Генерация видео с ИИ — Runway, Kling, Sora

Видео по требованию — это уже реальность

2026 год — это момент, когда AI-генерация видео перешла из “вау, прикольная демка” в рабочий инструмент. Уже сейчас YouTube-каналы используют Runway для B-roll, маркетологи создают рекламные ролики за часы вместо недель, а инди-разработчики делают трейлеры для игр без единого дня съёмок.

Для разработчика и контент-мейкера это открывает возможности:

• B-roll для YouTube — красивая подложка под озвучку без съёмки
• Промо-ролики и трейлеры — анонсы продуктов и приложений
• Интро/аутро — уникальная заставка для каждого видео
• Маркетинг и реклама — персонализированный визуальный контент в масштабе
• Прототипирование видео — покажи стейкхолдерам концепцию до полноценного производства

Главные игроки на арене: Runway Gen-4, Kling AI 2.0, Sora (OpenAI), Pika 2.2. У каждого своя ниша.

---

Runway — профессиональный стандарт

Runway — самый известный AI-видеогенератор с API, который используют профессионалы в Голливуде и крупных студиях. Флагманская модель — Gen-4 Turbo (начало 2026).

Что умеет Gen-4

• Text-to-Video — видео до 10 секунд из текстового описания
• Image-to-Video — анимация статичных изображений
• Video-to-Video — изменение стиля существующего видео
• Motion Brush — рисуешь направление движения объектов
• Camera Controls — программируешь движение камеры (pan, zoom, tilt, orbit)
• Character Consistency — сохранение внешности персонажа между сценами
• Multi-Frame Reference — создание видео с несколькими референсными изображениями

Тарифы (2026)

Планr	Цена	Кредиты/мес	Секунды видео
Free	$0	125	~25–50 сек
Standard	$15/мес	625	~125–250 сек
Pro	$35/мес	2250	~450–900 сек
Unlimited	$95/мес	∞ (720p)	Без лимита
Enterprise	Custom	Custom	4K, приоритет

Заметка

Кредиты: Gen-4 Turbo стоит 5 кредитов/сек (720p) или 10 кредитов/сек (1080p). Стандартный клип 5 сек = 25 кредитов. Бесплатного плана хватает на тесты, но для реальной работы нужен минимум Standard.

Runway API

Runway предоставляет официальный REST API для text-to-video и image-to-video генерации.

Python

import os
import time
import requests

RUNWAY_API_KEY = os.environ["RUNWAY_API_KEY"]
BASE_URL = "https://api.runwayml.com/v1"

HEADERS = {
    "Authorization": f"Bearer {RUNWAY_API_KEY}",
    "Content-Type": "application/json",
    "X-Runway-Version": "2024-11-06"
}

def text_to_video(
    prompt: str,
    duration: int = 5,         # 5 или 10 секунд
    ratio: str = "1280:720",   # "1280:720", "720:1280", "1104:832"
    model: str = "gen4_turbo"
) -> str:
    """Генерация видео из текста. Возвращает URL результата."""

    payload = {
        "model": model,
        "promptText": prompt,
        "duration": duration,
        "ratio": ratio,
    }

    # Запускаем задачу
    response = requests.post(
        f"{BASE_URL}/image_to_video",  # Endpoint для gen4
        json=payload,
        headers=HEADERS
    )
    response.raise_for_status()
    task = response.json()
    task_id = task["id"]

    print(f"Задача запущена: {task_id}")
    return poll_task(task_id)


def image_to_video(
    image_url: str,
    prompt: str = "",
    duration: int = 5,
    ratio: str = "1280:720"
) -> str:
    """Анимация статичного изображения."""

    payload = {
        "model": "gen4_turbo",
        "promptImage": image_url,  # URL или base64
        "promptText": prompt,       # Описание движения (опционально)
        "duration": duration,
        "ratio": ratio,
    }

    response = requests.post(
        f"{BASE_URL}/image_to_video",
        json=payload,
        headers=HEADERS
    )
    response.raise_for_status()
    task_id = response.json()["id"]

    return poll_task(task_id)


def poll_task(task_id: str, timeout: int = 300) -> str:
    """Ждём пока видео сгенерируется. Возвращает URL."""

