Meta Muse Video

Коротко

Разработчик

Meta (признана экстремистской организацией и запрещена в РФ), модель показана в июле 2026 года вместе с Muse Image

На входе

задание до 4000 знаков, в режиме референсов ещё 1–9 картинок JPG, PNG, WebP, HEIC или HEIF

На выходе

MP4 около 10 секунд, 720p, 24 кадра в секунду: 16:9 — 1280×720, 9:16 — 720×1280, квадрат — 960×960

Звук

есть всегда, выключить нельзя; музыку, шумы и реплики лучше описать в задании

Русский язык

понимает задание на русском; реплику в кавычках в нашей пробе произнесла по-русски слово в слово

Цена

5 ₽

API

есть, документация

Что умеет: шесть роликов из наших проб

Всего мы запустили восемь роликов: три по одному описанию и пять по референсам, от одной картинки до трёх. Брака не было. Людей и собаку для референсов мы нарисовали сами в Meta Muse Image, это выдуманные персонажи, а ниже шесть роликов, которые лучше всего показывают модель.

Ролик со звуком по одному описанию

Начали с простого: закат на пляже, где в задании расписаны и картинка, и звук, и то, как движется камера.

Волны мягко накатывают на песчаный пляж на закате, камера медленно движется вдоль берега на уровне воды, пена переливается розовым светом, слышен шум прибоя и крики чаек

Шум прибоя и чайки на месте, пена в закатном свете вышла розовой, как просили. Ролик снят одним планом без склеек: камера сначала идёт низко над самой водой, потом понемногу приподнимается и разворачивается к берегу, так что к последним секундам в кадре уже широкая полоса мокрого песка и чайки над ней.

Оживить картинку-референс

Референсом называют картинку, с которой нейросеть берёт героя, предмет или место. Мы дали одну лису на поляне, а соотношение сторон оставили «Как на референсах».

Лиса с картинки медленно поднимает голову и прислушивается, ветер шевелит мех и сухие листья, камера плавно приближается, тихо шумит осенний лес, вдалеке каркает ворона

Ролик начался почти с нашей картинки, а кадр стал 3:2, как у исходника. Лиса садится и поворачивает голову, а камера всё это время подходит ближе, пока в кадре не остаётся крупный план морды с мехом, который шевелит ветер. Но точного совпадения первого кадра с картинкой никто не обещает: с референса модель берёт внешность и обстановку, а сцену строит сама.

Короткая реклама товара

Кружку ручной работы мы тоже сгенерировали заранее, на нейтральном фоне, как снимают для каталога.

Рекламный ролик кружки с картинки: в неё наливают горячий какао, поднимается пар, кружка медленно вращается на деревянном столе, рядом падают кусочки маршмеллоу, мягкий тёплый свет, звучит лёгкая акустическая музыка

Глазурь с белыми потёками перенесена точно, форма ручки та же. Фон модель по своей воле сменила на уютную комнату с гирляндой. Маршмеллоу так и не падают: к середине ролика они просто появляются на столе. Для сторис магазина нам такого ролика хватило бы без доработки, а если фон важен, опишите его в задании словами.

Герой и место с разных картинок

Главное, ради чего стоит режим референсов: собрать сцену из нескольких картинок. На первой выдуманная девушка в жёлтом плаще, на второй пустая вечерняя улица.

Девушка с первой картинки в жёлтом плаще идёт по мокрой улице со второй картинки, держит стаканчик кофе, камера едет перед ней, огни кафе отражаются в брусчатке, звучат шаги и лёгкая городская музыка

Стрижка, плащ с поясом и белые кеды совпали с референсом, улица узнаётся по вывескам и мокрой брусчатке. Стаканчик кофе, которого на картинке не было, модель добавила по заданию и не потеряла до конца ролика.

Дальше три картинки сразу: та же девушка, пожилой мужчина в вязаной шапке и корги в синем шарфе. Проверяли, не перепутает ли модель героев.

