Как сделать аниме нейросетью: стиль, персонажи, движение

У производственного пайплайна аниме с ИИ три замка: стилевой эталон, который фиксирует линию и плоский цвет; пакет сэттэй, который фиксирует каждого персонажа ещё до генерации первого плана; и решение по таймингу, которое опускает материал с 24 кадров в секунду до 8 или 12. Пропустите третье, и работа будет выглядеть как ротоскоп.

Большинство тех, кто жалуется, что результат «не похож на аниме», имеют дело с проблемой тайминга, а думают, что с проблемой дизайна. С персонажами всё в порядке. С палитрой тоже. Движение слишком плавное. Аниме движется рывками, шагами. Видеомодели движутся непрерывным скольжением, потому что так их обучили, а скольжение поверх персонажа с cel-шейдингом и есть ровно то, как выглядит ротоскопированный игровой клип.

Всё остальное в этой статье входит в хаб по ИИ-кинопроизводству и предполагает, что вы работаете по собственной истории. Если ваш источник это том манги, эпизод вебтуна или комикс-альбом, шаги по расчёту объёма и работе с референсами меняются; отдельные разборы приведены ниже.

Переложите студийный пайплайн на тот, который вы реально можете запустить

У японской ТВ-анимации порядок этапов, который почти не менялся сорок лет: 企画 (планирование), 絵コンテ (э-контэ, e-konte, раскадровка), レイアウト (лейаут, layout), 原画 (гэнга, genga, ключевая анимация), 動画 (дога, douga, промежуточные фазы), 仕上げ (сиагэ, shiage, цвет и финальная отделка), 背景 (хайкэй, haikei, фоны, идут параллельно), 撮影 (сацуэй, satsuei, композитинг), затем монтаж и звук.

Каждый из этих этапов существует и в ИИ-пайплайне. Некоторые схлопываются в один шаг. Два становятся сложнее.

Студийный этап	Что он производит	Эквивалент в ИИ	Кто решает
絵コンテ э-контэ	Раскадрованные катты с таймингом в секундах и кадрах	Сгенерированные кадры раскадровки, тайминг по-прежнему пишется вручную	Вы
レイアウト лейаут	Камера, расположение персонажей, задание на фон для каждого катта	Промпт композиции плюс референсный кадр	Вы
設定 сэттэй	Модельные листы персонажей, реквизита и цвета	Пакет референсов, зафиксированный до генерации	Вы
原画 гэнга	Ключевые рисунки в крайних точках движения	Первый и последний кадр каждого клипа	Вы, часто вручную
動画 дога	Промежуточные фазы	Видеомодель	Модель
仕上げ сиагэ	Плоский цвет, двухтоновая тень, чистка линии	Фиксация стиля в промпте плюс цветовой проход	Совместно
背景 хайкэй	Рисованные фоны, по одному на место действия	Сгенерированные подложки, повторно используемые в разных каттах	Вы
撮影 сацуэй	Композитинг, эффекты, грейдинг, линии скорости	Композитинг в монтажной программе или After Effects	Вы

Дога остаётся единственным этапом, который модель действительно снимает с ваших плеч, и в этом весь экономический смысл затеи. Промежуточные фазы поглощают львиную долю труда в традиционной анимации. Передача их модели и есть причина, по которой команда из двух человек может замахнуться на что-то эпизодическое. Страница генератора аниме-видео с ИИ показывает эту передачу: от раскадрованного катта к анимированному плану.

Заметьте, что не сдвинулось: раскадровка и сэттэй по-прежнему ваши. Генератор раскадровки, работающий по сценарию, может набросать кадры, но выбор каттов и тайминг остаются за вами. Если нужна техника тайминга, стоящая за страницей контэ, включая девять полей и подсчёт каттов, всё это описано в руководстве по аниме-раскадровке и э-контэ.

Облик держится на линии и плоском цвете

«Аниме-стиль» в промпте даёт вам иллюстрацию из мобильной игры 2015 года. Это не работает, потому что фраза называет рынок, а сам облик представляет собой короткий набор приёмов.

Если точнее, их четыре. Линия замкнутая и держит одну толщину, плотнее по силуэту и иногда тоньше внутри него, никогда не эскизная. Цвет плоский: одна база, одна тень и максимум один блик, причём граница тени ложится жёсткой линией. Мягкая светотень как раз и заставляет сгенерированные кадры читаться как цифровая живопись.

