🎯 О чём этот конспект: Пошаговый разбор архитектуры создания коммерческих и UGC видеороликов под ключ с помощью AI-агента Claude Code. Автор объясняет, как обойти дорогие платформы-агрегаторы, подключиться напрямую к API генеративных моделей SeaDance 2.5 и Cream 5, автоматизировать генерацию сценария, ключевых кадров, озвучки, саунд-дизайна и «умных» кинематографичных субтитров.

👤 Кому будет полезно: Вайбкодерам, AI-инженерам, маркетологам, создателям видеоконтента и владельцам e-commerce бизнеса, которые хотят создавать готовые к публикации рекламные ролики студийного уровня с минимальной себестоимостью.

✨ Что получите: Готовую архитектуру системы производства видеорекламы стоимостью ~$6 за 15-секундный ролик (вместо $17–$20 на сторонних платформах) с сохранением идентичности продукта и консистентности персонажей.

1. Отказ от платформ-агрегаторов: Прямая интеграция с API моделей BytePlus

Контекст: Большинство создателей AI-видео используют сервисы-агрегаторы (вроде Higgsfield), которые работают по системе платных кредитов. Такие платформы берут от $17 до $20 за генерацию материалов для одного ролика, при этом они не дают готовый результат: пользователю отдают разрозненные сырые клипы, которые приходится вручную собирать в Premiere Pro или CapCut. Кроме того, базовые подписки часто не включают доступ к новейшим передовым моделям уровня SeaDance 2.5, требуя премиум-тарифов от $47 в месяц. Прямое подключение к API моделей BytePlus позволяет оплачивать чистую себестоимость генерации ($0.41 за секунду видео) и полностью контролировать процесс сборки через локальные скрипты.

Тайминг: [00:12], [01:42], [07:11]

Выгода: Снижение себестоимости одного готового 15-секундного ролика с $17–$20 до $6.64. Полное исключение ручного монтажа, наложения субтитров и звука.

Как применить:

• Шаг 1: Регистрация в облачной консоли — Перейдите на платформу BytePlus (byteplus.com), откройте раздел продуктов и найдите SeaDance. Зарегистрируйте аккаунт через Google или email и перейдите в консоль управления.
• Шаг 2: Выпуск API-ключей — В левом нижнем углу консоли откройте раздел API Keys, нажмите кнопку Create API Key, задайте имя ключу, в графе permissions выберите All и скопируйте сгенерированный токен.
• Шаг 3: Настройка окружения проекта — В корне репозитория склонируйте шаблон переменных окружения и пропишите полученный ключ. Укажите модель генерации видео seedance-2.5 и модель генерации изображений cream-5 (работает под тем же аккаунтом BytePlus):

# Переименуйте пример конфига в рабочий файл .env
cp .env.example .env

Конфигурация .env:

BYTEPLUS_API_KEY=your_actual_byteplus_api_key_here
VIDEO_PROVIDER=seedance-2.5
IMAGE_PROVIDER=cream

Результат: Прямой доступ к генеративным моделям BytePlus по себестоимости без наценок сервисов-посредников и ограничений лимитов подписок.

2. Кинематографический 4-блочный промптинг против «AI-пластика»

Контекст: Стандартная ошибка при создании AI-видео — использование абстрактных фраз вроде «8K, photorealistic, flawless skin, ultra realistic». Модели воспринимают эти слова как шум, выдавая типичные глянцевые «кукольные» лица и нереалистичную кожу, из-за чего зритель мгновенно распознает фейк. Для получения кинематографичного и неотличимого от реальности визуала необходимо описывать сцену на профессиональном языке кинопроизводства. Автор разработал формулу промпта из 4 строгих блоков: Объект, Камера/Оптика, Освещение и Действие. Для точного сохранения внешнего вида физических товаров (автомобили, колонки, гаджеты) текстовое описание заменяется реальными фотографиями-референсами.

Тайминг: [02:10], [02:47], [03:07]

Выгода: Устранение «эффекта зловещей долины» и пластикового блеска кожи. Видеоролики выглядят как натуральная UGC-съемка на iPhone или кадры с кинокамеры.

