Чем больше развиваются нейросети, тем актуальнее становится работа с УБТ. Если раньше нужно было танцевать с бубном в попытках уникализировать чужой ролик, сейчас можно создавать собственные ролики буквально на коленке. Причем результат далеко не тот, что еще был 2–3 года назад.

Особенно актуально это в реалиях клипов под Reels*. Практика показывает, что там до сих пор масса мужской аудитории, готовой смотреть ролики красоток и взаимодействовать с ними. 

Зачем создавать Reels* для Instagram*

По данным статистики, в Instagram* сидит преимущественно МЦА в возрасте от 18 до 44 лет. 

Малознакомые с сорсом скажут, что львиная доля этого трафика – американцы. Но статистика так не думает.

Теперь перейдем к главному – зачем тестировать этот сорс. Для ответа на этот вопрос предлагаем посмотреть скриншот Reels* с профиля девушки.

Нетрудно заметить, что это ИИ-модель. Сделать такую может даже полный новичок. Но даже несмотря на это, сгенерированные девушки могут приносить неплохие результаты.

Для тех, кто не готов тестировать разные типажи моделей, отбрасывать десятки генераций и получать трафик из воздуха, скорее всего, материал будет неинтересен. Для всех остальных построим статью вокруг практики: как пошагово генерировать такие Reels*, какие сервисы использовать и сколько это всё будет стоить. Традиционно разберем два варианта – условно-бесплатно и за деньги. 

Как создавать Reels* с помощью нейросетей

Если коротко описать процесс, то все выглядит так:

Находим красотку или создаем ее с нуля → получаем видео-донор → подменяем лицо.

На деле здесь масса нюансов, о которых расскажем подробнее. 

Разбираем весь процесс по шагам

Первый шаг – создание девушки. После этого мы либо делаем уникальное видео, либо меняем чье-то чужое, вставляя туда нашу красотку. Разберемся подробнее.

Ищем или создаем девушку

Сначала нам нужна девушка, которая будет рекламировать оффер. Худший вариант – брать фотографии кого-нибудь из инфлюенсеров, кто уже активно ведет Instagram*-профиль. Система быстро распознает неуникальный контент, и больших охватов не даст. Гораздо эффективнее либо набрать картинок со специальных платформ, либо сделать их самостоятельно.

Бесплатно. Заходим на условный Pinterest и вбиваем в строку поиска ключевые слова, например, girl. Если не уточнять типаж модели, на экране все подряд: от худых азиаток до пышногрудых славянок. 

Способ идеален для старта, потому что стоит 0 долларов. Однако его недостаток заключается в следующем: чтобы позаимствовать лицо найденной красотки, нам нужно 10–20 референсов с ней. Желательно, чтобы это были картинки того плана, который используется в видео-доноре. Например, если на видео-доноре героиня снята крупным планом и что-то рассказывает, в референсах должны быть фотографии лица с разных ракурсов, под разным светом и с разными эмоциями. Если же на ролике девушка танцует, то нужны образцы модели в разных позах с разных позиций и так далее. Иногда находишь на Pinterest интересную внешность, однако подыскать другие фотографии с красоткой уже не получается. От этого страдает финальное качество видео. 

Условно-бесплатно. В этом варианте мы берем набранные фотографии и идем в условный Gemini или ChatGPT. Например, ChatGPT не говорит прямо о лимитах: он будет делать фото, пока на сервере не будет перегрузки. В сети шутят, что перегрузка наступает после того, как в США просыпаются вайбкодеры. Модель NanoBanana2 Lite работает бесплатно, но не всегда качественно. Проще купить подписку и не ломать голову.

Независимо от того, какой выбрали сценарий, загружаем референсы для клонирования или для описания с целью последующей уникальной генерации. 

Сначала попросим ChatGPT показать, как бы выглядела девушка с референса с разных сторон.

Тоже самое, но от NanoBanana2 Lite. 

Теперь дадим ему набор исходных фотографий живой красотки и попросим сделать ее близняшку, которой никогда и не существовало. Вот, что получилось у ChatGPT:

А вот результат NanoBanana 2 Lite:

И первая, и вторая девушки – уникальны. При желании можно отредактировать их внешность прямо в чате, но именно для этой задачи оптимальнее использовать NanoBanana в Google AI Studio: он бесплатный и использовать его квоту целиком тяжело даже при работе целый день. Возьмем случайную фотографию и изменим прическу.

