Герой из референса, вагон, три купе, музыка и звук по картинке. Внутри каждого блока камера идёт одним проходом — из тамбура в купе, без склеек внутри сцены. Между блоком на платформе и эпизодом в вагоне стоит короткое затемнение: на нём и держится монтаж.
вертикаль 9:16до 2K · 1536×2720 звук и Foleyлокальный конвейер
Слева эталон, который дал заказчик. Рядом два наших прогона того же сюжета — их видно по отдельности, без наложения: поток камеры у нас свой, поэтому сравнивать правильнее глазами рядом, а не бегунком поверх кадра.
Два прохода. Первый — генерация движения в низком разрешении (0.5 МП, 544×960): именно он задаёт композицию, позы и траекторию камеры. Второй — регенерация в высоком разрешении: латент поднимается до 2K и заново отрисовывается моделью Open-H3 Regenerate 2K (3 шага, звук заблокирован, чтобы не поехала фонограмма).
Длинный ролик в 4K-разрешении не влезает в память одним проходом, поэтому второй проход режется на временные чанки по 5 секунд с перехлёстом: каждый чанк считается отдельно, стыки выравниваются по цвету и геометрии.
Один и тот же кадр, один seed, тот же промпт — меняется только разрешение и число шагов. Цифры показывают, за что именно платим временем: шаги дороже разрешения, а нарезка на чанки добавляет почти ничего.
| Вариант | Разрешение | Шаги генерации | Нарезка | Время |
|---|---|---|---|---|
| 2 МП / 4 шага | 1088×1920 | 4 | — | 3:47 |
| 2 МП / 8 шагов | 1088×1920 | 8 | — | 3:54 |
| 2 МП / 12 шагов | 1088×1920 | 12 | — | 7:20 |
| 4 МП / 4 шага | 1536×2720 | 4 | — | 6:25 |
| 4 МП / 8 шагов | 1536×2720 | 8 | — | 5:56 |
| 4 МП / 12 шагов | 1536×2720 | 12 | — | 3:36* |
Те же настройки, но на реальной длине. Здесь видно, во сколько обходится непрерывный проход, когда включается нарезка на чанки.
| Вариант | Разрешение | Шаги генерации | Нарезка | Время |
|---|---|---|---|---|
| 4 МП, чанки 73/22, 8 шагов | 1536×2720 | 8 | 6 чанков | 45:41 |
| 4 МП, чанки 73/22, 4 шага | 1536×2720 | 4 | 6 чанков | 40:24 |
| 4 МП, чанки 73/22, 12 шагов | 1536×2720 | 12 | 6 чанков | 44:53 |
| 2 МП единым проходом, 4 шага | 1088×1920 | 4 | без нарезки | 26:58 |
Один и тот же мастер, один и тот же кадр. Слева он приведён к 2 МП (1088×1920) — так выглядит младший тир. Справа полный 4 МП: 1536×2720, двенадцать шагов, шесть чанков, 44:53. Тяни ползунок в любую сторону: видно, где кончается «мыло» и начинается плотность кадра.
Оба ролика играют синхронно: ползунок только сдвигает границу между ними.
Один и тот же эпизод в трёх исполнениях: быстрый черновик движения, регенерация в том же разрешении и финальный мастер. Формат 9:16, 481 кадр, один seed, один промпт, один монтаж — меняется только то, что указано в таблице.
| Шаг | Разрешение | Шаги генерации | Нарезка | Время |
|---|---|---|---|---|
| Черновик движения | 1088×1920 | 4 | — | 8:00 |
| Регенерация в том же размере | 1088×1920 | 3 (нода 2K) | 9 чанков | 30:30 |
| Финальный мастер | 1536×2720 | 4 → 3 шага регенерации | 9 чанков | 59:48 |
Слева черновик движения — 1088×1920, четыре шага, 8:00. Справа тот же расчёт, перерисованный в том же размере — три шага ноды 2K, девять чанков, 30:30. Разрешение не меняется: видно только, как уходит «мыло» первого прохода.