Дальше разделение, которое обычно упускают. Персонажи плоские и графичные. Фоны написаны красками, фактурные, нередко детальнее, чем персонажи перед ними. На этом контрасте держится весь облик, а пайплайн, который генерирует и то и другое за один проход, усредняет их в катсцену из видеоигры.

И последнее: палитра остаётся небольшой. Шести или восьми цветов хватает на сцену.

Поэтому прежде всего соберите стилевой эталон. Один кадр, сгенерированный или нарисованный, где персонаж показан в правильной линии и плоском цвете на правильном фоне, в правильное время суток. Каждый следующий промпт ссылается на этот эталон. Когда добавляется второй режим освещения, например ночной интерьер, вы делаете второй эталон, а не описываете изменение словами.

Реальный пример от начала до конца есть в рассказе режиссёра о том, как он сделал аниме в японском стиле с помощью ИИ: там разобраны стилевые решения по Lost Garden, включая неудачные.

Тот рассказ представляет собой историю. Та же постановка, превращённая в последовательность шагов, которую можно пройти на своём проекте от логлайна до финальной ретайм-правки, описана в нашем пошаговом методе создания аниме с ИИ.

Сэттэй до первого плана

Сэттэй (設定) это модельные листы. Студия делает их, потому что сорок человек рисуют одного и того же персонажа и им нужен один источник истины. Вы делаете их, потому что у модели нет памяти и она будет заново изобретать вашего персонажа при каждом запросе.

Минимальный пакет на каждого персонажа с именем:

Лист	Содержание	Почему это важно для генерации
Разворот	Анфас, три четверти, профиль, спина, в одном росте	Модели нужен затылок, иначе она будет гадать
Эмоции	Нейтральная, гнев, удивление, смех, слёзы	Не даёт строению лица меняться вместе с эмоцией
Цвет	День, ночь и любой особый режим освещения	Коды плоского цвета плывут сильнее, чем формы
Варианты костюма	Каждый наряд, который появляется, вместе с обувью	Обувь и руки первыми выдают дрейф
Реквизит	Всё, что персонаж держит дольше одного катта	Иначе оружие меняет форму от катта к катту

Первыми подводят волосы. Волосы в аниме работают как язык форм: фиксированное число именованных прядей, которые сохраняют силуэт при любом повороте головы. Видеомодели воспринимают волосы как мягкую массу и перегруппировывают их посреди клипа. Назовите пряди в описании референса, и вы поймаете дрейф на просмотре, а не на монтаже.

Наш лист единообразия персонажа для ИИ собирает повторно используемый блок промпта из одного описания, и вам не приходится перепечатывать один и тот же абзац в каждый план. Поля, которые он запрашивает, намеренно близки к листу сэттэй: точные цвета гардероба, волосы, одна отличительная деталь и зафиксированная строка освещения и грейдинга.

Лист единообразия персонажа для ИИ в ScreenWeaver, снимок от 24 сентября 2026 года.

Для той разновидности проблемы, которая проявляется только на протяжении целого сезона, схемы дрейфа и правило «заморозки перед выпуском» описаны в статье единообразие при производстве ИИ-сериала.

Движение: то, в чём ошибаются все

Кино идёт со скоростью 24 кадра в секунду. Полностью анимированное движение требует нового рисунка на каждый из этих кадров, а такое почти ни одно телепроизводство никогда не могло себе позволить. Поэтому в аниме каждый рисунок держат два или три кадра. При съёмке «на двойках» секунда экранного времени содержит 12 рисунков. «На тройках» 8. В лексиконе Anime News Network есть студийное определение съёмки на тройках, если нужна справка в одну строку.

Этот компромисс перестал быть компромиссом ещё десятилетия назад. Ступенчатое движение читается как нарисованное, а нарисованное движение зритель и узнаёт как анимацию. Поэтому частота кадров становится творческим решением, которое вы принимаете для каждого катта, так же как выбираете объектив.

