В этом гайде — простая структура, слова, на которые реагирует модель, и готовые примеры для популярных форматов. Каждый пример можно вставить в поле режиссуры в студии и подстроить под ваше фото.
Как устроен промпт для OmniHuman 2
Думайте о трёх слотах: подача, жест и камера. Подача — общее настроение: «warm and confident» (тепло и уверенно), «playful» (игриво), «serious newsreader» (серьёзный диктор новостей). Жест — одно-два конкретных действия: «counts on fingers» (считает на пальцах), «points at the viewer» (показывает на зрителя), «holds the jar up to the lens» (подносит баночку к объективу). Камера — одно движение или крупность кадра: «static medium shot» (статичный средний план), «slow push-in» (медленный наезд), «gentle orbit to the left» (плавный облёт влево).
Укладывайтесь примерно в 40 слов. Длинные промпты с множеством конкурирующих действий обычно дают суетливые, неестественные движения; лучше сделать два рендера с двумя сфокусированными промптами, чем один с перегруженным.
Команды для камеры
Одно движение на ролик. Эти формулировки понятны и хорошо распознаются:
- «static medium shot» (статичный средний план) — спокойный стиль ведущего; лучше всего для длинных объясняющих роликов.
- «slow push-in» (медленный наезд) — нагнетает напряжение; отлично для рекламных хуков и эмоциональных реплик.
- «gentle orbit around the subject» (плавный облёт вокруг героя) — добавляет песням продакшн-уровня.
- «handheld feel, slight sway» (эффект ручной камеры, лёгкое покачивание) — UGC-ролики выглядят снятыми на телефон.
- «wide shot, then slow zoom on the speaker» (общий план, затем медленный зум на говорящего) — полезно в групповых сценах.
Жесты и язык тела
Называйте жест и, если это важно, момент, когда он происходит: «raises an eyebrow at the question» (поднимает бровь на вопросе), «opens both hands on „everyone“» (разводит руками на слове „все“), «nods while listening» (кивает, слушая). Сцены с товаром лучше всего получаются, когда товар уже есть на фото — тогда в промпте можно попросить человека поднять его, наклонить или указать на него.
Для пения описывайте дыхание и движения, а не форму рта — «closes eyes on long notes, sways with the beat, hand on chest in the chorus» (закрывает глаза на долгих нотах, покачивается в такт, рука на груди в припеве), — а губами пусть управляет аудио.
Примеры промптов по форматам
Замените детали под своё фото и аудио.
- 1UGC-хук для уходовой косметикиexcited, talks fast, holds the bottle close to the camera on the first line, handheld feel (воодушевлённо, говорит быстро, на первой фразе подносит флакон к камере, эффект ручной камеры)
- 2Анонс от основателяcalm and confident, open hand gestures, static medium shot, small smile at the end (спокойно и уверенно, открытые жесты руками, статичный средний план, лёгкая улыбка в конце)
- 3Балладаeyes closed on long notes, gentle sway, slow orbit, soft emotional expression (закрывает глаза на долгих нотах, плавно покачивается, медленный облёт, мягкое эмоциональное выражение лица)
- 4Подкаст с двумя ведущимиleft host speaks, right host nods and reacts, static wide shot, relaxed conversation (ведущий слева говорит, ведущий справа кивает и реагирует, статичный общий план, непринуждённый разговор)
- 5Урокteacher tone, counts points on fingers, glances down as if at notes, static shot (тон учителя, перечисляет пункты на пальцах, поглядывает вниз, будто в заметки, статичный кадр)
- 6Приветствие маскотаcheerful, waves at the start, bounces slightly, slow push-in (весело, машет в начале, слегка подпрыгивает, медленный наезд)
Языки и решение проблем
Промпт режиссуры можно писать на английском, китайском, японском, корейском, испанском (Мексика) или индонезийском — русский в этот список не входит, поэтому все примеры здесь даны на английском с переводом в скобках. Речь в аудио может быть на любом языке — липсинк следует за звуком, а не за промптом.
Если движения выглядят преувеличенными, уберите слова вроде «very» (очень) и «dramatic» (драматично). Если ничего не происходит, проверьте, возможен ли жест физически в этом кадре: руки не смогут жестикулировать, если на фото только крупно лицо.
Типичные ошибки в промптах
Самая частая ошибка — описывать сценарий вместо выступления. «she explains our new pricing» (она рассказывает о наших новых ценах) ничего не добавляет, ведь слова уже есть в аудио, а «leans forward and taps the table on each price» (наклоняется вперёд и постукивает по столу на каждой цене) даёт модели конкретное действие.
Вторая — противоречия: просить статичный кадр и облёт или спокойную подачу и энергичные прыжки в одном ролике. Когда указания спорят друг с другом, движение получается мутным. Выбирайте одно настроение и одно поведение камеры на рендер.
- Избегайте крайних эмоций, если аудио им не соответствует: реплика шёпотом с «shouting angrily» (яростно кричит) выглядит сломанной.
- Не просите появиться предметы, которых нет на фото, — лучше добавьте их на изображение.
- Обходитесь без узкоспециального киножаргона, которого модели незачем знать, например конкретных марок объективов.
Итерации без лишней траты кредитов
Сначала зафиксируйте фото и аудио, а между тестовыми рендерами меняйте только промпт. Прогоните пятисекундный фрагмент самой важной реплики с двумя-тремя вариантами промпта и сравните их — по 50 кредитов за каждый, такое сравнение стоит дешевле одного длинного неудачного рендера.
Когда промпт сработал, сохраните его в проекте как многоразовый «пресет режиссуры» для этого ведущего. Серии выглядят цельнее, когда каждый выпуск начинается с одного и того же текста режиссуры.
Вопросы и ответы
Промпт обязателен?
Нет. Без него OmniHuman 2 подбирает естественные движения по аудио. Промпт помогает, когда нужны конкретные жесты или работа камеры.
Какой длины должен быть промпт?
Одно-два предложения, примерно до 40 слов. Сфокусированные промпты дают более чистые движения.
Может ли промпт изменить то, что говорит человек?
Нет. Речь и движения губ берутся из аудио; промпт управляет подачей и камерой.
Можно ли режиссировать нескольких людей?
Да. Описывайте каждого по положению в кадре, например «left person speaks, right person reacts» (человек слева говорит, человек справа реагирует).
На каких языках можно писать промпты?
Официально поддерживаются английский, китайский, японский, корейский, испанский (Мексика) и индонезийский.
Почему не появляется мой жест?
Обычно руки не попадают в кадр или в промпте слишком много действий. Возьмите фото с более широким кадром и сократите количество указаний.