Оживить фото: как нейросеть превращает снимок в видео

Что происходит с фотографией на самом деле

Модель получает одно изображение и восстанавливает по нему объёмную структуру лица: где находятся скулы, как посажены глаза, какой формы губы. Дальше она генерирует последовательность кадров, в каждом из которых лицо смещено относительно исходного положения, а освещение пересчитано под новый ракурс.

Ключевое отличие от старых способов «анимации» в том, что кадры не склеиваются из готовых кусков — каждый из них рисуется заново. Поэтому человек может повернуться, моргнуть или заговорить, хотя на исходном снимке он неподвижен и снят строго анфас.

Если вместе с фотографией подать звук, модель дополнительно синхронизирует движение губ с речью. Так получается говорящий портрет: снимок произносит именно тот текст, который вы записали или синтезировали.

Какие снимки оживают хорошо, а какие плохо

Отдельный случай — старые бумажные фотографии. Они оживают, но перед обработкой их стоит отсканировать, а не переснять телефоном: блики и перекос сильно портят результат. Царапины и заломы лучше убрать заранее — модель может принять их за черты лица.

• Лицо занимает заметную часть кадра и повёрнуто примерно анфас — лучший случай.
• Глаза открыты и видны. Закрытые или скрытые тёмными очками глаза модель достраивает наугад.
• Ровный свет без резких теней поперёк лица.
• Разрешение от 512 пикселей по короткой стороне. Сильно сжатые снимки дают размытый результат.
• Плохо: групповые фото, где лицо мелкое; профиль; наклон головы больше 30–40 градусов; закрывающие лицо предметы.

Пошагово: как оживить снимок

1. 1Выберите фотографию, где лицо крупное и хорошо освещено.
2. 2Загрузите её в кабинет — поддерживаются JPG и PNG.
3. 3Решите, нужна ли речь. Если да, приложите аудио или наберите текст для озвучки.
4. 4Задайте длительность. Обычно достаточно 5–10 секунд: длинные ролики выглядят менее естественно.
5. 5Запустите генерацию и дождитесь результата — на короткий ролик уходит от одной до нескольких минут.
6. 6Скачайте видео. Если движение получилось избыточным, повторите с более спокойными настройками.

Сколько времени и денег это занимает

Оживление одного снимка — это генерация видео, а она считается по длительности ролика, а не по количеству попыток нажать кнопку. Пятисекундный фрагмент обходится в единицы рублей, десятисекундный — примерно вдвое дороже.

На практике с первого раза устраивает не каждый результат: бывает, что модель слишком размашисто двигает головой или неестественно моргает. Закладывайте две-три попытки на снимок. Это всё равно дешевле и быстрее, чем ручная анимация у видеомонтажёра.

Семейный архив: самый частый сценарий

Чаще всего оживить просят фотографии родственников — в том числе тех, кого уже нет. Технически это самая сложная категория: старые снимки мелкие, выцветшие, часто пересняты с бумаги.

Порядок действий, который даёт лучший результат: сначала отсканировать оригинал с разрешением не ниже 600 dpi, затем прогнать через увеличение разрешения, при необходимости восстановить цвет и только потом оживлять. Каждый шаг по отдельности делается за минуту, а разница в итоговом видео заметна сразу.

Стоит заранее настроиться на то, что результат — это интерпретация, а не документальная запись. Модель показывает, как человек мог бы двигаться, опираясь на общие закономерности человеческой мимики, а не на память о конкретном человеке. Для многих это всё равно ценно, но ожидания лучше держать в этих рамках.

Ограничения, о которых честно стоит сказать

• Модель домысливает то, чего на снимке не было: скрытое ухо, линию челюсти сбоку, зубы. Иногда домысливает неточно.
• Мелкие детали — очки, серьги, узор на одежде — при повороте могут поплыть.
• Длинные ролики выглядят менее убедительно: чем дальше от исходного кадра, тем больше накапливается искажений.
• Оживлять чужие фотографии и распространять результат без согласия человека нельзя — это касается и изображений публичных людей.

Частые вопросы

Можно ли оживить очень старое или повреждённое фото?

Да, но результат заметно улучшится, если сначала поднять разрешение и убрать царапины. Модель может принять залом или пятно за черту лица.

Нужна ли для этого мощная видеокарта?

Нет. Генерация идёт на сервере, вам достаточно браузера. Локально такие модели тоже запускаются, но требуют серьёзного железа.

Сколько длится готовое видео?

Обычно 5–10 секунд. Этого хватает для естественного движения; на более длинных роликах искажения становятся заметнее.

Можно ли сделать так, чтобы фотография говорила?

Да. Вместе со снимком подаётся аудиодорожка или текст для озвучки, и модель синхронизирует движение губ с речью.

Останется ли фотография у сервиса?

Загруженные файлы нужны только для обработки. Перед загрузкой чужих изображений убедитесь, что имеете право их использовать.