Клип из фото: как нейросеть пишет песню про тебя и собирает клип в такт

Сотни фото лежат мёртвым грузом — а клип из них стоит доллар тридцать

У каждого в телефоне тысячи снимков: дети, отпуска, выпускные, корпоративы. Пересмотреть их целиком не успевает никто. Александр Юшкевич предлагает сделать из такой папки не слайд-шоу в CapCut, а клип из фото с песней, в которой поются имена твоих близких и кадры меняются в такт. Демо-клип про семью на море, который он показал на NeyroSummit, по его словам, обошёлся в $1,3, а песня для него — в 6 центов.

Для сравнения Александр привёл прайс ИИ-агентства: рекламный ролик — от 1 000 000 ₽. Агентство сделает красивее, признаёт он. Но сотый клип на своём конвейере стоит те же $1,3, а студия выставит счёт за каждый следующий.

Сам Александр — переводчик английского из Минска, гуманитарий. С декабря он собрал вайбкодингом, то есть разговором с ИИ, около 35 проектов. Два из них — тема доклада: Клипограф (песня → клип) и Фотоклипограф (фото → песня про тебя → клип). На сайте-презентации он формулирует главное так: это не два проекта, а один цех, в котором поменяли кирпичики на входе.

Нейросеть для создания клипов: купить, заказать или собрать?

Готовые сервисы уже есть. Александр собрал их разбор с помощью Claude: Freebeat делает клип по ссылке на песню Suno, Neural Frames — по стемам трека, Kaiber Beat Sync и CapCut Auto Beat монтируют твои фото под биты, SunoMV делает лирик-видео. Цены, по данным его разбора на 2 сентября 2026, — от нескольких долларов за ролик до сотен долларов в месяц.

Почему «полный автопилот» пока ближе к рекламе, Александр объясняет так:

• персонаж плывёт между сценами, если не дать модели якорь — опорное изображение героя;
• попасть в сильную долю генерацией нельзя, а одна генерация — это 5–10 секунд видео, и каждая стоит денег;
• ручной монтаж точнее и красивее, но это часы работы. По его данным, фрилансер на Западе берёт $50–150 за готовую минуту, агентство — $500–3000.

Вывод доклада — три пути. Платишь подписку и получаешь чужой шаблон. Платишь монтажёру и получаешь один хороший клип за большие деньги. Или собираешь свой конвейер, который рисует твоими кадрами, останавливается там, где нужен твой вкус, и работает сколько угодно раз.

Клипограф: клип из песни Suno на Grok Imagine

Первый продукт берёт готовый трек из Suno и делает из него клип 16:9 или 9:16. Порядок работы, как его показал Александр:

1. Загружаешь песню и текст. Текст лучше взять прямо из Suno: так приложение точнее выровняет слова по вокалу.
2. Пишешь, про кого песня, и выбираешь стиль: «Союзмультфильм», пластилин, кино, аниме, акварель и другие.
3. Выбираешь сценарий. Нейросеть предлагает три сценария карточками; не нравится — пишешь заметку, и она переписывает.
4. Рисуются якоря — герой и мир, по словам Александра, за 8 центов. Дальше они идут референсом в каждый кадр, и персонаж держится по всему клипу. Можно загрузить своё фото, тогда герой клипа — ты.
5. Сцены и монтаж. Кадры рисует Nano Banana 2 (есть Pro и Lite), около 4 центов за сцену. Для начала Александр советует 10 сцен, не больше. Дальше — либо оживление картинок, либо настоящий видеогенератор, у Александра это Grok Imagine.

Отдельная функция — автопроверка кадров. После генерации нейросеть смотрит на кадр «зрением» (vision) и ищет брак: шесть пальцев, странные ноги, кривые предметы. Найденное само попадает в очередь на переделку, а любую сцену можно перегенерировать вручную.

Клип на четыре минуты с настоящим видео, по словам Александра, обошёлся примерно в $6. Grok, признаёт он, держит персонажа «не очень хорошо», и это пока MVP. Перед каждой тратой Клипограф останавливается и показывает смету в долларах. Если прервать работу, всё нарисованное сохранится, и за готовый кадр второй раз не платишь.

Песня по фото, которая не врёт: как устроен Фотоклипограф

Второй продукт переворачивает первый: на входе не песня, а папка с фотографиями. ИИ смотрит на снимки, узнаёт имена, пишет песню про эти кадры, Suno её поёт, а клип монтируется в такт. В показанном демо семья ненастоящая, сгенерированная, но Александр собирает то же самое из своих фото — например, из поездки в Финляндию летом 2019 года.

Главное отличие от слайд-шоу — строку пишут по фотографии. ИИ сочиняет её, глядя на конкретный кадр, и сразу указывает, к какому. Поставить зимнее фото под строку про лето просто нечем: связь задана в момент написания. В показанном проекте кадр совпал с поющейся строкой в 49 сценах из 51. По замеру на живых проектах, который приводит сайт-презентация, — в 85 случаях из 100, ещё в семи кадр попадает в соседнюю строку.

Вторая сильная сторона — имена. Ты подписываешь найденных людей, и имена звучат в припеве. Александр называет это главным вау-эффектом. По данным сайта, Suno может спеть и твоим голосом: голос клонируется по двум записям пения, одна из них с проверочной фразой — это защита от клонирования чужих голосов.

Запрет выдумывать — в первой строке

«Песня про вас — это не жанр, это запрет на враньё, записанный в первой же строке», — формулирует Александр. Без этого правила нейросеть споёт, как ты гулял по Барселоне, хотя это был Сочи, и песня перестанет быть про тебя. Сам промпт Александр не публиковал. Вот шаблон редакции по его правилам: подойдёт, если пишешь песню по фото в любом чате с vision.