    start = time.time()
    while time.time() - start < timeout:
        response = requests.get(
            f"{BASE_URL}/tasks/{task_id}",
            headers=HEADERS
        )
        task = response.json()
        status = task["status"]

        if status == "SUCCEEDED":
            video_url = task["output"][0]
            print(f"Готово! URL: {video_url}")
            return video_url
        elif status == "FAILED":
            raise Exception(f"Генерация провалилась: {task.get('failure', 'Unknown error')}")
        elif status in ("RUNNING", "PENDING"):
            progress = task.get("progress", 0)
            print(f"Прогресс: {progress:.0%}...")
            time.sleep(5)
        else:
            time.sleep(5)

    raise TimeoutError("Видео не сгенерировалось за отведённое время")


# Использование
video_url = text_to_video(
    prompt="A drone flying over a neon-lit cyberpunk city at night, "
           "rain reflecting lights on the streets below, cinematic",
    duration=5,
    ratio="1280:720"
)

# Скачиваем видео
import urllib.request
urllib.request.urlretrieve(video_url, "output.mp4")
print("Видео сохранено: output.mp4")

TypeScript

const RUNWAY_API_KEY = process.env.RUNWAY_API_KEY!;
const BASE_URL = "https://api.runwayml.com/v1";

const headers = {
  "Authorization": `Bearer ${RUNWAY_API_KEY}`,
  "Content-Type": "application/json",
  "X-Runway-Version": "2024-11-06",
};

interface VideoOptions {
  prompt: string;
  duration?: 5 | 10;
  ratio?: "1280:720" | "720:1280" | "1104:832";
}

interface ImageToVideoOptions extends VideoOptions {
  imageUrl: string;
}

async function textToVideo(options: VideoOptions): Promise<string> {
  const { prompt, duration = 5, ratio = "1280:720" } = options;

  const res = await fetch(`${BASE_URL}/image_to_video`, {
    method: "POST",
    headers,
    body: JSON.stringify({
      model: "gen4_turbo",
      promptText: prompt,
      duration,
      ratio,
    }),
  });

  const { id: taskId } = await res.json();
  return pollTask(taskId);
}

async function imageToVideo(options: ImageToVideoOptions): Promise<string> {
  const { imageUrl, prompt = "", duration = 5, ratio = "1280:720" } = options;

  const res = await fetch(`${BASE_URL}/image_to_video`, {
    method: "POST",
    headers,
    body: JSON.stringify({
      model: "gen4_turbo",
      promptImage: imageUrl,
      promptText: prompt,
      duration,
      ratio,
    }),
  });

  const { id: taskId } = await res.json();
  return pollTask(taskId);
}

async function pollTask(taskId: string): Promise<string> {
  for (let i = 0; i < 60; i++) {
    await new Promise((r) => setTimeout(r, 5000));

    const res = await fetch(`${BASE_URL}/tasks/${taskId}`, { headers });
    const task = await res.json();

    if (task.status === "SUCCEEDED") {
      return task.output[0] as string;
    } else if (task.status === "FAILED") {
      throw new Error(`Generation failed: ${task.failure ?? "Unknown"}`);
    }
  }
  throw new Error("Timeout: video not ready in 300s");
}

// Использование
const url = await textToVideo({
  prompt: "A lone astronaut walking on Mars at sunset, cinematic wide shot, dust storm in the distance",
  duration: 5,
});
console.log(`Video ready: ${url}`);

---

Kling AI — китайская угроза

Kling AI от Kuaishou — главный конкурент Runway. Модель Kling 2.0 Master (2026) выдаёт видео, которое во многих тестах превосходит Runway по фотореализму и плавности движений.