Пусть эта девушка и останется нашей моделью. 

Генерируем видео

Если позволяет бюджет, выгоднее создавать ролики по своему сценарию. Зачастую это требует несколько генераций (часто по $3-4, чтобы выглядело натурально), но контент на выходе оригинальный. Поэтому и охватов он собирает больше. Однако не все LLM захотят, например, создавать танцующих голых девиц. Зато для белых ниш это идеальный вариант. Альтернативный подход — переделывать уже готовые видео. С ними есть риск получить теневой бан, но и стоят такие видео копейки. 

Сначала разберемся с генерацией. Чтобы попробовать самому, покупаем Pro подписку на Google Flow и получаем 1050 кредитов на месяц. Этого хватит примерно на 60-70 генераций. Новым аккаунтам скидка – 3 месяца будут по $4,99, а затем по $20. Итого за $20 и 4 подписки в первые 3 месяца получаем по 240 роликов в месяц. 

Omni 1.1 – лучшая модель Google по соотношению скорости и качества генерации на момент выхода статьи. Она умеет создавать не только видео, но и аудио. Однако работает это не всегда: несколько раз модель прекратила генерацию и вернула кредиты из-за проблем с созданием аудио. 

Сначала быстрый тест – загружаем нашу красотку в Google AI Studio, добавляем в чат логотип условного Tinder и просим, чтобы она держала в руках телефон с этим логотипом. С первого раза получилось неплохо.

Теперь загружаем в Google Flow оба референса и забираем уChatGPT промт для генерации видео. 

Create a 10-second ultra-realistic vertical 9:16 UGC dating app advertisement using the two provided reference images.
REFERENCE IMAGES:
Image 1 is the exact STARTING FRAME.
Image 2 is the exact ENDING FRAME.
CHARACTER CONSISTENCY:The woman in both images is the same person. Preserve her exact facial identity, facial proportions, green-hazel eyes, natural skin texture, long chestnut-brown hair styled in two high ponytails with pale blue scrunchies, light blue oversized hoodie, and subtle makeup. No changes to her face, hairstyle, age, outfit, or accessories.
SCENE:A cozy coffee shop with warm pendant lighting, wooden furniture, leafy plants, and a cup of latte on the table. Natural smartphone footage, authentic casual UGC aesthetic.
TIMELINE:
0–2 seconds:Start exactly as shown in Image 1. The woman smiles warmly while looking slightly to the side. She slowly lowers her eyes toward the coffee cup, giving a small, shy smile. She then looks back toward the camera with a playful, slightly flirtatious expression.
2–7 seconds:She makes direct eye contact with the camera, tilts her head slightly, and speaks in Russian with a soft, natural, youthful female voice.
Exact spoken dialogue in Russian:
«Привет… Ты мне понравился. Может, познакомимся поближе?»
She speaks with a playful, slightly shy intonation, as if flirting with someone sitting across the table. Include a tiny pause after «Привет». Her lips must synchronize accurately with every Russian word. Her expressions remain subtle, human, and believable.
7–10 seconds:After speaking, she smiles mischievously, briefly glances down, reaches for her smartphone from below the frame, and naturally raises it toward the camera.
She turns the smartphone screen outward and presents it clearly to the viewer.
The phone display must show exactly the same application logo, icon, colors, and screen layout as in Image 2. The screen must be clearly visible, sharp, and stable.
Finish with the exact composition of Image 2. She holds the phone next to her face and smiles at the camera.
CAMERA AND MOTION:One continuous shot, no cuts, no transitions, no camera jumps. Mostly static camera positioned across the table at eye level, with subtle natural handheld movement.
Realistic head motion, natural blinking, accurate finger anatomy, realistic hand-to-phone interaction, physically believable hair movement.
AUDIO:Natural Russian female speech with perfect lip synchronization. Soft background coffee shop ambience. No music, no narration, no other voices.
STYLE:Photorealistic smartphone video. Authentic TikTok / Instagram Reels UGC advertisement. Natural facial expressions, realistic skin pores and imperfections, subtle lighting variations. Not cinematic, not overly polished, not artificial.
STRICT CONSTRAINTS:No facial morphing, no identity drift, no hairstyle changes, no extra fingers, no distorted phone, no changing the application logo, no subtitles, no text overlays, no watermarks, no exaggerated gestures.
The video must appear as a genuine, spontaneous recording of a real woman casually flirting with the viewer in a coffee shop.