ЗАПРЕЩЕНО выдумывать: города, страны, даты, имена, родство и события, которых нет на фото или в моём описании.

Задача: напиши текст песни для Suno по приложенным фотографиям.
Кто на фото: <имена и приметы: «девочка лет пяти, светлые волосы — Катя»>.
Что это за события: <поездка на море, выпускной, Новый год>.
Жанр и настроение: <например, лёгкий поп, тёплое>.

Правила:
- каждую строку пиши, глядя на конкретное фото, и после строки укажи номер фото в скобках;
- описывай только то, что видно на снимке: предметы, погоду, время года, действия;
- имена ставь в припев;
- если на фото не видно, где это снято, не называй место;
- куплеты и припев размечай тегами [Verse] и [Chorus].

Готовый текст уходит в Suno. В этом конвейере нейросеть для создания песни Suno — исполнитель, а не автор: смысл и привязку к кадрам задаёт текст, и поэтому песня получается про тебя.

Сколько фото брать? В демо Александр взял около 60. На сайте-презентации идеалом названо от 12 до 33 снимков: тогда у каждого кадра своя сцена. Если фото больше сорока, длиннее становится песня, а лишние кадры встают в коллажи. После сборки программа сама скажет, сколько снимков из скольких попало в клип.

Кирпичики и клей: из чего собран конвейер

Ни Клипограф, ни Фотоклипограф не изобретают велосипед. С нуля написан только «клей» — связки между готовыми деталями. По словам Александра, большая часть деталей работает локально и бесплатно.

Про FFmpeg Александр говорит отдельно: этой программе 25 лет, и платные сервисы клипов, по его словам, сами используют её для титров, переходов и наложений. «С FFmpeg вы можете построить сотню маленьких сервисов».

Новый продукт из старого: какой кирпичик поменять?

Фотоклипограф не писали с нуля. Александр показал Claude Code готовый проект и сказал примерно так: не хочу песню из Suno, сделай сервис из фотографий. Claude Code сам решил, что оставить. По словам Александра, он выкинул 1771 строку кода — весь цех рисования кадров: сюжет, генерацию картинок, оживление. Модуль ритма и конфиг, как указано на сайте, перешли во второй продукт байт в байт. Монтаж, караоке и сцены доросли, а новыми кирпичами стали автор песни, связка с Suno и приём фото с распознаванием лиц.

Быстро собрался только каркас. Чтобы кадры попадали в строки хотя бы в девяти случаях из десяти, пришлось, по словам Александра, повозиться.

Так же, из кирпичиков Фотоклипографа, по словам Александра, Claude Code минут за 15 собрал демо Фотопрополки: она разбирает папку с фото на лучшие снимки, серии дублей и брак.

Правила вайбкодинга, на которых держатся оба продукта, Александр сводит к трём: это просто разговор с ИИ, программистом быть не нужно; главное — начать; бери сразу хороший инструмент — Claude Code, Codex или Cursor, а не сервисы, которые перепродают токены. Порядок работы: сначала техзадание, потом код маленькими шагами, одна задача за раз, с проверкой после каждой.

Сколько стоит клип и где на самом деле деньги?

Самое дорогое в клипе — не картинки и не песня, а движение. По расчёту на сайте-презентации, клип на четыре минуты — это 40 сцен, 2 якоря и 269 секунд видео. Если оживлять его целиком на Grok Imagine 1.5 в 720p, через посредника выходит $7,38, из них $6,05 — само видео. По официальным прайсам та же работа стоит $46,92. Песня в Suno за 6 центов в этих суммах теряется.

На докладе Александр показал свой калькулятор клипов. Четырёхминутный клип на Grok Imagine 1.5 в 720p с перерисовкой четверти кадров обходится примерно в $8. Та же работа на Seedance 2.0 через Kie.ai, по его словам, — около $86. На топовых настройках (Nano Banana Pro в 4K плюс Seedance 2.5 в 1080p) сайт считает $158 за клип.

Ещё три вещи про деньги из доклада:

• Посредник. Kie.ai продаёт доступ к тем же моделям оптом. По данным Александра на 7 сентября, кадр GPT Image 2 там стоит $0,03 против $0,219 по официальной цене, а секунда Seedance 2.5 в 1080p — $0,57 против $1,14.
• Пробные $300 от Google Cloud на 90 дней можно потратить на генерацию картинок и видео. Важная оговорка с сайта: на ключ из AI Studio эти деньги не распространяются — нужен проект в Google Cloud.
• Неудачный дубль стоит столько же, сколько удачный. Поэтому в конвейере стоят гейты: сначала смотришь кадры и отклоняешь неудачные, и только принятые уходят в оживление. По умолчанию оживляются только припевы.

Попробовать без установки: Битограф и Голосограф

Для участников саммита Александр сделал два бесплатных мини-конвейера на тех же кирпичиках. Они работают прямо в браузере, без регистрации и ключей, файлы никуда не уходят. Оба лежат на странице подарков.

• Битограф — клип из фото с музыкой: кидаешь песню и фотографии, кадры меняются точно на ударах. Если есть текст с метками времени, титры встанут под голос. Тайм-коды к тексту можно попросить у нейросети.
• Голосограф — голосовое из мессенджера плюс фотография дают вертикальный ролик с волной голоса, фоном и титрами под речь.

В обоих есть кнопка «Попробовать на примере» с готовыми файлами. Клип пишется в реальном времени: 15 секунд клипа — 15 секунд ожидания. Там же — калькулятор стоимости клипа по восьми видеомоделям, с ценой через посредника и по официальному прайсу.

С чего начать сегодня

Вопросы и ответы