Чем Kling выделяется

• Физика движений — персонажи и объекты двигаются как в реальном мире
• Генерация до 3 минут — при использовании Video Extension
• Lip Sync — синхронизация губ с аудио
• Kling Elements — генерация из нескольких референсных объектов
• Act-One — анимация лица через видео-перенос мимики

Тарифы Kling (2026)

Планr	Цена	Кредиты/мес	Особенности
Free	$0	66/день	Watermark, 720p
Standard	$7/мес	660	Без водяного знака
Pro	$28/мес	3000	1080p, приоритет
Premier	$93/мес	9990	4K, API доступ

Совет

Секрет: Kling доступен через несколько API-провайдеров — fal.ai и Replicate предоставляют удобный wrapper. Это удобнее чем прямой API Kling для большинства задач.

Kling через fal.ai

import os
import fal_client

os.environ["FAL_KEY"] = "your_fal_key"

def generate_kling_video(prompt: str, image_url: str = None) -> str:
    """Генерация через Kling 2.0 via fal.ai."""

    if image_url:
        # Image-to-video
        result = fal_client.subscribe(
            "fal-ai/kling-video/v2/master/image-to-video",
            arguments={
                "prompt": prompt,
                "image_url": image_url,
                "duration": "5",
                "aspect_ratio": "16:9",
                "cfg_scale": 0.5,
            },
        )
    else:
        # Text-to-video
        result = fal_client.subscribe(
            "fal-ai/kling-video/v2/master/text-to-video",
            arguments={
                "prompt": prompt,
                "duration": "5",
                "aspect_ratio": "16:9",
                "cfg_scale": 0.5,
            },
        )

    return result["video"]["url"]

# Пример
url = generate_kling_video(
    prompt="Close-up of coffee being poured into a cup in slow motion, "
           "steam rising, warm morning light, photorealistic"
)
print(f"Видео: {url}")

---

Sora — OpenAI входит в игру

Sora от OpenAI — модель, которую ждали больше года. Теперь доступна в ChatGPT Plus/Pro и через API (в ограниченном доступе).

Возможности Sora

• Видео до 20 секунд в разрешении 1080p
• Storyboard — несколько сцен, склеенных в одно видео
• Re-cut — перегенерация только части видео
• Loop — создание бесшовных петель
• Blend — плавный переход между двумя видео
• Сильный акцент на понимание физики и причинно-следственные связи

Доступ к Sora

Осторожно

Состояние на начало 2026: Sora доступна в ChatGPT Plus ($20/мес) и Pro ($200/мес). API для разработчиков — в ограниченном beta-доступе. Ждём публичного API.

Доступ	Лимит видео	Качество	Длина
ChatGPT Plus	50 шт/мес	720p	до 10 сек
ChatGPT Pro	500 шт/мес	1080p	до 20 сек
API (beta)	По токенам	1080p	до 20 сек

Sora API (beta)

from openai import OpenAI

client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])

# Создание задачи
response = client.videos.generate(
    model="sora-1.0",
    prompt="A time-lapse of a city block transforming from dawn to dusk, "
           "people rushing, lights turning on, cinematic overhead shot",
    size="1280x720",
    duration=10,  # секунды
    n=1,
)

# Получение результата (polling)
video_id = response.id
print(f"Запущено: {video_id}")
# Polling через client.videos.retrieve(video_id)

---

Pika — быстро и доступно

Pika 2.2 — лучший вариант для быстрого старта и экспериментов. Интерфейс проще, генерация быстрее, цена ниже.

Фишки Pika

• Pikaffects — встроенные эффекты (взрывы, превращения, плавление)
• Modify Region — изменение отдельной области видео
• Inflate / Deflate — 3D-раздувание объектов
• Explode — эффект взрыва любого объекта
• Поддержка soundscape — автоматическая генерация звука к видео

Тарифы Pika

План	Цена	Кредиты/мес	Особенности
Free	$0	150	Watermark, 720p
Basic	$8/мес	700	Без водяного знака
Standard	$28/мес	2000	1080p
Pro	$78/мес	10000	4K, API

