Перенос движения в Kling: как выбрать фото и ролик

Перенос движения работает не так, как обычная генерация видео. Здесь нет промпта, который что-то решает: вы даёте фото персонажа и ролик с движением, а модель переносит одно на другое. Поэтому почти все неудачные попытки — это неподходящие исходники, а не промах модели.

Ниже — требования, которые действительно влияют на результат: официальные ограничения Kling, советы из гайдов и то, что мы проверили собственными прогонами на переносе движения.

Коротко

• Лицо на фото — крупное и резкое, руки видны.
• Вокруг персонажа есть запас по краям кадра.
• На ролике один человек, один непрерывный дубль, камера стоит на месте.
• Движение умеренной скорости, без резких рывков.
• Промпт не описывает движение — только окружение и свет.
• Черновик на 720p и коротком фрагменте, финал — на 1080p.

Фото персонажа

Модель берёт с фото всё, кроме движения: лицо, одежду, фон, пропорции, кадрирование. Значит, качество фото — это потолок качества результата.

Лицо должно быть крупным и резким. Чем лучше видно глаза и губы, тем точнее переносится мимика. Мелкое, смазанное или пересвеченное лицо — главная причина, по которой в видео появляется «не тот человек».

Руки должны быть видны. Если на фото руки в карманах или за спиной, а в ролике персонаж жестикулирует, модели придётся дорисовать кисти с нуля. Отсюда лишние и кривые пальцы.

Оставьте воздух по краям. Kling требует, чтобы персонаж занимал больше 5 % площади кадра, но и обратная крайность вредит: если фигура упирается в границы, а в ролике широкие махи или прыжки, конечности будут обрезаться.

Один человек. Если на фото двое, модель возьмёт того, кто занимает больше места. Если площади примерно равны — не возьмёт никого.

Размер файла. Официальный предел — 3850 px по длинной стороне. Снимок с современного телефона это превышает, поэтому мы ужимаем фото автоматически: загружайте оригинал, ничего заранее делать не нужно.

Ролик с движением

Ролик — это не «вдохновение», а буквальный источник траектории. Модель считывает позу покадрово, поэтому грязный исходник ломает результат сильнее, чем плохой промпт.

Один человек и один непрерывный дубль. Склейки, смена ракурса и наезды камеры не поддерживаются. При нескольких людях в кадре движение возьмётся у того, кто крупнее, — а это не всегда тот, кого вы имели в виду.

Камера стоит на месте. Съёмка с рук и движение камеры дают съезжающий фон и «резиновые» конечности — модель не может отделить движение человека от движения кадра.

Умеренная скорость. Быстрая хореография и резкие рывки — источник морфинга. Медленное чистое движение переносится заметно надёжнее сложного.

Фон должен контрастировать с фигурой. Если человек сливается с фоном, модель теряет конечности.

Длительность — от 3 до 30 секунд, но с важной оговоркой: модель извлекает только непрерывные участки движения не короче 3 секунд. Если в вашем фрагменте человек на секунду вышел из кадра или его заслонил предмет, результат окажется короче заказанного — а платится он по длине выбранного фрагмента. Поэтому фрагмент стоит подбирать ползунком внимательно: в генерацию уйдёт ровно то, что вы выделили.

Кадрирование: самый живучий миф

В гайдах по переносу движения повторяется правило: фото обязано быть в полный рост, иначе пропорции «поплывут». Официальная документация Kling формулирует мягче — не советует сочетать полноростовой референс с поясным фото.

Мы это проверили. Поясной портрет плюс танцевальный референс, снятый в полный рост: модель сохранила кадрирование снимка и выдала поясное видео. Ног она не выдумала, лицо, одежда и фон остались на месте.

Правило работает наоборот, чем принято думать: результат повторяет кадрирование фото, а не ролика. Поясной снимок даст поясное видео, и это нормально.

Но здравый смысл никуда не делся: если весь смысл движения в ногах — походка, танец с шагами, — то на поясном видео вы просто не увидите того, ради чего всё затевалось. Полный рост нужен не потому, что иначе сломается, а потому, что иначе движения не будет видно.

То же касается пропорций кадра: формат результата задаёт фото. Вертикальный снимок даст вертикальное видео, даже если ролик горизонтальный.

Разворот персонажа

Это единственная настройка, которая реально меняет поведение модели, и выбирают её неправильно чаще всего.

Как в видео — персонаж повторяет и движение, и развороты корпуса из ролика. Берите, когда в движении есть смена ракурса: танец с поворотами, проходка, разворот к камере. Фрагмент — до 30 секунд.

Как на фото — персонаж держит разворот исходного снимка и двигается внутри него. Берите для портретов и там, где важнее всего не потерять лицо. Фрагмент ограничен 10 секундами.

Практическое правило: если лицо в результате «плывёт» — пробуйте «как на фото». Если движение переносится вяло и персонаж выглядит скованным — «как в видео».

Промпт: главное — не описывать движение

Промпт здесь необязателен, и это не формальность: без него модель справляется нормально.

Самая частая ошибка — описывать в промпте хореографию. «Энергично танцует, крутится и подпрыгивает» не помогает, а конкурирует с роликом за управление. Движение уже задано, повторять его словами не нужно.

Что действительно имеет смысл писать: место и фон, свет, атмосферу, стиль кадра. Работает короткая формула — сцена, свет, стиль. Три-четыре пункта лучше, чем абзац.

Промптом удобно примирять противоречие между персонажем и движением. Если на фото вечернее платье, а в ролике акробатика, стоит добавить, что платье двигается вместе с героиней, — иначе модель будет выбирать между «сохранить одежду» и «повторить движение» сама.

Что ломается и как чинить

Как не тратить попытки впустую

Перенос движения редко получается идеальным с первого раза, и это нормальная практика для всех подобных моделей. Экономят так:

1. Проверяйте связку на коротком фрагменте. Пять секунд на 720p показывают всё, что нужно знать о том, подойдут ли эти фото и ролик друг другу.
2. Финальный прогон — на 1080p, уже с проверенной парой.
3. Меняйте что-то одно за раз. Если поменять и фото, и фрагмент, и промпт, вы не узнаете, что именно помогло.
4. Начинайте с готового шаблона движения. Ролики там уже проверены на пригодность, и переменная остаётся одна — ваше фото.

Лимиты

Звук из ролика остаётся в результате без изменений — танец без музыки обычно не нужен. Это же значит, что права на музыку в загруженном файле остаются на том, кто его загрузил.