Мультфильм с помощью нейросети: герои, сцены, озвучка и склейка

Главное:

• Мультфильм с помощью нейросети собирают по сценам: один клип живёт 5–15 секунд, фильм складывается в монтажке.
• Сначала лист персонажа из нескольких ракурсов, потом видео: герой, сгенерированный заново в каждой сцене, «плывёт».
• Для сцен берите режим референсов: MiniMax H3 принимает до 9 картинок персонажа за запрос.
• Голоса и музыку делают отдельно и сводят при монтаже в CapCut или DaVinci Resolve.
• Чужие персонажи вроде Винни-Пуха без лицензии — прямой риск иска.

Мультфильм с помощью нейросети сегодня реально собрать одному человеку за выходные, но не одной кнопкой. Видеомодели делают короткие клипы, поэтому работа похожа на маленькую студию: сценарий, персонажи, раскадровка, сцены, голоса, музыка и монтаж. Ниже — порядок, в котором эти этапы складываются, модели под каждый из них и смета, которая помогает не потратить половину денег на брак.

Как делается мультфильм с помощью нейросети

Мультфильм с помощью нейросети делается в пять этапов: сценарий и раскадровка, лист персонажей, клипы по сценам, озвучка с музыкой и склейка. Каждый этап — отдельный инструмент, и перепрыгивать через них дороже, чем пройти по порядку.

Причина простая: ни одна модель не отдаёт готовый фильм. По данным Kling AI, Kling 3.0 делает клип до 15 секунд, Veo 3.1 — 4, 6 или 8 секунд, Seedance 2.5 — до 30 секунд с продлением. Даже трёхминутная сказка — это десятки отдельных запусков, и каждый должен совпасть с соседним по герою, свету и стилю.

Рабочий порядок выглядит так:

1. Сценарий и раскадровка. Историю режут на сцены по 5–10 секунд. Для каждой пишут одну строку: кто в кадре, что делает, где стоит камера.
2. Лист персонажа. Каждого героя рисуют заранее в нескольких ракурсах и с парой эмоций. Эти картинки потом идут в каждую сцену как образец.
3. Клипы. Сцену оживляют видеомоделью по стартовому кадру или по набору референсов. На сложную сцену закладывают два-три дубля.
4. Голос и музыка. Реплики озвучивают отдельно, музыку генерируют под настроение серии.
5. Монтаж. Клипы раскладывают по таймлайну, подрезают стыки, накладывают звук и титры.

Создание мультфильма с помощью нейросетей чаще всего ломается на втором этапе. Хорошо это видно на свежем примере: ИИ-фанфильм по Plants vs. Zombies длиной пять минут набрал 1,8 млн просмотров за сутки, и авторы разбора на Shazoo называют удержание лица героя между кадрами едва ли не главным техническим барьером. Для этого ролика понадобились разные модели на генерацию, анимацию, голос, синхронизацию губ и монтаж — ровно те же пять этапов.

Запрос «мультфильмы нейросеть» часто ведёт к подборкам сервисов, но выбор сервиса решает меньше, чем порядок работы. В Студии IskraGen все нужные классы моделей — картинки, видео, озвучка и музыка — лежат в одном кабинете, и оплата идёт в рублях за каждый запуск, без подписки. Если нужно оживить одну иллюстрацию, а не снять серию, хватит более короткого пути из статьи про нейросеть для анимации.

Порядок работы: от раскадровки до монтажа

Герой, который не плывёт: мультфильм с помощью нейросети начинается с листа персонажа

Персонаж перестаёт меняться, когда каждую сцену генерируют не с нуля, а от одного и того же листа героя с несколькими ракурсами. Это главная дисциплина, на которой держится любой мультфильм с помощью нейросети, и её закладывают до первого видеозапуска.

Типичная ошибка новичка — писать в каждой сцене «рыжий лис в синем шарфе» и надеяться, что модель нарисует того же лиса. Она нарисует похожего: шарф станет голубым, уши вырастут, морда вытянется. Разборы на Хабре называют это самой частой проблемой и советуют одно лекарство — фиксированный референс персонажа.

Что входит в лист героя:

• Полный рост анфас — главный образец силуэта и пропорций.
• Три четверти и профиль — чтобы модель не придумывала затылок и бок сама.
• Крупный план лица с двумя-тремя эмоциями: радость, испуг, злость.
• Цветовая карточка — основные цвета шерсти, одежды, глаз.

Нейросеть персонажи мультфильмов держит тем лучше, чем проще стиль. Плоская заливка, чёткий контур и мало мелких деталей переживают анимацию, а узоры, надписи на одежде и сложные украшения плывут первыми. Стили мультфильмов для нейросети стоит выбрать один раз и прописать словами во всех промптах: «плоская 2D-анимация, чёткий контур, мягкие тени» или «объёмный рендер в духе кукольного мультфильма».