---

Сравнение платформ

Runway Gen-4

Лучший для: профессиональный контент, точный контроль камеры, API
API: ✅ Официальный
Сильная сторона: Camera Controls, Motion Brush
Слабая сторона: дорого для больших объёмов
Цена: от $15/мес

Kling AI 2.0

Лучший для: реализм движений, длинные клипы, Lip Sync
API: через fal.ai / Replicate
Сильная сторона: физика, длина до 3 мин
Слабая сторона: прямой API ограничен
Цена: от $7/мес

Sora

Лучший для: сложные нарративные сцены, Storyboard
API: ⚠️ Beta-доступ
Сильная сторона: понимание физики и логики сцены
Слабая сторона: закрытый доступ, дорого
Цена: от $20/мес (ChatGPT Plus)

Pika 2.2

Лучший для: быстрые эксперименты, эффекты, маркетинг
API: ✅ Через партнёров
Сильная сторона: Pikaffects, скорость
Слабая сторона: меньше контроля над сценой
Цена: от $8/мес

Таблица сравнения

Параметр	Runway Gen-4	Kling 2.0	Sora	Pika 2.2
Реализм	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐
Макс. длина	10 сек	3 мин*	20 сек	10 сек
Разрешение	до 4K	до 4K	1080p	до 4K
Публичный API	✅	через fal.ai	⚠️ Beta	⚠️ Limited
Контроль камеры	✅	✅	Ограничен	❌
Text-to-Video	✅	✅	✅	✅
Image-to-Video	✅	✅	✅	✅
Lip Sync	❌	✅	❌	✅

*через Video Extension

---

Text-to-Video: как это работает

Генерация из текста — основной режим. Ты описываешь сцену, модель создаёт видео. Звучит просто, но детали важны.

1. Опиши сцену: что происходит, кто/что в кадре, где это происходит

2. Укажи движение: камера (pan left, zoom in, tracking shot), объекты, персонажи

3. Добавь стиль: cinematic, documentary, drone footage, slow motion, time-lapse

4. Укажи освещение: golden hour, neon lights, studio, overcast

5. Задай формат: соотношение сторон (16:9, 9:16, 1:1), длина

Пример промпта — плохой vs хороший

Плохо:

Город ночью

Хорошо:

Aerial drone shot of Tokyo at night, camera slowly descending from above,
neon signs reflecting in wet streets after rain, people with umbrellas below,
bokeh lights in the background, cinematic color grading, 4K, slow motion

Промпт-структура для видео

[Тип кадра] + [Объект/сцена] + [Движение камеры] + [Движение объекта] + [Стиль/атмосфера] + [Техническое]

Полезные ключевые слова:

Тип кадра	Движение камеры	Стиль
aerial shot	slow pan left	cinematic
close-up	zoom in slowly	documentary
tracking shot	orbit around	photorealistic
wide establishing shot	handheld	slow motion
POV shot	timelapse	film noir

---

Image-to-Video: анимация статичных изображений

Берёшь любую картинку и превращаешь её в видео. Это одна из самых мощных фич — можно анимировать свои иллюстрации, фотографии, скриншоты.

Как работает

Модель анализирует изображение и “оживляет” его, добавляя реалистичное движение. Ты можешь подсказать направление через текстовый промпт.

# Пример: анимируем сгенерированное изображение

import base64
import requests

def animate_image(image_path: str, motion_prompt: str = "") -> str:
    """
    Анимируем локальное изображение через Runway.
    """

    # Конвертируем в base64
    with open(image_path, "rb") as f:
        image_b64 = base64.b64encode(f.read()).decode()

    # Определяем MIME тип
    ext = image_path.split(".")[-1].lower()
    mime = {"jpg": "image/jpeg", "jpeg": "image/jpeg", "png": "image/png"}.get(ext, "image/jpeg")
    image_data_url = f"data:{mime};base64,{image_b64}"