Частота	Новых изображений в секунду	Для чего	Как получить из сгенерированного клипа
На единицах	24	Почти ни для чего, изредка для сакуга-кульминации	Оставить клип как есть
На двойках	12	Экшен, драки, всё, где есть вес	Ступенчатая шкала: держать каждый 2-й кадр
На тройках	8	Диалоги, ходьба, основная часть эпизода	Держать каждый 3-й кадр
На четвёрках и медленнее	6 и меньше	Намеренно дешёвый или комический эффект	Держать каждый 4-й кадр
Стоп-поза плюс камера	1 рисунок	Удержанная поза на медленном наезде или панораме	Неподвижное изображение, которое двигают в монтажной программе

Рабочий процесс такой: генерируете в той частоте, которую модель выдаёт по умолчанию, а затем прореживаете. В большинстве монтажных программ это эффект posterize time или удержания кадров, применённый к клипу. Поставьте 8 для диалогового катта, 12 для драки и посмотрите, как изменится восприятие. Четыре секунды работы на клип, и это с большим отрывом самое дешёвое улучшение во всём пайплайне.

Есть ещё два приёма, которые стоит позаимствовать у студий. Первый называется движущейся паузой: персонаж замирает, но кадр остаётся живым, потому что один элемент продолжает двигаться, оседают волосы, колышется шарф или медленно дрейфует камера. ИИ-клипы плохо справляются с настоящей неподвижностью и хорошо с дрейфом, так что этот приём играет на сильных сторонах модели.

Второй приём: поза на движении камеры. Множество знаменитых аниме-моментов состоит из одного рисунка и камеры. Панорама по рисованному фону с замершим персонажем, удержание три секунды, склейка. Вы получаете масштаб и настроение из неподвижной подложки, и это стоит одной генерации вместо сорока.

Если во время планирования вы пересчитываете кадры, секунды и частоты, калькулятор кадров видео сделает арифметику за вас. В его справочной таблице есть колонки 8 и 12 fps, так что вы сразу видите, сколько отдельных изображений на самом деле нужно катту, ещё до постановки в очередь.

Справочная таблица количества кадров в калькуляторе кадров видео ScreenWeaver, снимок от 24 сентября 2026 года.

Бесплатно

Попробуйте ScreenWeaver на своём сценарии бесплатно

Это бесплатно. Импортируйте свой проект, увидьте структуру истории яснее и за несколько минут верните себе контроль над ней.

Начать бесплатно

Где исходный материал меняет пайплайн

Всё описанное выше предполагает, что вы начинаете с собственного сценария. Адаптация перестраивает начало пайплайна, причём по-разному для каждого типа источника.

Манга переносит работу в расчёт объёма и порядок чтения. Сколько глав превращается в эпизод, что делать с панелями, читающимися справа налево, и как обращаться со скринтоном, если цель это плоский цвет: всё это разобрано в статье из манги в аниме с ИИ.

Вебтун подкидывает другую проблему: соотношение сторон. У вертикальной прокрутки нет краёв кадра, которые можно унаследовать, поэтому композицию 16:9 вы придумываете для каждого бита, а не переводите. Это преобразование, панель за панелью, описано в статье из вебтуна в анимацию с ИИ.

Комикс-альбомы и графические романы самые благодарные. Сетка панелей по большей части даёт вам катты бесплатно, и единственная настоящая головная боль это разворот-сплэш, у которого нет очевидного хронометража. Этот случай разобран в статье из комикса в анимацию с ИИ.

Порядок действий на уровне плана

Для каждого катта, когда раскадровка и сэттэй уже существуют:

1. Снимите тайминг с контэ. Секунды и кадры, определённые до генерации.
2. Возьмите фоновую подложку для места действия. Сгенерируйте её один раз и используйте во всех каттах сцены.
3. Пропишите лейаут: высоту камеры, ощущение объектива, место персонажа в кадре.
4. Соберите ключевой кадр. Это ваша гэнга. Как минимум первый кадр, а для всего с реальным движением первый и последний.
5. Сгенерируйте движение между ключами в исходной частоте.
6. Проредите до 8 или 12 в зависимости от того, что происходит в катте.
7. Композитинг: персонаж поверх подложки, проход эффектов, линии скорости, грейдинг.
8. Запишите в журнал. Номер катта, seed, использованные референсы, частота. Через три недели это вам понадобится.

Шаг 8 люди пропускают, а потом жалеют. Записанный катт можно перегенерировать в точное соответствие. Незаписанный нельзя, и вы узнаете, какой у вас случай, когда клиент попросит правку.

Четыре вещи, которые до сих пор ломаются

Липсинк под японскую дорожку. Рты в аниме используют небольшой набор форм, удерживаемых по нескольку кадров, и по канону, а не случайно, они лишь приблизительно совпадают с речью. Сгенерированные рты двигаются непрерывно и попадают в жутковатую середину: слишком точно, чтобы читаться как аниме, и слишком неточно, чтобы читаться как синхрон. В итоге большинство анимирует рот отдельным слоем поверх неподвижной головы.

