Pruna AI P-Video Avatar

Коротко

Разработчик

Pruna AI, модель вышла в конце апреля 2026 года

На входе

одно фото, одна запись голоса до 10 минут и, если нужно, задание текстом

На выходе

видео MP4 720p или 1080p, звук берётся из вашей записи

Русский язык

герой говорит на языке записи, все наши ролики на русском; задание понимает по-русски

Особое

поле «Задание» для настроения, взгляда и жестов

Цена

от 4 ₽/сек.

Обычно готово

≈ 1,5 мин после отправки

API

есть, документация

Что умеет P-Video Avatar

Чтобы оживить фото и сделать его говорящим, нейросети нужны снимок и запись голоса, остальное она додумает сама. Для проб мы придумали библиотекаря. Её портрет нарисовала Nano Banana 2 Lite, а фразу «Здравствуйте! Книгу продлили? Жду вас в пятницу» прочитала озвучка сайта «Мега». Этой женщины не существует, голос тоже синтетический. Паузы мы подрезали, чтобы запись уложилась в 3,8 секунды.

Одна фраза в трёх нейросетях

Тот же портрет и ту же запись мы отдали ещё Heygen 720p и OmniHuman 1.5. У них поля для задания нет, поэтому и в P-Video мы его оставили пустым.

P-Video играет головой больше всех: на вопросе наклоняет её набок и так договаривает фразу. Улыбка с фото сохраняется, руки остаются сложенными, как на снимке. Heygen держит героиню почти неподвижной, а OmniHuman без всякой просьбы добавляет жест рукой. Ролик P-Video пришёл через 66 секунд, раньше двух других.

Задание меняет поведение

Тот же портрет и та же запись, но теперь мы попросили в поле Задание удивление и жесты.

Женщина говорит радостно и чуть удивлённо. На вопросе высоко поднимает брови и разводит руками в стороны, потом снова складывает их перед собой. Камера неподвижна, кадр не меняется.

Всё выполнено по порядку: брови вверх на «продлили?», ладони разведены, к концу фразы руки снова сложены. Пальцев по пять, только на одной руке появилось кольцо, которого на фото не было видно. В пробе без задания этих жестов не было вовсе, так что поле стоит заполнять, когда нужна живая подача.

Длинная запись: лицо не «уплывает»

Длинную фразу о новинках и читательском билете тот же голос прочитал за 19,5 секунды. Задание мы не писали.

Мы сравнили кадры каждые две секунды, и к концу ролика лицо, очки, седая стрижка и кардиган остались такими же, как на первой секунде, а стеллажи за спиной не поплыли. Ролик готовился 1 минуту 40 секунд и вышел на полсекунды длиннее записи, в конце тишина. Такой хвост был и у коротких роликов, его легко отрезать в видеоредакторе.

Животные и нарисованные герои

Фото человека не обязательно. В готовом примере со страницы нейросети рыжий кот, нарисованный нейросетью, читает новости голосом озвучки сайта «Мега».

Кот говорит как диктор новостей: открывает рот в такт речи, моргает, слегка поворачивает голову, уши подвижны. Бумаги на столе не двигаются. Камера неподвижна, кадр не меняется.

Кот щурится, наклоняет и запрокидывает голову, открывает пасть, а бумаги и микрофон стоят на месте весь ролик.

Как это работает

Загрузите в поле Фотография снимок, где лицо хорошо видно, а в поле Аудио запись речи. Подойдут JPG, PNG, WebP и снимки с iPhone, а запись можно дать в MP3, WAV, M4A и других обычных форматах. Если своей записи нет, озвучьте текст в разделе «Озвучка текста». Нейросеть не придумывает слова, она подгоняет лицо под звук, поэтому человек на фото говорит на том языке, на котором записан голос.

Оплата идёт за секунды записи, неполная секунда считается целой, поэтому запись на 3,8 секунды обойдётся как четырёхсекундная, а тишина в начале и в конце файла тоже попадёт в счёт. Цена появится на кнопке Отправить, как только загрузите запись. Ролик придёт в ленту под формой и будет лежать 7 дней в Моих результатах; нужный скачайте или сохраните в библиотеку. Кнопка Изменить вернёт фото, запись и настройки в форму, а Повторить сразу запустит то же самое ещё раз.

Настройки

• В поле Фотография нужен один человек, лицо анфас или почти анфас, рот ничем не закрыт. Для жестов берите кадр хотя бы по грудь, чтобы руки были видны.
• В Аудио кладите чистую речь без музыки и эха, от 1 секунды до 10 минут. Тишину по краям лучше обрезать заранее.
• Поле Задание можно оставить пустым, в него помещается до 2000 знаков. Пишите настроение, взгляд, движения головы и рук, а слова сюда не нужны.
• В Разрешении по умолчанию стоит 720p, его хватает для телефона. 1080p дороже, его стоит брать для большого экрана, когда ролик уже понравился в 720p.

Как писать задание

Удобный порядок: как говорит, что делают брови и глаза, что делают руки, что не должно меняться. Последняя часть важна: «камера неподвижна, кадр не меняется» удерживает фон и плечи на месте.

Жест лучше привязывать к конкретным словам, как мы сделали с вопросом: брови поднялись именно на «продлили?», а не где-то посередине ролика.

Сколько стоит

Платите за каждую секунду записи. Цена секунды зависит только от разрешения.

Первую пробу делайте на 5–10 секунд в 720p: так вы увидите, как нейросеть обошлась с вашим фото, не заплатив за минуту. Если нейросеть не справится и вернёт ошибку, деньги вернутся на баланс.

Для чего подойдёт

• Видеообращение на несколько минут без съёмки: своё фото, запись с телефона и в задании спокойная подача с кивками.
• Ролик для презентации или большого экрана в 1080p, когда 720p уже не хватает.
• Говорящий талисман бренда или нарисованный герой, как кот-диктор выше.
• Короткий урок или инструкция до 3 минут, где ведущий объясняет и помогает себе руками.
• Поздравление, где герой на фото удивляется и радуется по заданию.

Ограничения

• Разработчик говорит о роликах до 3 минут, хотя форма принимает запись до 10. Длинный текст надёжнее разбить на части и склеить.
• Один человек в кадре: выбрать, кто из двоих на фото говорит, нельзя. Для диалога есть нейросети с двумя записями в разделе «Говорящее фото».
• По словам разработчика, сильный поворот головы, заслонённое лицо и низкое качество снимка портят результат. Возьмите фото анфас или сначала улучшите его.
• Чужое лицо и чужой голос — только с согласия человека, так требуют правила сайта и пользовательское соглашение.

Версии и альтернативы

Версия у нейросети одна. Если не подходит, посмотрите соседей по разделу.

Шесть нейросетей на одном портрете сравниваются в разделе «Говорящее фото».

Вопросы и ответы