазки и трещинки лака на лице стали мягче, и кожа местами выглядит гладкой, почти как на фото.

Ещё одна деталь: ролик начинается не с картинки. На портрете рот закрыт, а в первом кадре девушка уже улыбается и говорит, потому что так начинался образец. Нужен спокойный первый кадр? Начните образец с нейтрального лица. Ролик был готов через 3 минуты 18 секунд, высота кадра выросла до 1120 точек: размер результата берётся от картинки, а не от образца.

Рисованный кот и танец

Этот пример уже есть на странице нейросети среди готовых. Плоского мультяшного кота нарисовала Nano Banana 2, а танец девушки в белой футболке сняла Grok Video 1.5, так что и здесь реальных людей нет.

У кота короткие лапы и круглое тело, а у девушки длинные руки, но поза не сломалась: он вскидывает лапы вверх, прижимает их к груди и разводит в стороны, сохраняя свои пропорции. Контур остался плоским, как на рисунке, и хвост на месте. Хуже всего вышли лапы, поднятые над головой: подушечки на секунду смазываются в серое пятно. Звук образца перешёл и в этот ролик.

Как это работает

В форме два обязательных поля. В поле Изображение загружают картинку с героем, в поле Видео кладут ролик, где кто-то делает нужное: говорит, танцует, машет, ходит. Текста писать не нужно, его просто некуда вписать: внешность, одежду и фон нейросеть берёт с картинки, а позы, мимику, повороты головы и темп — из видео.

Оплата идёт по секундам образца. Длину ролика форма определяет при загрузке, дробные секунды доводит до целой, и сумма появляется на кнопке Отправить ещё до запуска. Сколько обычно ждать, написано в «Коротко». Результат встанет в ленту под формой, а в разделе Мои результаты пролежит неделю: скачайте его или сохраните в библиотеку, чтобы не пропал. Изменить вернёт запуск в форму, Повторить сразу отправит его ещё раз.

Длина результата равна длине образца, пропорции — как у картинки. Звук ролик берёт из образца как есть: музыку, речь, шум. Если образец был беззвучным, результат тоже будет без звука.

Настройки: какие файлы загрузить

Настраивать нечего, поэтому всё решают два файла.

• Изображение: JPG, PNG или HEIC, один файл до 4,7 МБ. В подсказке формы разрешение от 480×480 до 1920×1080; вертикальная картинка 848×1264 у нас прошла без вопросов. Героя видно целиком и ничем не закрыто, вокруг есть место для движений.
• Видео: MP4, MOV или WebM, один файл до 30 секунд, от 200×200 до 2048×1440 точек. Один непрерывный план без склеек, камера по возможности неподвижна. Высокое разрешение образцу не нужно, хватает 480p.

Что мы поняли на своих запусках:

• Крупность и расстановка должны совпадать. Наши лис и медведь стояли там же, где парень и девушка, поэтому движения разошлись по героям правильно. Для говорящего портрета берите образец тоже по плечи.
• Число героев на картинке и людей в образце лучше делать одинаковым. Сцены, где в образце двое, а на картинке один (или наоборот), мы не проверяли.
• Первый кадр образца станет первым кадром результата, поэтому стартовую позу задаёт видео, а не картинка.
• Следите за сотыми долями: наш образец на 5,04 секунды стоил бы как шестисекундный, а после обрезки до 4,88 стал пятисекундным.
• Ненужную музыку или чужую речь уберите из образца заранее, иначе они окажутся в результате.
• Свой образец проще всего сгенерировать: нарисовать выдуманного человека в картиночной нейросети и оживить его видеонейросетью, как сделали мы. В чужом ролике чужое лицо и чужая музыка, а для публикации это лишний риск.

Подробный разбор подготовки образца есть в инструкции как перенести движения с видео на своего персонажа.

Цена: платите за секунды образца

Цена зависит только от длины видео-образца: секунды считаются с округлением вверх, картинка на цену не влияет.

Для первой пробы вырежьте из образца 3–5 секунд с самым сложным движением: так сразу видно, держит ли нейросеть героя на поворотах. Полный ролик — когда проба понравилась. Если запуск сорвётся по вине нейросети, списанное вернётся на баланс автоматически.

Для чего подойдёт

• Говорящий портрет, картина или иллюстрация повторяет вашу речь и мимику, как наша девушка в платье XIX века.
• Двое маскотов бренда здороваются и дают пять в начале ролика (см. лиса и медведя выше).
• Мультяшный зверь повторяет трендовый танец из короткого видео.
• Персонаж детской книжки или игры показывает жест или эмоцию, которую вы сыграли сами.
• Быстрый черновик анимации: посмотреть, как герой «играет» в кадре, прежде чем заказывать ручную анимацию.
• Оживить детский рисунок — по шагам это разобрано в отдельной инструкции.

Где модель ошибается и что делать

• Задание словами не дать: поменять фон, свет или одежду можно только на самой картинке. Перерисуйте её заранее в картиночной нейросети, например в Nano Banana 2.
• То, чего не видно на картинке (спина, хвост, руки за спиной), нейросеть придумывает и может взять у соседнего героя, как медведь с лисьим хвостом.
• Образец — до 30 секунд. Для длинных роликов есть Wan 2.2 Animate (до 120 секунд) и Wan Motion (до 10 минут).
• Разрешение не выбирается: в наших роликах длинная сторона была 1120–1242 точки. Если нужен 1080p, возьмите Kling 3.0 Motion Control.
• Свой звук модель не делает, только переносит звук образца. Озвучить героя другим голосом лучше в OmniHuman 1.5: там ролик собирается по записи голоса.
• Поставить героя в чужое готовое видео вместо человека она не умеет. Для замены человека в ролике есть Wan 2.2 Animate в режиме «Замена персонажа».
• Мелкие детали на быстрых движениях смазываются: у кота на секунду пропали подушечки лап. Спокойный темп образца переносится чище.

Kling, Wan и OmniHuman: чем отличаются

Перенос движения на сайте делают несколько нейросетей. У этой модели нет поля задания и выбора разрешения, зато, по словам разработчиков, она рассчитана на несколько героев в кадре и на нечеловеческих персонажей. Один и тот же танец на восьми нейросетях сравнили в обзоре нейросетей для переноса движения, а остальные модели ByteDance собраны в обзоре ByteDance.

Частые вопросы