Для самого листа подходят модели картинок, которые умеют работать с референсами. Google в своём руководстве по Nano Banana пишет, что в один запрос можно передать до 14 референсных картинок, и прямо рекомендует такой режим для консистентности персонажа. Формула промпта: референсы, затем связь между ними, затем новая сцена. В каталоге IskraGen Nano Banana 2 стоит от 10 ₽ за картинку, а для правки готового рисунка есть GPT Image 2 — Картинка в картинку от 7 ₽. Подробнее про работу с референсами — в статье как пользоваться Nano Banana.

Одно правило экономит больше всего денег: проверьте лист героя глазами до перехода к видео. Лишний палец, съехавший глаз или разный цвет лап на двух ракурсах в видео только усилятся, и исправлять их придётся в каждом клипе.

Сцены: какая модель оживит кадр

Сцену лучше всего оживляет видеомодель с режимом референсов: она получает лист героя и описание действия и сама собирает кадр, сохраняя внешность. Второй рабочий путь — нарисовать стартовый кадр сцены картинкой и оживить его режимом «картинка в видео».

Нейросеть для создания мультфильмов выбирают под задачу сцены, а не по громкости имени: мультфильм с помощью нейросети почти всегда собирают из клипов двух-трёх разных моделей. В каталоге IskraGen под это есть несколько вариантов.

• Режим референсов. По данным fal.ai, MiniMax H3 в этом режиме принимает до 12 файлов за запрос — до 9 картинок, 3 видео и 3 аудио, — делает клипы от 5 до 15 секунд при 24 кадрах в секунду и собирает звук вместе с картинкой. В Студии MiniMax H3 — Референсы в видео стоит от 48 ₽. Подробный разбор режимов — в статье про MiniMax H3.
• Мультикадровые сцены. У Kling 3.0 разработчик заявляет несколько планов в одном клипе с заданной крупностью и движением камеры, нативный звук и речь с синхронизацией губ, а версия Omni переносит персонажей из плана в план через «элементы». В IskraGen Kling 3.0 стоит от 114 ₽, Kling O3 — Картинка в видео — от 114 ₽.
• Простые сцены. Hailuo Standard Image to Video стоит от 28 ₽ и оживляет готовый стартовый кадр: герой идёт, машет, оглядывается. Ещё один вариант для таких сцен — Seedance 2 от 80 ₽.

Промпт сцены пишут как указание оператору, а не как описание картинки. Внешность уже задана референсом, поэтому в тексте остаются действие, камера и среда: «лис выходит из-за дерева, останавливается и принюхивается; камера медленно наезжает; утренний туман, мягкий свет». Одно действие на клип — больше модель выполнит небрежно.

Короткий клип держит героя стабильнее длинного. Если сцена требует 20 секунд, её надёжнее снять двумя клипами с разными планами, чем одним длинным: на стыке зритель увидит обычную монтажную склейку, а не плавно меняющееся лицо. Для видео нейросети мультфильмы строят именно так — из коротких планов, как в классической анимации, и мультфильм с помощью нейросети от этого только выигрывает в ритме.

Перед запуском всей серии прогоните одну тестовую сцену. Она покажет, держит ли выбранная модель стиль листа героя, и сэкономит десяток запусков, которые иначе ушли бы в брак.

Озвучка и музыка для мультфильма с помощью нейросети

Озвучку и музыку для мультфильма с помощью нейросети делают отдельно от видео: сначала готовят финальный текст реплик, потом генерируют голоса, и уже под их длину подгоняют сцены. Если сделать наоборот, реплика не влезет в клип и сцену придётся переснимать.

Звуковая дорожка, как и весь мультфильм с помощью нейросети, начинается со сценария. Нейросеть сценарий для мультфильма напишет быстро, но текст потом режут вручную: реплика на сцену, одна-две фразы, которые произносятся за 3–8 секунд. Если нейросеть создать мультфильм по тексту сказки просят целиком, получается пересказ без ритма; сцены с короткими репликами смотрятся живее.

Для голосов в каталоге IskraGen есть Gemini 3.1 Flash TTS от 6 ₽ за запуск. По документации Google, Gemini TTS поддерживает русский язык, многоголосый режим с двумя говорящими в одном запросе и отдельное описание манеры подачи: «бодро и дружелюбно», «шёпотом», «ворчливо». Для мультфильма это удобно: у героя появляется постоянная манера, которую прописывают одинаково во всех репликах.