    # Запрос к Runway
    payload = {
        "model": "gen4_turbo",
        "promptImage": image_data_url,
        "promptText": motion_prompt,
        "duration": 5,
        "ratio": "1280:720",
    }

    response = requests.post(
        "https://api.runwayml.com/v1/image_to_video",
        json=payload,
        headers={
            "Authorization": f"Bearer {os.environ['RUNWAY_API_KEY']}",
            "X-Runway-Version": "2024-11-06",
        }
    )
    response.raise_for_status()
    task_id = response.json()["id"]

    return poll_task(task_id)  # функция из примера выше


# Использование: анимируем обложку статьи
video_url = animate_image(
    "my_article_cover.png",
    motion_prompt="subtle particle effects floating upward, gentle camera zoom in"
)

Советы для Image-to-Video

Совет

Лучшие результаты дают изображения с:

• Чётким объектом на переднем плане
• Понятным фоном (не слишком насыщенным)
• Правильным соотношением сторон (не квадратные)
• Высоким разрешением (минимум 768px по меньшей стороне)

---

Применение: реальные сценарии

B-Roll для YouTube

Нужна подложка под закадровый голос? Генерируй тематические видео: “кофе на столе”, “руки за клавиатурой”, “ночной город”. Без съёмки, без стоков с водяными знаками.

Промо-трейлер продукта

Показываешь новое приложение или игру? Runway создаст кинематографичные кадры по концепт-артам за час вместо недели продакшена.

Интро/аутро для канала

Уникальная заставка — это 5 секунд которые зрители видят каждый раз. С AI делаешь её раз и на годы. Попробуй сгенерировать несколько вариантов.

Рекламные материалы

Маркетинг требует постоянно новый контент. Генерируй вариации для разных аудиторий, форматов и платформ быстрее, чем согласовываются брифы.

Полный пайплайн: от идеи до ролика

"""
Полный пайплайн: текст → изображение → видео → финал.
Используем GPT-4o для изображения, Runway для видео.
"""

import os
import base64
import requests
from openai import OpenAI

openai_client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])
RUNWAY_KEY = os.environ["RUNWAY_API_KEY"]


def generate_promo_video(concept: str, output_file: str = "promo.mp4"):
    """Создаём промо-видео из концепции за 3 шага."""

    print(f"🎬 Создаём видео для: '{concept}'")

    # Шаг 1: GPT-4o генерирует оптимальный промпт для изображения
    print("Step 1: Генерируем промпт для изображения...")
    prompt_response = openai_client.chat.completions.create(
        model="gpt-4o",
        messages=[{
            "role": "user",
            "content": f"""Создай детальный промпт для генерации рекламного изображения.

Концепция: {concept}

Требования:
- Фотореалистичный или кинематографичный стиль
- Подходит для анимации (чёткий объект, понятный фон)
- Широкоформатный (16:9)
- Тёмная или вечерняя атмосфера

Ответь только промптом, без объяснений."""
        }]
    )
    image_prompt = prompt_response.choices[0].message.content
    print(f"   Промпт: {image_prompt[:100]}...")

    # Шаг 2: Генерируем изображение через gpt-image-1
    print("Step 2: Генерируем изображение...")
    image_response = openai_client.images.generate(
        model="gpt-image-1",
        prompt=image_prompt,
        size="1792x1024",
        quality="high",
        n=1
    )
    image_bytes = base64.b64decode(image_response.data[0].b64_json)

    # Сохраняем изображение
    with open("frame.png", "wb") as f:
        f.write(image_bytes)
    print("   Изображение готово: frame.png")

    # Шаг 3: Анимируем через Runway
    print("Step 3: Анимируем изображение...")
    image_b64 = base64.b64encode(image_bytes).decode()

    resp = requests.post(
        "https://api.runwayml.com/v1/image_to_video",
        json={
            "model": "gen4_turbo",
            "promptImage": f"data:image/png;base64,{image_b64}",
            "promptText": "slow cinematic camera movement, subtle atmosphere",
            "duration": 5,
            "ratio": "1280:720"
        },
        headers={
            "Authorization": f"Bearer {RUNWAY_KEY}",
            "X-Runway-Version": "2024-11-06",
        }
    )
    resp.raise_for_status()
    task_id = resp.json()["id"]

