Давно собирался сделать этот пост: JSON-промпты

JSON-промпты — это как глянцевые маскировочные костюмы для "модных промт-инженеров". Выглядит технологично, звучит внушительно. Но работает ли это в реальности, особенно в задачах генерации изображений и видео (Veo, Nano Banana Pro и т.д)? Пора сказать правду.

JSON-промптинг: из чего он вырос

Изначально формат появился как способ систематизировать ввод: вместо «сделай мне красивую девушку на фоне заката», у нас появилась обертка, которая как бы превращает тебя в гуру генераций:

{
"subject": "beautiful woman",
"background": "sunset",
"mood": "romantic",
"lighting": "golden hour"
}

Выглядит профессионально, как будто ты не просто чувак с оплаченной нейросетью (один из тысяч), а режиссер нейронной постановки.

Но вот загвоздка: большинство моделей на вход все равно ждут текст — обычный человеческий текст. А значит, твой JSON просто становится fancy оберткой для конкатенации строк.

Серьезно. Люди с умным видом часами собирают JSON-схемы, прописывают "camera_type": "ARRI Alexa" и "mood": "melancholic optimism" в надежде, что это даст результат уровня Тарковского.

А нейросети тем временем просто ждут: ну скажи уже по-человечески, что ты хочешь. Даже Veo 3, даже Sora 2, даже Nano Banana Pro — это не API-интерфейс, это эмоции, кадры, кинематографическое мышление. А не JSON-запятые.

«Мы используем JSON для систематизации» — звучит красиво. А по факту?

Вы просто хардкодите хаос. Хотите на потоке делать 50 роликов — да, JSON может быть полезен. Но если вы думаете, что запихнете в промт "action": "epic slow motion" и получите рекламу Nike — у меня для вас плохие новости: без визуального мышления вы получите ровно то, что заказали (ерунду).

Хороший режиссер не думает о запятых, двоеточиях и модных скобках. Он думает в образах, световых пятнах, движении камеры, в драматургии сцены. Так что если вы сидите и пишете "bokeh": true и думаете, что сделали магию — я вас расстрою. Не-а. Настоящую магию делает не формат — ее делает вкус, насмотренность и понимание структуры кадра.

Когда JSON реально полезен

Есть ситуации, где JSON — мастхэв. Например:

Сквозные пайплайны: где ты автоматизируешь поток задач (промптинг → выбор модели → ассеты → видео).

API-интеграции: где каждый блок (персонаж, камера, движение, музыка) требует четкого структурирования.

Мультимодальная генерация: когда миксуешь текст, изображение, аудио и видео — и тебе нужно следить за форматами и параметрами.

А теперь по-честному

Veo 3.1? Прекрасно ест обычный промпт с «пиши по-человечески». Nano Banana Pro? Вообще не различает, запихнешь ты туда JSON или абзац в духе: «мужчина бежит по дождю в неоне». Главное — не формат, а смысл, тон, точность.

Так что когда я вижу посты в духе «сделайте себе шаблонный JSON и все будет кино», хочется напомнить: Sora, Kling, Veo и т.д. в первую очередь понимают язык эмоций, образов и кинематографической интуиции.

Не JSON делает видео вирусным, а режиссура.

Вывод

JSON-промпты — не магическая таблетка. Это просто формат. Полезный, когда надо систематизировать, особенно в команде или при масштабировании. Но для одиночного креатора, который хочет сделать вау-картинку или прокинуть драму в 30 секунд — это чаще всего избыточность. Лучше учите визуальное мышление, а не придумывайте, куда в JSON вставить “epic light flare with anamorphic distortion”.

p.s. Не использовал и никогда не планирую. И без них умею.

Обновил сайт и портфолио

На досуге немного повайбкодил (всего-то 2192 строчки кода) и серьезно обновил дизайн сайта со своим портфолио. Сделал немного по-хулигански, люблю всякие красивые штуки.

Кстати, добавил и новые работы (ии-реклама), которые раньше не мог показывать. Так что непременно загляните по этой ссылке.

Я вам озвучу интересный парадокс рынка 2025 года: чем доступнее инструменты, тем дороже экспертиза. Кнопки есть у всех. Вкус, опыт, все необходимые навыки и стратегическое мышление: как всегда — у единиц.

