Как создать мультфильм с нейросетью: сценарий, персонажи и монтаж за один вечер

Чтобы сделать короткий мультфильм нейросетью, нужно пройти пять шагов: написать сценарий в ChatGPT или Claude, сгенерировать персонажей с постоянной внешностью во Flux или Midjourney, оживить сцены в Kling через image-to-video, добавить голоса в ElevenLabs и собрать всё в CapCut. Ролик на минуту-полторы из 5–6 сцен реально сделать за один вечер и уложиться в 10–15 долларов на первый мультфильм.

Большинство гайдов останавливаются на генерации одного кадра. Здесь — весь конвейер с реальными промптами, ценами (актуальны на середину 2026 года) и таймингом.

Что понадобится: инструменты и бюджет за один вечер

Минимальный набор для полного цикла — четыре инструмента плюс редактор:

• Текстовая нейросеть для сценария: ChatGPT или Claude (бесплатных лимитов хватает).
• Генератор изображений для персонажей: Flux 1.1 Pro, Midjourney или встроенные ChatGPT Images.
• Видеомодель для анимации: Kling, Runway или Pika.
• Синтез речи: ElevenLabs или Seedance 2.0 (с синхронизацией губ).
• Монтаж: CapCut (бесплатного плана достаточно).

Видеомодели — главная статья расходов, поэтому сравним самые ходовые:

Бесплатный план Kling (66 кредитов в день, сгорают через 24 часа) годится потренироваться, но накладывает водяной знак, режет разрешение до 360–540p и запрещает коммерческое использование. Для чистого ролика без вотермарка нужен хотя бы Standard.

AIFLOW имеет смысл, если платить зарубежным сервисам напрямую из России неудобно: он даёт доступ к Kling, Sora, Flux и текстовым моделям через один интерфейс на русском, оплата рублёвая. Тарифы: START — 790 ₽ / 400 Ncoins, CREATOR — 1 990 ₽ / 1 000 NC, PRO — 4 990 ₽ / 3 000 NC. Ncoins тратятся на генерации у любой модели. Бесплатного тарифа нет — минимальный START за 790 ₽.

Шаг 1. Пишем сценарий с ChatGPT или Claude

Сценарий — фундамент: описание действия из каждой сцены станет промптом для видеомодели. Поэтому просите нейросеть сразу структурировать текст по сценам.

Рабочий шаблон промпта:

Напиши сценарий трёхминутного мультфильма [жанр] для YouTube.
Формат: название сцены / локация / реплики персонажей / описание действия.
Не более 6 сцен, каждая 20–30 секунд.
Стиль — [указать].
Главный персонаж — [имя и одна ключевая черта характера].

Ограничение «не более 6 сцен» — не каприз: каждая сцена превратится в отдельный 5-секундный клип, а чем их больше, тем больше кредитов и времени на генерацию. Для первого ролика 4–6 сцен — разумный потолок.

Отдельно попросите модель выписать короткое описание внешности главного героя (возраст, цвет волос, черта лица, одежда) — эту формулировку вы будете дословно копировать во все следующие промпты. Постоянство описания напрямую держит внешность персонажа.

Если промпты пока даются с трудом, разберитесь с базой: как составить промпт для ChatGPT — на примерах до и после.

Шаг 2. Создаём персонажей с постоянной внешностью

Главная боль AI-мультфильмов — персонаж «плывёт» от сцены к сцене. Решается это референс-листом (character sheet): одним изображением с героем в нескольких ракурсах, которое потом становится опорой для анимации.

Промпт для референс-листа во Flux или Leonardo AI:

A cartoon character of [имя], [цвет и стиль волос],
[ключевая черта лица], wearing [фирменная одежда] —
ultra detailed, 2D illustration, cel animation,
vibrant pastel colors, white background, character sheet

После первой удачной генерации зафиксируйте seed (в Leonardo — Advanced Settings → Use Fixed Seed). Фиксированный seed с тем же промптом воспроизводит то же лицо, поэтому менять можно только позу или ракурс.

По деньгам: Flux 1.1 Pro через API — $0.04 за картинку, полный референс-лист из 10 ракурсов и поз обойдётся в $0.40. Быстрые черновики на Flux schnell — около $0.003 за штуку. Midjourney Basic стоит $10/мес (~200 генераций), Standard — $30/мес с безлимитом в Relax-режиме.

По времени: один персонаж от промпта до готового изображения — 5–10 минут. Если хотите глубже разобраться с картинками, есть отдельный разбор — как создать картинку с помощью нейросети от промпта до результата.