За 15 кредитов и 1,5 минуты модель выдает вот такой результат. Google Flow выдает только кусочки по 10 секунд. Поэтому длинные ролики лучше делить на смысловые отрезки и делать между ними склейки. 

Меняем чужой ролик

Универсального сорса с готовыми видео нет, зато есть три наиболее очевидных площадки: Pinterest, YouTube и сам Instagram*. Формат ролика зависит от замысла. Кто-то захочет делать крео с танцами, кто-то – обычный липсинк. Мы протестируем два формата: говорящая голова и танцы. Оба видео-донора мы нашли в YouTube Shorts, их можно посмотреть здесь и здесь.

Приступим к генерации танца. Для этого создаем первый пачку референсных изображений такого же плана, как и видео донор. Например, если на исходнике модель в полный рост, нам нужны референсы в полный рост. Если по пояс, то по пояс. 

Теперь забираем промт у того же ChatGPT:

Create a realistic vertical 9:16 video using the uploaded materials.
INPUT MATERIAL ROLES:
— Reference Images 1–5 are identity and body reference images of the target girl.
— The uploaded video is the motion and choreography reference.
GOAL:
Generate a new video where the girl from Reference Images 1–5 performs the same dance as in the reference video.
CHARACTER IDENTITY:
Use the girl from the reference images as the main subject.
Preserve her exact recognizable identity:
— young woman
— fair skin
— green-hazel eyes
— long chestnut-brown wavy hair
— hairstyle: two high ponytails with light blue scrunchies
— soft natural makeup
— youthful face and proportions
OUTFIT:
Keep the exact outfit from the reference images:
— oversized light blue hoodie
— black leggings
— white sneakers
BODY AND PROPORTIONS:
Follow the body shape, height, proportions, and overall silhouette from the full-body reference images.
Keep her looking like the same girl in all frames.
MOTION TRANSFER:
Use the uploaded reference video as the choreography source.
Transfer the dance performance to the target girl as accurately as possible:
— same sequence of moves
— same rhythm and timing
— same body sways
— same steps
— same arm gestures
— same head movement
— same playful energy
The goal is not a random dance inspired by the video, but a close recreation of the same dance performance using the target girl.
SCENE:
Place her in a simple clean indoor space suitable for dance, similar to a casual home recording.
Use a plain light wall and clear floor space.
Keep the environment uncluttered so the body remains fully visible.
CAMERA:
— vertical 9:16
— full-body framing for most of the clip
— one continuous shot
— camera facing her from the front
— stable smartphone-like framing
— no cuts
— no zoom jumps
— no angle changes unless necessary to preserve the original motion feel
STYLE:
Photorealistic, natural smartphone video.
The result should look like a real girl genuinely dancing, not like CGI.
Natural lighting, realistic anatomy, realistic hair movement, realistic clothing folds.
IMPORTANT CONSTRAINTS:
— preserve facial identity
— preserve hairstyle and hair color
— preserve outfit
— no identity drift
— no face morphing
— no extra limbs or fingers
— no deformed hands
— no body distortion
— no random choreography changes
— no scene changes
— no text overlays
— no subtitles
— no watermark
PRIORITY ORDER:
1. Keep the girl’s identity consistent with the reference images
2. Recreate the choreography and timing from the reference video
3. Maintain realistic motion, anatomy, and natural hair/clothing physics
OUTPUT:
A polished, realistic dance video where the reference girl performs the same dance as the motion-reference video.

Загружаем в Google Flow видео-референс и фотографии нашей красотки, вставляем промт. Вспоминаем про важное ограничение: моделька создает только 10-секундные фрагменты. Поэтому предлагает сделать либо 0-10 секунд, либо 10-20 секунд. Создаем два куска, и монтируем их в ChatGPT. Результат смотрим здесь. 

Теперь говорящая голова. Берем второй исходник и делаем референсы для него.