В стоимость создания ии-видео высокого уровня заложена серьезная интеллектуальная наценка.

Знаете, почему?

Потому что в случае с низкобюджетными исполнителями вы получаете ровно то, за что заплатили: плохо сгенерерированное видео, в котором все плывет и ползет. Ну там бабку на бегемоте. Или кота, который весело мяукает и заканчивает это делать через 15 секунд, когда закончился хрон сгенерированного в Sora 2 шота.

Вы получаете видео, в котором ваш бренд в принципе узнаваем, но если присмотреться, вы поймете, что все логотипы поехали к чертям (потому что нейросети не умеют держать тексты — ну например, мелкие тексты на этикетках, поэтому нужен ручной ротоскопинг, трекинг и много чего еще). Вы поймете, что сценарий — унылое го%но. Что голоса мертвые, да и вообще ролик сделан так, что сразу видно:

Это сделала нейросеть. И сделала, конечно же, очень плохо.

Существует мнение, что нейросети уравняли всех. Что студент с ноутбуком теперь равен профессионалу, который играет в высшей лиге. Но, пожалуйста, друзья, снимите розовые очки. Это не ни разу так.

Лучшие игроки рынка — это, конечно же,профессионалы индустрии (реклама, видеопродакшн, маркетинг и тд), которые просто сменили кисти. Точнее добавили в свой пайплан новые инструменты, но стоят на прочном фундаменте многолетного опыта создания рекламных кампаний.

Я еще напишу отдельно, почему работа с низкобюджетными исполнителями, если вы хотите заказать ии-видео — это всегда лотерея, в которой вы всегда проиграете.

Не переключайтесь.

Если вы ищете подрядчика на создание ии-видео и в частности ии-рекламы, то я подготовил гайд, который настоятельно рекомендую прочесть. Это, казалось бы, очевидные истины, но все же стоит ознакомиться.

Читать по этой ссылке.

#статьи

Chat GPT обновил свою делалку картинок. Пытаются влезть на поляну Nano Banana Pro.

Протестирую — напишу свои впечатления. Пока просто смотрим черри-демку.

Пока Альман судорожно пытается догнать Google, последние выкатили еще одну внушительную порцию обновлений во Flow:

Nano Banana Pro получила апскейл до 2K и 4K

Пользователи Pro и Ultra теперь могут увеличивать изображения, созданные в Nano Banana Pro, до 2K и 4K.
Чтобы апскейлить изображение, достаточно навести курсор на готовую картинку, выбрать загрузку и указать нужное разрешение.

Что важно учитывать:

— апскейл доступен только для изображений, сгенерированных в Nano Banana Pro после 12 декабря.
— 2K доступен на тарифах Pro и Ultra;
— 4K — только на Ultra.

На время новогоднего периода апскейл в 2K и 4K не расходует кредиты и ограничен 200 изображениями в день для каждого разрешения. Лимиты и условия могут измениться позже.

Исправления с аудио в Veo 3

Команда также доработала логику обработки ошибок со звуком. Если раньше Veo 3 мог возвращать видео без аудио, теперь такие генерации считаются ошибочными:

— видео не будет возвращено пользователю;
— кредиты автоматически возвращаются.

Работа над стабильным и качественным звуком продолжается, но уже сейчас это изменение избавляет от потери кредитов из-за аудиобагов.

Ну что, Альтман, догоняй 🤣

Kling Video 2.6: Voice Control — кастомные голоса для персонажей

В модели Kling VIDEO 2.6 стала доступна функция Voice Control. Теперь можно создавать собственные голоса и жtстко привязывать их к персонажам, добиваясь стабильного совпадения между образом и звучанием. Что это дает на практике:

Стабильный голос на всём видео: голос сохраняет тембр и характер от начала до конца ролика.

Гибкая адаптация под контекст: один и тот же голос автоматически подстраивается под разные форматы — закадровый текст, диалог, речь, монолог. Меняется ритм, интонация и подача без дополнительной настройки.