    # Ждём результат
    import time
    for _ in range(60):
        time.sleep(5)
        check = requests.get(
            f"https://api.runwayml.com/v1/tasks/{task_id}",
            headers={"Authorization": f"Bearer {RUNWAY_KEY}", "X-Runway-Version": "2024-11-06"}
        )
        task = check.json()
        if task["status"] == "SUCCEEDED":
            video_url = task["output"][0]
            break
        elif task["status"] == "FAILED":
            raise Exception(f"Видео не создалось: {task.get('failure')}")

    # Скачиваем
    import urllib.request
    urllib.request.urlretrieve(video_url, output_file)
    print(f"✅ Готово! Видео сохранено: {output_file}")
    return output_file


# Запуск
generate_promo_video(
    "Новый инструмент для разработчиков — автоматизирует рутину с AI",
    "promo_final.mp4"
)

---

Советы по промптам для видео

Что работает хорошо

Конкретность движения:

Camera slowly pulls back revealing a vast mountain landscape

Лучше чем просто “mountain landscape”.

Физические детали:

Leaves swaying gently in the breeze, water rippling in the foreground

Помогает модели понять что должно двигаться.

Кинематографические термины:

Dolly zoom effect, rack focus from foreground to background,
anamorphic lens flare

Стилистические референсы:

Shot in the style of a BBC nature documentary
Shot like a Blade Runner 2049 scene
Instagram aesthetic, warm filters

Что провалится

• Слишком много текста в кадре — модели плохо справляются с буквами
• Сложные взаимодействия персонажей (рукопожатия, объятия) — руки до сих пор проблема
• Длинные диалоги с синхронизацией губ — только Kling справляется более-менее
• Очень быстрые смены сцен — модель “не успевает”

Осторожно

Про руки: Все AI-видеогенераторы до сих пор иногда генерируют руки с лишними пальцами или неестественными движениями. Это известная проблема, частично решена в Gen-4 и Kling 2.0, но не полностью. Держи камеру подальше от рук если можно.

---

Практика: создаём промо-ролик для YouTube-канала

Задача: создать 30-секундный промо-ролик из нескольких AI-сгенерированных клипов.

Пошаговый план

1. Планируем сцены — разбиваем ролик на 6 клипов по 5 секунд:

   • Открывающий кадр (город с высоты)
   • Крупный план (руки за клавиатурой)
   • Абстрактный код/данные
   • Результат (красивый интерфейс)
   • Человек смотрит на экран
   • Финальный логотип/призыв

2. Генерируем каждый клип — через Runway или Kling по отдельности

3. Склеиваем через FFmpeg:

# Создаём список файлов
cat > clips.txt << EOF
file 'clip1.mp4'
file 'clip2.mp4'
file 'clip3.mp4'
file 'clip4.mp4'
file 'clip5.mp4'
file 'clip6.mp4'
EOF

# Склеиваем
ffmpeg -f concat -safe 0 -i clips.txt -c copy promo_raw.mp4

# Добавляем плавные переходы (cross-fade 0.5 сек)
ffmpeg -i promo_raw.mp4 \
  -vf "fade=in:0:12,fade=out:$(ffprobe -v quiet -show_entries format=duration -of csv=p=0 promo_raw.mp4 | awk '{print $1 * 30 - 12}'):12" \
  promo_final.mp4

4. Добавляем музыку через Suno AI (из урока по аудио):

ffmpeg -i promo_final.mp4 -i background_music.mp3 \
  -c:v copy -c:a aac \
  -map 0:v:0 -map 1:a:0 \
  -shortest \
  promo_with_music.mp4

5. Профит — 30-секундный ролик без единого дня съёмок

---

Официальные ресурсы

• Runway — официальный сайт
• Runway API Docs — документация API
• Kling AI — официальный сайт
• Kling на fal.ai — API через fal.ai
• Sora — доступ через ChatGPT
• Pika — официальный сайт

Что дальше

В следующих уроках разберём v0 by Vercel — как генерировать готовые UI компоненты из промпта прямо в браузере.