Загружаем промт и вручную прописываем текст, который должна сказать девушка:

Create a highly realistic 10-second vertical 9:16 smartphone talking-head video.
Use the uploaded reference images to recreate the exact identity of the brunette woman.
Use the provided reference video ONLY as a guide for camera framing, speaking style, natural facial movements and overall presentation. Do not copy the original speaker’s face or voice.
CHARACTER:
A young adult woman with green-hazel eyes, natural rosy skin, long chestnut-brown wavy hair styled in two high ponytails with pale blue scrunchies, wearing a light blue oversized hoodie.
Preserve the same recognizable face from the reference photographs throughout the entire video.
SCENE:
The woman is sitting indoors in front of a plain warm beige wall. Static smartphone camera at eye level. Medium close-up, showing her face, shoulders and upper chest.
PERFORMANCE:
She looks directly into the camera and speaks naturally in Russian, with subtle head movements, occasional blinking, realistic lip movements and restrained facial expressions.
She sounds thoughtful, slightly ironic and confident.
DIALOGUE IN RUSSIAN:
«Если женщина говорит фразу: «Я тебя не держу, если хочешь — уходи», вам больше нечего делать с этой женщиной. Зачем вам ребенок, который из раза в раз будет вами манипулировать вместо того, чтобы строить здоровые, равные отношения?»
VOICE:
Generate an entirely new female Russian-speaking voice.
Voice characteristics:
— young adult female
— natural mid-range pitch
— warm, slightly low and velvety timbre
— clear native Russian pronunciation
— conversational delivery
— confident, calm intonation
— subtle emotional emphasis
— no artificial or robotic speech
The voice must be completely different from the original video’s speaker. Do not imitate or clone her voice.
Accurate Russian lip synchronization is essential.
VIDEO STYLE:
Authentic casual smartphone recording, realistic skin texture, natural indoor lighting.
One continuous shot. No transitions, no background music, no subtitles, no text overlays.
STRICT REQUIREMENTS:
Preserve facial identity. No face morphing, no hairstyle changes, no distorted mouth, no unnatural expressions, no audio glitches, no robotic speech. 

Текст должен помещаться в 10 секунд. Из-за этого красавица выкинула одно слово, но в остальном все получилось неплохо. Смотрим здесь.

Для чистоты эксперимента протестируем Wan 3.0 Prime – передовую модель от компании Alibaba. Загружаем 5 изображений нашей девушки, прикрепляем видео и задаем сухой промт: 

Replace the woman in video1 with the woman from image 1-5

В отличие от Google Flow, Wan 3.0 Prime создавала видео почти 20 минут. Более того, изначально эта LLM задумывалась в формате API-only. Это значит, что официального интерфейса как, например, у ChatGPT или Google Flow у нее нет. Доступ возможен только через провайдеров.

Результат генерации смотрим здесь. Вариант явно не для быстрых тестов, зато качество мимики, по нашему мнению, почти неотличимо от оригинала.  

В качестве бонуса возьмем промт для Flow и отдадим его Grok. Платной подписки у нас нет, но мы попробовали сделать видео в 480p на 6 секунд. Если генерировать 10 секунд в более высоком качестве, придется платить. Результат смотрим здесь. 

По идее можно оплатить подписку за $30 и генерировать до 30 секунд в 720p за раз. Но делать этого мы, конечно же, не будем. Забавно, что сам Grok убеждает: в бесплатном тарифе создавать видео нельзя.

А что дальше?

Готовые видео загружаем в Reels*, YouTube Shorts и другие платформы. Если используем видео-донор с Reels*, то желательно не загружать обработанный ролик в тот же Instagram*. Иначе есть риск словить теневой бан.

В дальнейшем контент можно монетизировать через Telegram и приватный контент, либо с помощью сторонних офферов. Практика некоторых специалистов показывает, что это достаточно выгодно. 

Заключение

Нейросети заметно упростили производство коротких видео. Теперь для создания Reels* необязательно нанимать моделей, организовывать съемки или часами заниматься монтажом. Достаточно нескольких референсов, подходящего видео-донора и правильно составленного промта. Причем, как показали наши тесты, даже бесплатные инструменты позволяют получать вполне достойные результаты.

Впрочем, полностью автоматизировать процесс пока не получится. Нейросети ошибаются в движениях, меняют внешность персонажей, не всегда справляются с речью и требуют повторных генераций. Поэтому главный ресурс здесь – не столько деньги на подписки, сколько время на эксперименты.

Начинать можно с бесплатных инструментов, а вкладываться в платные генерации уже после первых удачных тестов. И главное – не стоит путать реалистичность ролика с его эффективностью. Даже идеально сгенерированная девушка сама по себе не гарантирует охватов и переходов. Как и в любом другом подходе к УБТ, результат определяют удачная идея, выбранная аудитория и систематическая проверка гипотез.

*принадлежит компании Meta, организация запрещена на территории РФ.