Шаг 3. Анимируем сцены в Kling — image-to-video и frame chaining

Теперь оживляем статичные кадры. Загружаете картинку персонажа в Kling в режиме image-to-video и добавляете текстовый промпт с описанием движения из сценария.

Для первых сцен берите минимум движения — так внешность меньше «дрейфует»:

[Описание персонажа], character slowly turns head and smiles,
blinks naturally, soft studio lighting, no camera movement

Чтобы персонаж оставался собой на протяжении всего ролика, используйте метод frame chaining:

1. Сгенерировали первый клип.
2. Экспортировали из него последний кадр.
3. Загрузили этот кадр как reference-image для следующей сцены.
4. Скопировали то же текстовое описание персонажа во все промпты.

Метод работает в Kling 3.0, Runway Gen-4, Seedance 2.0, Pika и Luma. Именно связка «одинаковое описание + последний кадр как опора» даёт непрерывность.

Расход кредитов Kling (модель VIDEO 3.0): 5-секундный клип 720p без звука — 30 кредитов, 1080p — 40, 10 секунд 1080p — 80, а с аудио — 120. На Pro-плане ($37/мес, 3 000 кредитов) при трёх попытках на сцену выходит около 25 готовых клипов в месяц.

По времени короткий мультфильм из 3–4 сцен собирается за 20–30 минут работы в Kling image-to-video.

Шаг 4. Добавляем голос через ElevenLabs или Seedance 2.0

Голос превращает набор анимаций в мультфильм. Два подхода.

ElevenLabs — отдельная озвучка, которую потом накладывают в монтаже. Платформа умеет text-to-speech, клонирование голоса и генерацию звуковых эффектов — этого хватает на всю звуковую дорожку. Тарифы 2026 года: Free — примерно 10 минут речи в месяц без коммерческих прав; Starter $5/мес — минимальный порог для публикации; Creator $22/мес — 100 000 символов; Pro $99/мес — 500 000 символов. Для минутного ролика достаточно бесплатного или Starter-плана.

Seedance 2.0 от ByteDance решает задачу иначе — синхронизирует губы персонажа с речью прямо при генерации видео (dual-branch audio-visual generation). Максимальная длина клипа — 15 секунд в 1080p. Цена через fal.ai — около $0.30 за секунду, то есть 5-секундный клип обойдётся примерно в $1.50. С марта 2026 модель встроена прямо в CapCut, что убирает лишний экспорт-импорт.

Если персонажи в кадре разговаривают крупным планом — берите Seedance ради синхронизации губ. Если реплики за кадром или речь короткая — дешевле озвучить в ElevenLabs.

Шаг 5. Монтируем в CapCut — финальная сборка

Финал — склеить клипы, добавить голос, музыку и субтитры. CapCut в бесплатном плане (2026) закрывает всё необходимое: авто-субтитры до 10 минут на файл, экспорт в 1080p без обязательного водяного знака, базовое удаление фона и встроенный text-to-speech. Про-план начинается от $6.25/мес при годовой оплате, но для короткого мультфильма бесплатного уровня хватает.

Порядок сборки:

1. Разложите клипы из Kling на таймлайне в порядке сцен.
2. Наложите звуковую дорожку из ElevenLabs, синхронизируйте с движением губ.
3. Добавьте фоновую музыку и включите авто-субтитры.
4. Экспортируйте в 1080p.

Сколько стоит один мультфильм: реальная калькуляция

Считаем ролик на минуту-полторы из 5–6 сцен, собранный за вечер:

• Сценарий (ChatGPT / Claude) — 0 ₽, бесплатных лимитов хватает.
• Персонажи (Flux 1.1 Pro, референс-лист) — $0.40.
• Анимация (Kling): 6 сцен × 3 попытки × 30 кредитов = 540 кредитов. Это почти весь месячный лимит Standard-плана за $10 либо часть Pro-плана.
• Озвучка (ElevenLabs) — 0 ₽ на Free или $5 на Starter.
• Монтаж (CapCut) — 0 ₽.

Итого первый мультфильм — примерно $10–15. Каждый следующий в рамках уже оплаченной подписки обходится заметно дешевле: платите вы за месячный доступ, а не за отдельный ролик.

Для сравнения масштаба: полностью ИИ-анимированные короткометражки уже выходят на YouTube с пометкой «100% AI Generated» — например, «Switch'n Lanez» (сентябрь 2025). Тот же конвейер, только с большим числом сцен.