Себя в любом образе

Четыре образа, смена под музыку, ноль съёмок. Своё лицо, Pinterest и один референсный ролик — дальше пошагово.

Шаг 1

Берём свою внешность

Основа всего — твоё лицо. Не модель из интернета, а ты. И студия для этого не нужна: вот с чего начинались все образы ниже — селфи на кухне, без макияжа, в домашнем.

Снимай сразу три ракурса: спокойное лицо прямо в камеру, лицо с открытым ртом, и поворот в три четверти. Ровный дневной свет, никаких фильтров и сглаживания — чем честнее кадр, тем точнее потом сядет лицо.

Открытый рот нужен с самого начала: по нему модель запомнит твои зубы. Иначе она нарисует свои, и каждый раз разные.

Шаг 2

Ищем образы в Pinterest

Заходим в Pinterest и набираем то, что хочется примерить: синие косички, кудри с бусинами, робот, ретро-кардиган — что угодно. Главное требование к референсу — он должен быть фотографией, а не рисунком. Настоящая фактура ткани, живое лицо, объёмные волосы, реальный свет. С рисунка образ переносится плохо: кожа становится пластиковой, а волосы — нарисованными. Ставь фильтр по размеру, крупные картинки дают больше деталей.

Вот такой референс подходит: настоящая фотография, видно фактуру вязки, воротник, джинсы, обувь и сумку. Из этого кадра и получился образ с жёлтым кардиганом.

Шаг 3

Примеряем образ на себя

Загружаем два файла: своё фото и найденный референс. Просим перенести образ со второго на первое, сохранив лицо. Запрос — ниже, копируется в один клик. Генерируем несколько вариантов и выбираем тот, где лицо осталось твоим. Это важно: модели любят подтягивать черты к референсу, и если лицо поехало — вариант не годится, дальше ошибка только вырастет.

Чем делать: подходят GPT и Seedream — обе справляются с переносом образа на своё лицо. Пробуй в обеих и бери ту, где твои черты остались точнее.

Запрос

Take the first photo as the base. Keep the woman's face completely unchanged: her features, proportions, the shape of her eyes, nose and lips, her skin tone and skin texture.

Put the look from the second photo onto her: the hairstyle, the hair colour, the accessories, the clothing, the makeup.

The light and shadows must match the first photo. Photorealistic, not cartoon, not illustration. Do not cover her face. Do not blend her face with the face in the second photo — only the look is taken from it.

Шаг 4

Лист персонажа — если нужен общий план

Когда в кадре будет видно человека целиком или хотя бы до колен, образу нужен полный лист: несколько кадров в полный рост в разных ракурсах — и побольше кадров вблизи. Крупных планов должно быть больше, чем общих: именно по ним модель держит лицо, а рост нужен только чтобы она поняла фигуру, одежду и обувь и не додумывала их каждый раз заново. Вот готовый лист — по нему образ воспроизводится сколько угодно раз.

Шаг 5

Раскадровка под конкретное видео

Тут главное правило, которое экономит больше всего прогонов: раскадровка делается под крупность того ролика, который оживляешь. Нужно в кадре по грудь — значит и раскадровка по грудь. Нужен пояс — значит по пояс. Не делай лист «на все случаи»: чем ближе крупность раскадровки к крупности видео, тем точнее сядет лицо. У этих четырёх образов кадр по грудь, потому что в самом ролике так и было.

Три кадра одного образа в ряд: спокойное лицо, широко открытый рот, три четверти. Фон чёрный, за спиной мягкая подсветка, свет во всех трёх одинаковый.

Если в видео есть липсинк — кадр с открытым ртом обязателен. Без него модель не видела твоих зубов и дорисует их сама: кривые, слишком ровные, чужой формы — как получится. И каждый раз по-разному. Один кадр с открытым ртом снимает этот вопрос целиком.

На открытом кадре следи, чтобы не появилась улыбка — иначе она разойдётся по всему ролику.

Запрос

Photorealistic close-up portrait, vertical 9:16. The same woman, the same face and the same look as in the reference image, unchanged.

FRAMING: crop her the same way the target video is cropped — if the video shows her to the chest, crop to the chest; if to the waist, crop to the waist. Keep the same crop in all three frames.