Как применить:

• Шаг 1: Сбор референсов продукта — Сделайте 3–4 четкие фотографии рекламируемого объекта с разных сторон (спереди, сбоку, сверху, детали макросъемки) и поместите их в корень проекта. Фотографии несут в себе форму и пропорции объекта, снимая необходимость описывать каждую деталь словами.
• Шаг 2: Формирование промпта по структуре 4 блоков — Стройте описание строго в следующем порядке:
  1. Блок 1 (Subject): Кто или что находится в кадре (персонаж, одежда, физический объект, дефекты внешности).
  2. Блок 2 (Camera & Lens): Физическая модель камеры и фокусное расстояние (например, iPhone 15 Pro 24mm или ARRI Alexa 50mm anamorphic lens, угол наклона).
  3. Блок 3 (Light): Тип освещения, цветовая температура, источники света (например, warm practical tungsten light, harsh neon party backlight).
  4. Блок 4 (Action): Динамика в кадре — что конкретно двигается и с какой скоростью.

Пример системного шаблона промпта:

[SUBJECT]: 24-year-old female, natural skin texture, slight imperfections, wearing a plain oversized washed black cotton t-shirt, standing in a messy kitchen.
[CAMERA & LENS]: Handheld camera movement, shot on iPhone 24mm f/1.8 lens, eye-level angle, subtle natural motion blur.
[LIGHTING]: Ambient warm indoor party lighting, practical bulbs in the background, high contrast shadows, cinematic color grade.
[ACTION]: She holds a JBL PartyBox speaker with one hand, smiles towards the camera, dancing slightly to the beat.

Совет по динамике: Если вам нужен акцент на сложном движении камеры (например, пролет или резкий зум), поменяйте блоки местами — поставьте блок [CAMERA & LENS] в самое начало промпта.

Результат: Генерация реалистичных кадров без эффекта мыла и искусственного глянца с точной физикой света и правильной оптической перспективой.

3. Решение проблемы «Face Rejection» и дрифта персонажей

Контекст: При прямом обращении к API видеомоделей возникает критическая проблема: современные модели (включая SeaDance 2.5) отклоняют 9 из 10 запросов на анимацию реалистичных человеческих лиц, если исходное изображение создано в стороннем сервисе (например, Google Nano Banana / Gemini), принимая его за попытку дипфейка реального человека. Кроме того, видеомодели не имеют долговременной памяти, из-за чего от сцены к сцене внешность персонажа, цвет глаз или рисунок на одежде искажаются (дрейф персонажа). Решение заключается в генерации «листа персонажа» (Character Sheet) внутри той же экосистемы BytePlus через генератор Cream 5.

Тайминг: [03:51], [04:07], [04:26], [10:20]

Выгода: 100% проходимость фильтров модерации лиц в API SeaDance. Полное визуальное единообразие персонажа во всех сценах ролика при затратах всего $0.18–$0.36 на генерацию кастинга.

Как применить:

• Шаг 1: Запуск этапа кастинга (Audition) — Запустите генерацию персонажа через модель Cream 5 с фиксацией ключевых маркеров (форма лица, прическа, специфические черты, простая однотонная одежда).
• Шаг 2: Создание мультиракурсного листа персонажа — Сгенерируйте 4 изображения персонажа в разных локациях сценария (крупный план лица, ракурс три четверти, средний план в локации).
• Шаг 3: Аудит дрифта атрибутов — Проверьте консистентность деталей. Если на одежде появился меняющийся принт, зафиксируйте в промпте базовый элемент:

Fix character drift prompt:
"Ensure the female character wears a solid, completely plain black t-shirt with NO graphic print, NO text, and NO logos across all generated angles and scenes."

Результат: Зафиксированный набор референсов персонажа (character sheet), который без ошибок валидируется API SeaDance 2.5 и обеспечивает узнаваемость героя на протяжении всего видео.

4. Пайплайн «Ключевые кадры → Клипы» (Keyframes to Video)

Контекст: Попытка генерировать видео напрямую из текста (Text-to-Video) для рекламных кампаний приводит к огромным финансовым потерям: тяжело предсказать композицию, положение продукта в кадре и ракурс. Гораздо эффективнее подход «Изображение в видео» (Image-to-Video). В пайплайне сначала создаются статичные ключевые кадры (Keyframes) для начала каждой сцены. Стоимость генерации картинки составляет доли цента ($0.09 за кадр), тогда как секунда видео стоит $0.41. Утвердив композицию на статичном кадре, вы исключаете пустую трату бюджета на неудачные видеогенерации.

Тайминг: [03:32], [03:44], [06:30], [10:56]

Выгода: Экономия до 80% бюджета за счет отсева некачественных ракурсов до запуска видеорендеринга.