Девушка с первой картинки и пожилой мужчина со второй гуляют с корги с третьей картинки в осеннем парке, корги бежит впереди и радостно лает, листья шуршат под ногами, камера сопровождает их сбоку

Все трое в одном кадре, и каждый похож на свой референс, даже синий шарф у собаки на месте. Бежать впереди корги так и не стал, он идёт на поводке у ног: движение модель упростила.

Реплика по-русски

Речь мы проверили на выдуманном рыбаке: фразу для героя написали в задании в кавычках.

Мужчина с картинки сидит у костра на берегу озера вечером, держит удочку, улыбается и говорит по-русски спокойным голосом: «Клюёт сегодня, как никогда». Потрескивает костёр, тихо плещет вода

Программа распознавания речи прочитала в звуке ровно нашу фразу, без лишних слов, и она звучит в первые три с половиной секунды. Дальше трещит костёр. Как совпадают губы и насколько естественна интонация, оцените сами по ролику: мы проверяли только слова.

Как это работает на сайте

Наверху формы есть переключатель Тип генерации. В режиме «Видео из текста» достаточно описать сцену в поле Задание и выбрать формат кадра. В режиме «Видео по референсам» добавьте от одной до девяти картинок и всё равно напишите задание: без текста модель ролик не делает. Объясните в нём, кто с какой картинки и что происходит.

Длину ролика, разрешение и звук выбирать не нужно: модель всегда отдаёт около 10 секунд в 720p со звуком. Цена видна на кнопке Отправить ещё до запуска. Готовое видео появится в ленте под формой и пролежит в «Моих результатах» 7 дней, а чтобы не потерять, сохраните его в библиотеку или скачайте кнопкой Скачать. Кнопка Изменить вернёт задание и картинки в форму, Повторить снимет ещё один вариант с теми же настройками.

Настройки и что в них выбирать

В режиме референсов у соотношения сторон есть ещё вариант «Как на референсах»: кадр повторит композицию картинок. Он хорош, когда референс один. Если картинок несколько и они разной формы, лучше выбрать формат явно.

Как писать задание

Задание мы писали по-русски, и модель его поняла целиком. Удобная схема из четырёх частей: кто в кадре, что он делает, как движется камера и что звучит. Звук в ролике будет в любом случае, так что его лучше описать самим. Иначе музыку модель выберет на свой вкус, и под рекламу кружки может заиграть что-то бодрое вместо тихой гитары.

Частые ошибки. Слишком много действий: за десять секунд модель успевает одно-два, остальное упростит, как с корги в нашей пробе. Референсы без пояснений: если не сказать «девушка с первой картинки», модель сама решит, кто главный. И длинные реплики: фраза героя должна укладываться в несколько секунд.

Сколько стоит

Цена одна за ролик: ни число картинок, ни формат кадра её не меняют. Для проб удобно запустить одно задание два-три раза и оставить лучший вариант.

Для чего подойдёт

• черновик рекламного ролика, чтобы показать идею заказчику до дорогой съёмки;
• вертикальные ролики для сторис и клипов с товаром из каталога;
• серия видео с одним и тем же выдуманным героем;
• оживить иллюстрацию или фото места для поста;
• атмосферные заставки со звуком: море, дождь, костёр;
• короткая реплика персонажа на русском для открытки или приглашения.

Ограничения

• Длина всегда около 10 секунд, разрешение 720p. Если нужен ролик короче, длиннее или в 1080p, возьмите HappyHorse 1.1 или Flux 3 Video.
• Без звука ролик не получить. Если звук не нужен, выключите его при монтаже.
• Референс не обязательно станет первым кадром. Если ролик должен начаться точно с вашей картинки, нужен режим с первым кадром, например «Видео из изображения» в Veo 3.1.
• Видео и аудио в качестве референсов модель не принимает, только картинки.
• Фон и мелкие детали, которых нет на референсе, модель может придумать сама. Всё, что важно для ролика, описывайте в задании.

Чем заменить и с чем сравнить

У Meta это пока единственная видеомодель на сайте; картиночная Muse Image удобна, чтобы сначала нарисовать героя и место, а потом оживить их здесь. Все нейросети Meta собраны в отдельном обзоре.

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

Вопросы и ответы