Three separate frames of her, side by side:
1) facing the camera, neutral blank expression, mouth closed, looking into the lens
2) facing the camera, MOUTH WIDE OPEN as if singing — the upper and lower teeth clearly visible, the tongue visible, the same neutral brows and eyes, no smile
3) turned three-quarters to the camera, lips slightly parted, calm face

Plain deep black background, empty, no detail. A soft dim glow behind her rimming the hair and shoulders. Face lit low and softly from the front. Identical light in all three frames.

Real skin texture with pores and fine lines, real hair with separate strands, real eye moisture. No beauty filter, no skin smoothing. No text, no watermark.

Шаг 6

Берём референсное видео и считаем склейки

Нужен ролик, движение которого хочется повторить: мимика, повороты головы, как открывается рот. Дальше смотрим, где в нём стоят склейки — именно на них будут меняться образы. Открой ролик в CapCut и выпиши таймкоды стыков. Получится список вида 3,500 · 6,033 · 10,967 и так далее. Этот список и определит, на какой секунде какой образ появится. Ровная сетка «каждые две секунды» не подойдёт: смены разойдутся с музыкой, и это слышно сразу.

Вот тот референс, по которому собран ролик выше: открыть в Instagram. Трек — BAD TIMES, Imael Angel.

Шаг 7

Оживляем

Загружаем референсное видео и листы образов. В промпте — три правила по порядку важности: сначала точное повторение движения, потом сохранение своего лица, и только потом расписание смен. Порядок важен: без него модель выполняет расписание, а движение бросает, и получается застывшее лицо с редкими вспышками. Промпт целиком — ниже. Таймкоды в нём подставь свои, из шага 6.

Настройки, на которых собран ролик выше:
· Seedance 2.0, качество Standard
· формат 9:16
· качество 720p
· длительность — ровно как у референсного видео, секунда в секунду
· генерация звука выключена

Про длительность: если поставить больше или меньше, чем длится реф, все таймкоды смен разъедутся, а движение модель начнёт растягивать или дробить. Это единственная настройка, в которой нельзя ошибаться.

Про звук: он должен быть выключен. Иначе модель синтезирует свою речь и начинает синхронизировать губы под неё, а не под твоё видео — рот пойдёт невпопад. Ролик придёт молчащим, трек накладываешь сверху в редакторе.

Запрос

REFERENCE ROLES
@video1 — the motion source. Everything that MOVES comes from here.
@image1, @image2, @image3, @image4 — appearance sources. Everything about how she LOOKS comes from here.

PRIORITY ORDER — when anything conflicts, the higher rule wins:
1. Follow the movement of @video1 exactly, frame for frame.
2. Keep the facial structure of the current reference image.
3. Switch the look at the given timestamps.
Never sacrifice rule 1 in order to satisfy rule 3. Movement always comes first. A perfectly timed switch on a static face is a failure.

RULE 1 — MOTION. TREAT @video1 AS MOTION CAPTURE.

Every movement in the output is taken from @video1 and reproduced on the same frames, at the same speed, with the same amplitude. Nothing is invented, nothing is added, nothing is left out, nothing is re-timed.

THE CAMERA
Reproduce the exact framing of @video1 in every frame: the same crop, the same distance to the face, the same position of the head inside the frame, the same amount of headroom, the same angle and the same eye level. Reproduce every camera movement: every small drift, every push in or pull back, every handheld wobble, every tilt, on the same frames and with the same magnitude. If the camera holds still, it holds still. If it creeps closer, it creeps closer at the same rate. The lens feel stays the same: the same perspective, the same compression, the same depth of field. Do not add movement the camera does not make, do not stabilise movement it does make, do not re-frame, do not crop tighter or wider, do not straighten the horizon.

THE HEAD
Reproduce every head movement exactly: each turn to the left or right and how far it turns; each tilt of the chin up or down; each roll of the head sideways towards a shoulder; each push forward towards the lens and each pull back; every small settle and every return to rest. Match the speed of each movement, its acceleration and where it stops. Match the pauses between movements — if the head is motionless for a second, it is motionless for that second. Follow the exact path of the movement, not a simplified version of it.

THE EYES
Reproduce every blink on its exact frame, at the same speed, with the same duration of closure — a fast flick, a slow heavy close, a half blink, all as they are. Reproduce how wide the eyes open: narrowed, normal, wide, or bulging beyond normal. Reproduce every movement of the gaze: down, up, to the side, past the lens, straight into the lens, and every small flick between these, on the same frames. Reproduce the squint: how much the lower lid lifts, how much the outer corner tightens. When the eyes are squeezed shut in a scowl, they are squeezed with the same force, the same wrinkling of the lids. The whites, the moisture and the catchlight behave like real eyes.