Ткань и волосы в быстром экшене. И то и другое перегруппируется посреди клипа. Короткие клипы и жёсткие склейки скрывают это достаточно хорошо, чтобы вы могли вообще не заметить, но длинный непрерывный экшен-план покажет каждый шов.

Анимация эффектов. Огонь, вода, дым, кадры удара и линии скорости в студии составляют отдельную дисциплину со своими аниматорами. Модели выдают мягкие, фотографичные версии всего этого. Перенесите эффекты в композитинг и перестаньте пытаться вписать их в план промптом.

Непрерывность фона внутри сцены. Два катта в одной комнате, сгенерированные отдельно, не будут одной и той же комнатой. Сгенерируйте подложку один раз и перекадрируйте её. Это решение для большинства замечаний в духе «почему это ощущается неправильно».

Чек-лист перед генерацией эпизода

• Стилевой эталон есть, по одному на каждый режим освещения
• Пакет сэттэй готов для каждого говорящего персонажа
• Пряди волос названы в описании референса
• Цветовые коды записаны для дня и ночи
• Фоновая подложка сгенерирована один раз на место действия, а не на катт
• Тайминг контэ прописан в секундах и кадрах
• Целевая частота выбрана для каждого катта, 8 или 12
• Сакуга-моменты выбраны осознанно, не больше трёх-четырёх на эпизод
• Эффекты и линии скорости запланированы как проход композитинга
• Стратегия для ртов выбрана до записи голоса
• Журнал каттов открыт, с seed и версиями референсов
• Один тестовый катт доведён до финального композитинга, прежде чем генерировать остальные

Последний пункт экономит больше всего времени. Проведите один катт от раскадровки до готового композитинга, прежде чем браться за остальные триста. Всё, что не так с вашим пайплайном, проявится в первом же законченном катте.

FAQ

Что такое производственный пайплайн аниме с ИИ?

Это студийный рабочий процесс аниме, в котором этап промежуточных фаз передан видеомодели. Вы по-прежнему пишете сценарий, раскадровываете катты с таймингом, делаете модельные листы персонажей, рисуете или генерируете фоновые подложки и занимаетесь композитингом. Модель заполняет движение между вашими ключевыми кадрами. Этапы, которые определяют облик, остаются за вами.

Почему моё ИИ-аниме выглядит как ротоскопированная живая съёмка?

Почти всегда дело в частоте кадров. Видеомодели выдают плавное движение с частотой 24 кадра в секунду, а плавное движение поверх персонажа с cel-шейдингом читается как обведённая живая съёмка. Держите каждый второй или третий кадр, чтобы вернуться к 12 или 8 новым изображениям в секунду: именно с такой частотой на самом деле идёт телевизионное аниме.

Можно ли генерировать фон и персонажей за один проход?

Можно, но это будет стоить вам облика. Аниме намеренно противопоставляет плоских графичных персонажей рисованным фактурным фонам. Совместная генерация усредняет два стиля в один, поэтому результат одного прохода обычно ощущается как катсцена из игры. Генерируйте подложки отдельно и собирайте композитингом.

Сколько каттов в эпизоде?

Разделите хронометраж на среднюю длину катта. 22-минутный эпизод при четырёх секундах на катт даёт около 330 каттов, а при 2,5 секунды для быстрого экшена ближе к 530. Арифметика и различия по жанрам разобраны в руководстве по э-контэ.

Нужно ли знать японские термины?

Чтобы что-то сделать, нет. Но они становятся полезными, как только вы работаете с кем-то ещё, читаете производственное интервью или нанимаете фрилансера, потому что на них построен весь словарь индустрии. Если вы знаете, что гэнга означает ключевую анимацию, а дога промежуточные фазы, вы понимаете, о каком этапе идёт разговор.

Как быстрее всего проверить всё это, прежде чем браться за сериал?

Один катт, от начала до конца. Раскадруйте его с реальным таймингом, сделайте сэттэй для персонажа в нём, сгенерируйте подложку, сгенерируйте движение, проредите, соберите композитинг. Если этот катт не выглядит как аниме, никакое количество дополнительных каттов этого не исправит, а вы потеряли утро, а не месяц.