Слева тот же черновик — 1088×1920, 8:00. Справа финальный мастер — 1536×2720, девять чанков, 59:48. Здесь разница и в плотности кадра, и в самом размере: в 2,4 раза больше пикселей.
Тяни ползунок в любую сторону. Видео играют синхронно.
13-секундный блок с платформы, короткое затемнение-переход и 20-секундный эпизод в вагоне, сведённые в один фильм: музыка по героям, Foley по картинке, единый звуковой баланс. Два уровня качества — разница видна на большом экране, на телефоне практически нет.
| Вариант | Разрешение | Что внутри | Время счёта |
|---|---|---|---|
| Мастер на показ | 1440×2548 | тот же монтаж, максимальная плотность | 1:40 (13 с + 20 с) |
| Рабочий мастер | 1088×1920 | тот же монтаж, вдвое дешевле по рендеру | 0:57 (13 с + 20 с) |
Один и тот же монтаж, один и тот же звук, кадр в кадр. Слева тот же мастер, приведённый к 1088×1920 — это то, что получает рабочий тир. Справа мастер на показ — 1440×2548. Разница не драматичная, как между черновиком и 2K: это два финальных качества. Смотри на мелкую фактуру — шпон, ворс ковра, грани ручек — и на лица героев в купе.
Тяни ползунок, ставь паузу и щёлкай по кадрам — кнопки под плеером. Поправка: это разные прогоны одной сцены, поэтому композиция смещена на пару процентов — сравнивай плотность кадра, а не совпадение пикселей.
Коммерческие видео-модели — MiniMax Hailuo, Kling, Runway — продают не фильм, а секунды генерации. Платный каждый дубль, а утверждённый монтаж — это обычно 12–20 попыток. Поэтому деньги считаются не по длине ролика, а по числу попыток, и умножаются на объём.
| Позиция | Коммерческое API (Hailuo и аналоги) | Локальный конвейер |
|---|---|---|
| Единица оплаты | секунда сгенерированного видео | капитальные затраты на железо + время специалиста |
| Ориентир тарифа | $0,05–0,10 за секунду в 768p $0,15–0,30 за секунду в 1080p |
не зависит от числа роликов |
| Один 33-секундный ролик 12–20 попыток на утверждённый монтаж |
≈ $60–200 5–18 тыс. ₽ |
входит в стоимость проекта |
| 20 роликов в месяц | ≈ $1 200–4 000 | фиксированная амортизация |
| 100 роликов | ≈ $6 000–20 000 | то же железо, рост только по времени |
| Потолок разрешения | 1080p, клипы по 6–10 секунд | вертикальный 2K, 1536×2720, чанками без видимого стыка |
| Постоянство героя | каждый дубль — новая генерация, лицо и одежда «плывут» | фиксированные референсы и латент: кадр не меняется между тирами |
Серийная работа на коммерческом API упирается не в качество, а в счётчик: чем больше дублей и правок, тем дороже каждый утверждённый кадр. И потолок там 1080p — вертикального 2K у массовых видео-API нет, поэтому сцену всё равно приходится пересобирать отдельно.
Локальный конвейер — это другая экономика: один раз купленное железо и настроенный пайплайн, дальше стоимость проекта определяется временем специалиста, а не тарифом за секунду. Дубли, варианты и перегенерации перестают быть расходом.
Речь не о «бесплатно из дома»: нужен GPU уровня RTX 5090 с 32 ГБ памяти (за последние два года такие карты подорожали примерно вчетверо), 96 ГБ оперативной памяти и настроенный пайплайн на два прохода.
Но эти затраты не зависят от количества роликов: двадцатый ролик стоит столько же машинного времени, сколько первый. Именно поэтому на объёме от десятка роликов в месяц расклад разворачивается в обратную сторону.
Все замеры сделаны на одной машине, один seed, один промпт. Времена — чистое время счёта без очереди и простоев.