THE MOUTH AND JAW
Copy the mouth visually, frame by frame, from the picture of @video1 — not from audio, not from any guess about what is being said. Reproduce every opening and closing of the lips, with the same shape at every stage: the narrow slit, the round open vowel, the wide stretched shout, the pressed-flat closed line, the pout, the corner pulled to one side, the lips parted with teeth showing. Reproduce how far the jaw drops and how fast. Reproduce the moment each opening starts and the moment it ends, on the same frames. Reproduce the visibility of the teeth and the tongue exactly as it appears. When the mouth is closed in @video1, it stays closed here — do not open it. When it opens into a shout, it opens the same amount, no smaller.

THE BROWS, FOREHEAD, NOSE AND CHEEKS
Reproduce every brow movement: the raise, the inner ends pulled together into a knot, the hard downward pull of a scowl, the asymmetric lift of one brow. Reproduce the forehead: the horizontal lines when the brows lift, the vertical crease between them when they knit. Reproduce the nose: the flare of the nostrils, the wrinkle of the bridge when the face screws up, the lift of the upper lip that comes with it. Reproduce the cheeks: the squeeze when the eyes close hard, the lift with a snarl, the hollow when the lips purse. Reproduce every small twitch of any of these on the frame it happens.

THE NECK, SHOULDERS, BREATHING, HAIR
Reproduce the neck tension — tendons standing out in the shout, the throat moving. Reproduce every rise and drop of the shoulders and the rhythm of the breathing. The hair moves with the head with real inertia, lagging behind each turn and settling after it; it never floats, stays rigid, or moves by itself.

THE EXPRESSIONS — COPY THEM AT FULL STRENGTH
The performance in @video1 runs through very different states, and every one of them must land here at the same intensity, on the same frames:
— calm and soft, eyes lowered, lips barely moving, an almost blank face
— a screwed-up scowl: brows knitted hard, eyes squeezed shut, nose wrinkled, mouth twisted to one side, cheeks pulled up
— a wide-open shout: eyes bulging, whites showing above and below, brows pulled down and in, mouth stretched wide open, teeth bared, neck tensed
Do not soften any of these. Do not tone them down. Do not average them towards a calmer middle. Do not make the face pretty, do not keep it flattering, do not smooth a grimace into a neutral look. An ugly contorted face in @video1 must be an equally contorted face here.

WHAT NOT TO DO WITH THE MOTION
Do not smooth, stabilise or simplify it. Do not make anything more expressive than it is. Do not add movement where the face is still. Do not re-time a single frame. The face is never static — in every frame something moves, exactly as in @video1.

RULE 2 — FACIAL STRUCTURE COMES FROM THE IMAGES

In every single frame the underlying face is the face from the current reference image: the proportions of the skull, the width of the cheekbones, the shape and spacing of the eyes, the shape of the eyelids, the shape and width of the nose, the shape and thickness of the lips, the jawline, the chin, the hairline, the skin tone and the skin texture.

These must not drift even slightly towards the person in @video1. Do not blend the two faces. Do not average them. Do not let the bone structure, eye shape, lip shape, nose or skin tone of the person in @video1 influence hers in any degree. The output must read as HER face — the one from the reference image — performing the movements of @video1.

From @video1 take only how a face MOVES. Never take how it is SHAPED.

RULE 3 — THE LOOK SWITCHES AT THESE EXACT TIMES

  0.000–3.500s   → @image1
  3.500–6.033s   → @image2
  6.033–10.967s  → @image3
  10.967–12.767s → @image4
  12.767–13.867s → @image1
  13.867–15.400s → @image2
  15.400–16.700s → @image3
  16.700–19.233s → @image4
  19.233–21.133s → @image1
  21.133–22.000s → @image2

Each switch is INSTANT — one frame to the next, exactly on the given time. No morph, no dissolve, no fade, no blur, no glow, no sparkle, no transition of any kind. Between the switches the look is completely stable: the hair, the styling and the clothing do not drift or change at all.

THE SHOT NEVER CUTS. The camera, the framing, the head position, the expression and the mouth movement run unbroken straight through every switch. The movement does not pause, reset or restart at a switch. Only what she looks like changes; everything that moves keeps moving exactly as in @video1.