Практичные правила озвучки:

• Один голос на героя на весь фильм, с одинаковым описанием манеры.
• Диалог двух персонажей можно озвучить одним запросом, три и больше — по репликам.
• Паузы и интонации задавайте в тексте, а не надейтесь на монтаж.

Если видеомодель сама генерирует звук и губы героя движутся под речь, как заявлено у Kling 3.0 и MiniMax H3, реплику можно подать прямо в сцену. Но для длинного фильма надёжнее отдельная дорожка: её легко поправить, не перегенерируя видео. Подробнее о сведении голоса с картинкой — в статье про озвучку видео нейросетью.

Музыку генерирует Suno v5 от 12 ₽ за трек. Для мультфильма нужны две-три темы: заставка, фон для спокойных сцен и напряжённый кусок для погони или кульминации. Одна длинная дорожка под весь фильм обычно «рвётся» на склейках — лучше короткие темы, которые монтажёр повторяет и обрезает по сценам.

Склейка и смета: сколько стоит минута мультфильма

Минута мультфильма складывается из 6–12 клипов по 5–10 секунд, плюс дубли на брак, плюс картинки персонажей, озвучка и музыка. Смету считают до начала работы, по числу сцен в раскадровке, а не по факту, когда деньги уже потрачены.

Как создать мультфильм с помощью нейросети и не разориться на переделках — вопрос дисциплины, а не выбора модели. Расходы растут на повторах: проблема видна только после прогона, и сцену приходится перегенерировать. Поэтому заложите в смету запас на брак — на сложных сценах с несколькими героями он бывает больше, чем на простых.

Статьи сметы для одной минуты:

Цена видео зависит от выбранной длины и разрешения, поэтому в таблице стоит нижняя граница. Простые проходы — герой идёт, дерево качается — отдавайте недорогим моделям, а крупные планы с эмоцией и речью — модели с референсами.

Склейку делают в обычной монтажной программе. По разбору на Клерке, клипы экспортируют из генератора, раскладывают по порядку в CapCut или DaVinci Resolve, подрезают неудачные начала и концы, синхронизируют с озвучкой и музыкой и в конце накладывают субтитры и титры.

Три приёма монтажа, которые прячут огрехи генерации:

• Режьте на движении. Склейка в момент поворота или шага незаметнее, чем на статичном кадре.
• Обрезайте первые и последние полсекунды. В начале и конце клипа модель чаще всего «думает» и дёргает кадр.
• Держите общий цвет. Лёгкая цветокоррекция одного пресета на все клипы сглаживает разницу между сценами разных моделей.

Готовый мультфильм с помощью нейросети проверяйте целиком, а не посценово: скачок роста героя или смена цвета шарфа заметны только при просмотре подряд.

Как спрятать швы между сгенерированными клипами

Чужие герои и права на мультфильмы, созданные нейросетью

Мультфильмы, созданные нейросетью, получают правовую охрану только при творческом вкладе человека, а чужих персонажей без лицензии брать нельзя. Оба правила важны, если ролик пойдёт дальше семейного чата.

По российскому праву автором может быть только человек. Как напоминает Яндекс Практикум, статья 1257 ГК РФ признаёт автором гражданина, чьим трудом создано произведение, поэтому нейросеть автором не считается. Если человек отправил один промпт и взял результат как есть, доказать права сложно. Если было много промптов, правки, доработка и сборка, позиция автора сильнее, хотя возникновение права, возможно, придётся доказывать в суде. Сценарий, придуманные персонажи, раскадровка, отбор дублей и монтаж — как раз такой вклад, поэтому сохраняйте рабочие файлы: листы героев, промпты, черновые версии.

С чужими героями всё строже. Узнаваемые персонажи из известных мультфильмов охраняются, и правообладатели активно судятся. В сентябре 2026 года «Союзмультфильм» подал иск к предпринимательнице из Новосибирской области за товары с Винни-Пухом и героями «Жил-был пёс» на маркетплейсе, требования — сотни тысяч рублей, пишет sib.fm. Нейросеть не отменяет чужих прав: ролик с Чебурашкой, сделанный за вечер, остаётся роликом с чужим персонажем.

Что это значит на практике:

• Свой герой — безопасный путь. Придумайте персонажа, оформите лист героя, и он ваш.
• «Похож, но не копия» — всё равно риск, если сохранены узнаваемые черты, имя или фирменные детали.
• Монетизация и реклама повышают ставки: претензии правообладателей чаще приходят к тем, кто зарабатывает.

Самый надёжный мультфильм с помощью нейросети — со своим сюжетом и своими героями. Начните с одной сцены: лист персонажа, клип по референсам, реплика и десять секунд музыки. Если эта сцена держит стиль, остальные строятся по тому же шаблону.