Как применить:

• Шаг 1: Генерация стартовых ключевых кадров — На основе утвержденного сценария создайте стартовый кадр для каждой сцены (для 15-секундного ролика это обычно 3–5 сцен по 3–5 секунд).
• Шаг 2: Использование стратегии Single-Frame Pinning — Вместо жесткого закрепления начального и конечного кадров (start frame + end frame), фиксируйте только стартовый кадр. Предоставление модели свободы движения от начальной точки дает значительно более плавную и естественную физику сцены.
• Шаг 3: Верификация перед запуском API — Убедитесь, что пропорции рекламируемого продукта на ключевом кадре соответствуют референсным фотографиям:

Scene 1: Character in messy kitchen holding speaker [Start Keyframe]
Scene 2: Extreme macro closeup of Bass Boost button on top panel [Product Keyframe]
Scene 3: Wide dynamic party scene with friends dancing [Action Keyframe]
Scene 4: Hero studio product shot with cinematic lighting [End Keyframe]

Результат: Набор утвержденных статичных кадров высокой четкости, служащих отправной точкой для анимации каждого сегмента рекламы.

5. Интерактивная архитектура Human-in-the-Loop в Claude Code

Контекст: Полностью автономные AI-пайплайны часто терпят неудачу: если агент допускает смысловую или визуальную ошибку на первом шаге, все последующие генерации видео сжигают деньги впустую. Система автора построена на базе навыка (skill) для Claude Code, реализующего принцип Human-in-the-Loop (человек в цикле). Агент дробит процесс на изолированные фазы и останавливается перед каждой платной операцией, запрашивая явное подтверждение пользователя.

Тайминг: [08:12], [08:52], [09:47], [12:48]

Выгода: Полный контроль над креативной концепцией, исправление ошибок на бесплатных текстовых этапах и предотвращение лишних перегенераций.

Как применить:

• Шаг 1: Инициализация задачи в терминале — Откройте рабочую директорию проекта в любимом редакторе (Cursor, Windsurf, VS Code), запустите Claude Code с моделью Opus/Sonnet и передайте вводный промпт с фотографиями продукта:

I have added product photos of my JBL speaker to the root directory. 
Please use the ad-factory skill to create a high-converting UGC video ad targeting young partygoers who love afrobeat music. 
Stop at each stage and require my manual approval before proceeding to the next step.

• Шаг 2: Выбор маркетингового угла (Angles) — Агент автоматически предложит 3 проверенных структуры объявлений:
  1. Problem-led: Фокус на боли (например, «Афробит без баса — это преступление»).
  2. Social proof: Фокус на вопросах окружающих («Все спрашивают, что это за колонка»).
  3. Demo-led: Фокус на функциях продукта (демонстрация кнопки усиления баса).
• Шаг 3: Поэтапное утверждение — Отвечайте approve только после проверки артефактов в папках campaigns/ и assets/ (бриф -> сценарий -> кастинг -> кейфреймы -> клипы).

# Структура генерируемых агентом артефактов проекта:
campaigns/
  └── party-box/
      ├── brief.json
      ├── script.json
      └── storyboard.md
assets/
  ├── character/
  ├── keyframes/
  ├── clips/
  └── out/

Результат: Предсказуемый процесс создания креатива с возможностью изменить сценарий или ракурс на этапе текста, не потратив ни одного цента на API видео.

6. Локальный пост-продакшн: Умное размещение субтитров и монтаж

Контекст: Одной из главных причин дороговизны видеопроизводства является ручной финальный монтаж: сведение таймингов, чистка субтитров, размещение плашек так, чтобы они не перекрывали логотипы или лица актеров. В системе автора этап пост-продакшна полностью вынесен на локальную машину. Claude Code генерирует скрипты сборки (FFmpeg / Python), которые определяют координаты объектов в кадре (bounding boxes) и автоматически выравнивают кинематографичные субтитры в безопасные зоны.

Тайминг: [04:53], [05:13], [11:88], [13:27]

Выгода: $0 затрат на финальный рендеринг, монтаж, генерацию субтитров и саунд-дизайн. Готовый ролик формируется автоматически за секунды.

Как применить:

• Шаг 1: Проверка сгенерированного аудио и речи — Прослушайте полученные из SeaDance клипы. Модель генерирует видеоряд сразу со звуковыми эффектами, окружением и речью. Если модель допустила искажение слова в озвучке (например, назвала «Afrojanks» вместо «Afrobeats»), отправьте на перегенерацию только этот один 3-секундный клип.
• Шаг 2: Автоматический анализ позиционирования текста — Локальный скрипт считывает кадры ролика, находит лица и главный продукт, после чего рассчитывает вертикальное смещение субтитров, исключая наложение на логотип или лицо персонажа.
• Шаг 3: Сборка финального MP4 файла — Запустите автоматический локальный пайплайн сборки, который склеит сцены, применит кинематографический пресет субтитров (динамическое подсвечивание слов) и выгрузит готовый ролик в папку assets/out/.