Each reference image is a SHEET OF THREE VIEWS of one look — neutral, mouth open, three-quarter. Take from it the face, the hair, the styling, the makeup, the clothing and the accessories. Do not reproduce the three-panel layout, do not split the screen, do not place several faces in one frame. One person only, filling the frame.

BACKGROUND, LIGHT, SOUND, FORMAT

BACKGROUND: plain deep black, empty — no room, no furniture, no detail. Behind her a soft dim glow rimming the hair and shoulders. Face lit low and softly from the front. Blackness and backlight identical in every frame and through every switch.

NO GENERATED AUDIO. Do not synthesise speech. Do not add music. Do not generate any sound. The output is SILENT. The mouth movement is copied visually from the picture of @video1 and never generated from audio.

Vertical 9:16, exactly as long as @video1, ending on the same frame. Photorealistic live-action. Real skin with visible pores and fine lines, real hair with separate strands, real eye moisture, natural motion blur, fine grain. No beauty filter, no skin smoothing, no plastic look. No watermark, no username, no text, no captions.

AVOID

static face, face holding still, motion ignored, movement simplified, movement smoothed, movement stabilised, reduced amplitude, delayed movement, re-timed movement, invented movement, camera re-framed, camera stabilised, added camera movement, mouth closed when it is open in @video1, mouth open when it is closed in @video1, mouth out of sync with the picture, generated audio, synthesised speech, added music, softened expressions, toned-down grimace, prettified face, flattering face, neutral face replacing a scowl, blended faces, averaged faces, facial structure drifting toward @video1, borrowed eye shape, borrowed lip shape, borrowed skin tone, changed identity, changed hair colour, cuts, morphs, dissolves, fades, blur at the switch, glow at the switch, look drifting between switches, switches at other times, missed switches, three-panel layout, split screen, collage, several faces in one frame, second person, animals, visible room, furniture, bright background, watermark, text, captions, cartoon, illustration, 3D render, beauty filter, waxy skin, low resolution

Что ломается чаще всего

Четыре поломки, на которые уходит больше всего прогонов. Все проверены на себе.

Лицо стало чужим

Черты подтянулись к человеку из референсного видео: вроде ты, но не совсем. Лечится строкой о том, что структура лица берётся только с фото и не смещается ни на сколько, а с видео берётся исключительно то, как это лицо двигается. Слова «не смешивать» и «не усреднять» — обязательны.

Лицо застыло

Модель держит образы и расписание смен, но перестаёт повторять движение: пустое лицо, потом резкая вспышка эмоции. Значит задач слишком много и она выбрала не ту. Помогает явный порядок приоритетов и прямая фраза, что идеально попавшая по времени смена на застывшем лице — это провал.

Рот открывается невпопад

Самая частая и самая обидная ошибка. Причина почти всегда одна: включена генерация звука. Модель синтезирует свою речь и синхронизирует губы под неё, а не под твоё видео. Выключи генерацию аудио — трек наложишь сверху сама. И добавь в промпт, что движение рта копируется с картинки, а не со звука.

Образ меняется плавно

Вместо мгновенной смены — перетекание, размытие или вспышка. Нужно прямо запретить: никакого морфа, растворения, затухания, блёсток и переходов. Смена — один кадр, с одного на следующий.

Чем я всё это генерирую

Все нейросети из этого гайда я запускаю через один телеграм-бот. Там они собраны в одном месте — не нужно заводить отдельные аккаунты, привязывать карты и искать, где что оплачивается. Очень удобно: открыл, выбрал модель, сгенерировал.

Для этого ролика я выбирала Seedance 2.0, качество Standard. Для образов и раскадровок — GPT и Seedream.

Открыть бот в Телеграме

курс neuronelia

Курс «UGC + нейросети»

Делюсь своим опытом: съёмка на телефон, сценарии, монтаж в CapCut и нейросети — всё, чтобы делать ролики для брендов.

старт 1-го числа каждого месяца3 недели практикидоступ на месяцобратная связь от меня

8 готовых роликов в портфолио: нарезка продукта, два ролика на реальный продукт и пять работ на нейросетях
Каждую практику смотрю сама, работы разбираем в прямом эфире
Бартер с реальным брендом — мест ограничено, распределяю сама
Обновлённый профиль, портфолио и письмо бренду

Все подробности о курсе →

Вопросы — пиши @atopesh · neuronelia.com