Естественная работа с разными языками: голос, обученный на одном языке, может органично говорить на другом (например, китайский —> английский) без ручных конфигураций, сохраняя выразительность и узнаваемость. И да, русского пока нет.

Привязка голосов через промпт: достаточно указать в запросе формат вроде [Character@VoiceName], и модель сама закрепит нужный голос за персонажем. Это сильно упрощает сцены с несколькими героями и разными голосами.

Обновление делает Kling заметно ближе к полноценной работе с персонажами — не только визуально, но и на уровне звучания. Для сторителлинга, брендов и сериализованных форматов это серьезный шаг вперед. Ждем, когда добавят русский язык. Пока ни одна модель ранее не предлагала такой функции.

Перевел гайд по Kling 2.6, который поможет лучше работать с аудио и вообще разобраться, как писать промты. Читайте по этой ссылке.

В комментариях спрашивали, а как с задачей справится Sora. Не стал делать все три теста, сделал только репера.

Было свободное время. Давно клипы не выкладывал. Звук традиционно погромче.

Досмотрите до конца.

Где делал: Veo, Sora 2 Pro, Kling, Nano Banana Pro, Sedance, Suno и всякое по мелочи.

Очень ценный кейс — когда заказчик приходит с доверием, а не с линейкой для измерения каждого пикселя по брифу.

Сделал серию новогодних роликов для промо акций в «Ленте» и «Магните».

Это сложная ии-реклама: в кадрах должна удерживаться целая семья, лось-маскот и, конечно, сам продукт, который обязан выглядеть абсолютно идентично оригиналу.

Технически это был сложный проект: креативная разработка, тысячи генераций, ротоскопинг, ручной кейинг, связка из нескольких нейросетей, музыка, ии-озвучка — все ради того, чтобы собрать теплые новогодние истории.

Истории, которые передают атмосферу праздника, четко рассказывают об акции и при этом действительно «вкусно» показывают продукт.

Комфортная коммуникация с заказчиком, адекватные правки, работа без микроменеджмента — и в итоге сдача в срок. Делюсь результатом.

Ну и второй ролик "Добрый", который могу показать. Классный, мне нравится.

Их было еще несколько, но остальные под NDA.

Премьера нового фильма, через... дцать минут... Рендерится.

Странно, почему этот фильм еще не сняли. Короче, вот вам.

Когда заходит разговор про ИИ-видео, сразу раздается хор:
«Ну видно же, что это ИИ!»

Девочки и мальчики, сейчас открою страшную тайну: оно и должно выглядеть как ИИ.

Ровно так же, как 3D в начале 2000-х выглядело как 3D. Как CGI в «Матрице» кричало «это графика». Как клипы MTV не пытались быть кино. Как TikTok не пытался быть телевидением.

ИИ-видео — это не подделка реальности, это новый визуальный язык.

И когда вы орете «видно, что ИИ», вы звучите ровно как люди, которые в 2005-м кричали: «Фу, это компьютерная графика, где настоящее кино?» — а потом десять лет смотрели только его.

Проблема не в том, что видно ИИ.

Проблема в том, что вам нечего сказать этим языком.

Плохое ИИ-видео видно не потому, что оно ИИ. А потому что там нет идеи, нет драматургии, нет ритма, нет вкуса.
Хорошее ИИ-видео не маскируется под «настоящее». Оно честно использует свою искусственность и бьет ей в лоб.

ИИ — это не способ «обмануть глаз».

Это способ расширить выразительность.
И если вы все еще оцениваете новый медиум по критерию «похоже ли на живую съемку» — вы просто опоздали на поезд.

Так что да.

ИИ должно быть видно.
Как когда-то было видно кино.

И те, кто это понимают, уже ушли вперед.

К сожалению, многие (большинство) заказчики все время просят: сделай нам как будто это реальная съемка. И так, 50% истории летит в утиль. С ии можно сделать все что угодно. А заказчики руками ии-режиссеров почему-то, с упорством пытаются сделать унылое «максимальный реализм».

Это все равно, что купить рояль Stainway, чтобы играть на нем «Собачий вальс».

Мнение автора тг-канала «Нейронутые», как всегда, скорее всего вызовет шквал критики. Но автор привык.