# Пример команды локального рендеринга через Claude Code:
python assemble_ad.py --campaign party-box --subtitles cinematic --detect-safe-zones

Результат: Готовый к запуску в рекламные кабинеты (Meta Ads, TikTok, Reels) MP4-файл со сведением звука, идеальной цветокоррекцией и динамическими субтитрами.

Точный расчет себестоимости 15-секундного ролика

(Для сравнения: аналогичный объем генераций на платформе Higgsfield обходится в $17–$20 без учета ручной работы по монтажу).

FAQ

В: Почему используется связка SeaDance 2.5 + Cream 5, а не Midjourney + Runway Gen-3? О: Связка Midjourney и сторонних видеомоделей часто ломается на модерации лиц: видеомодели блокируют чужие гиперреалистичные генерации людей как подозрение на дипфейк. Модели Cream 5 и SeaDance 2.5 принадлежат одной экосистеме BytePlus (ByteDance), что исключает блокировки, удешевляет генерацию и позволяет передавать кадры напрямую через единый API без необходимости ручной выгрузки.

В: Обязательно ли использовать Claude Code, можно ли запустить это в обычном Cursor? О: Да, вы можете открыть репозиторий в Cursor, Windsurf или VS Code. Однако логика навыков (skills) и автоматическое управление файловой системой проекта оптимизированы под консольный AI-агент Claude Code, работающий с терминалом и системными скриптами сборки.

В: Нужна ли мощная дискретная видеокарта на компьютере для работы этой системы? О: Нет. Все тяжелые вычисления (генерация изображений, прорисовка видеоклипов, синтез речи) происходят в облаке BytePlus через API. На вашем локальном ноутбуке запускается только легковесный скрипт на Python/FFmpeg для склейки готовых фрагментов и наложения текста.

В: Как модель SeaDance 2.5 справляется с синхронизацией губ (Lip-sync)? О: SeaDance 2.5 генерирует видео сразу с интегрированным аудиорядом и движением губ под произносимый текст. В отличие от старых пайплайнов, вам больше не требуется генерировать видео без звука, а затем прогонять его через сторонние lip-sync сервисы (вроде LivePortrait или SadTalker).

В: Что делать, если AI искажает надписи и логотипы на реальном продукте? О: Для этого используется этап передачи оригинальных фото-референсов в Cream 5 для генерации Product Sheet. Если сложные мелкие элементы искажаются, лучшая практика — генерировать кадр с акцентом на общей форме продукта, а финальный логотип или фирменную плашку накладывать на этапе локального рендеринга через overlay-слой.

В: Можно ли полностью убрать человека из процесса (Human-in-the-Loop) и сделать генерацию по одной кнопке? О: Да, архитектура позволяет убрать шаги подтверждения (approve), передав агенту задачу генерировать все от брифа до финала автономно. Но автор настоятельно не рекомендует это делать: если на этапе сценария или кейфрейма возникнет дефект, вы потратите деньги на рендеринг видео, которое придется переделывать заново.

В: Как исправить произношение специфических брендовых слов при генерации звука? О: Если модель путает ударение или читает сложное слово с ошибкой (как в видео, где вместо «Afrobeats» прозвучало «Afrojanks»), в промпте озвучки слово временно заменяется фонетической транскрипцией (например, писать «Afro-beats» или разбивать слово дефисами), после чего перегенерируется только проблемный клип.

Ресурсы и ссылки

• BytePlus Console — Официальная облачная платформа ByteDance для доступа к API моделей SeaDance 2.5 и Cream 5 — https://byteplus.com
• Ad Factory Skill & Repo — Репозиторий автора с пайплайном, скриптами сборки и промптами — сообщество автора в Skool (упомянуто в видео).
• Lumaline — Продукт автора для генерации рекламных видео из текстовых брифов — упомянут в видео.

Конспект создан на основе видео «I Built an AI Video Ad Factory with Claude Code (Full Pipeline)» автора канала AI Jason. Все права на оригинальный материал принадлежат авторам. Источник: https://www.youtube.com/watch?v=WQ-_IUBsWxo