Тренд: девушка на трибуне корейского матча — как это делают
Коротко о главном (BLUF)
В этом материале мы разбираем ключевые аспекты работы с нейросетями: актуальные модели, практические советы по промптам и примеры генераций. Читайте дальше, чтобы узнать подробности.
Посмотри на любой из этих рилсов внимательно. Корейский телеканал, логотип SPOTV, табло с иннингом. Камера смотрит на трибуну — девушка сидит, не смотрит в объектив, смотрит куда-то в сторону поля. 5 секунд. Всё.
Под видео — миллион просмотров. В комментах: «где взяла такое видео», «ты реально была в Корее», «это нейросеть или живая». И большинство не может разобраться. Вот почему.
Два шаблона: фото и видео
«Девушка на трибуне — фото». Берёт твоё фото лица и собирает с нуля кадр в стиле SPOTV-трансляции: трибуна, стадионный свет, типичные корейские фанаты на фоне, пластиковый стакан в руке, вентилятор сбоку. Без вылизанной AI-внешности — наоборот, с компрессионным шумом, лёгким моушн-блюром и реальной кожей. Цель — чтобы выглядело как случайно пойманный кадр трансляции, а не как фэшн-съёмка. Под капотом — GPT Image 2. От 6 токенов за генерацию.
«Девушка на трибуне — видео». То же лицо, но в движении. Загружаешь фото — модель Kling 3.0 image-to-video делает 5-секундный клип «прямой эфир со стадиона»: тот же ракурс трансляционной камеры, толпа на фоне, та же расслабленная поза. 50 токенов в режиме Standard, или дороже в Pro.
Как это работает под капотом
Фото. Кадра нет, его генерируют с нуля. Зато с жёсткими правилами: никакой ретуши, никакого «увеличить глаза», никакого пластикового глянца. В запросе прямо прописано: должно выглядеть как реальная съёмка низкокачественной трансляционной камеры, со всеми её недостатками — лёгкой размазанностью, цифровым шумом, бликами от пота. Именно это даёт ощущение «реальный кадр», а не «нейронка».
Видео. Kling 3.0 image-to-video берёт твоё фото как первый кадр и оживляет сцену по запросу: лёгкий поворот головы, движение толпы на фоне, моргание, мимика «удивлённо-сосредоточенный взгляд на поле». Промпт явно требует горизонтальный 16:9 кадр и качество телевизионной трансляции, чтобы это легло в формат рилса с обрезкой и не выглядело как I2V с вертикальным растягиванием.
Как сделать вручную
Если хочешь не пользоваться шаблоном:
Для фото. Идёшь в раздел изображений, выбираешь GPT Image 2, прикрепляешь селфи как референс и пишешь запрос по-корейски (модель его лучше понимает в контексте корейского ТВ):
업로드한 인물 얼굴은 실제 그대로 유지하고, AI 미남미녀 느낌 말고 «진짜 KBO 생중계 카메라에 우연히 잡힌 일반인 관중» 처럼 자연스럽게 생성. SPOTV KBO 방송 캡처 느낌, 관중석 직캠 구도. 얼굴 과보정 금지, 눈 키우기 금지, 피부 뽀샤시 금지.Для видео. Идёшь в раздел видео, выбираешь Kling 3.0, прикрепляешь то самое фото (можно сначала сделанное в фото-шаблоне), 16:9, запрос:
Realistic sports broadcast screenshot-style documentary video set in the spectator stands of a Korean professional baseball game. The person from the attached image is sitting in the stadium seats with delicate facial features and a surprised yet focused expression as he/she looks toward the field. The person wears a baseball team jersey. Horizontal 16:9 broadcast frame, realistic TV capture quality.То есть рабочий пайплайн: сначала фото-шаблон (получаешь идеальный «трансляционный» кадр), потом этот кадр кидаешь в видео-шаблон — и получаешь 5 секунд оживлённой версии этого же человека на трибуне.
Где ломается
Фото. Слишком чёткое и яркое референсное селфи — модель пытается перетянуть его «глянцевость» в кадр, и получается не трансляция, а фэшн-съёмка. Лучше работает простое селфи без фильтров. Если результат вышел слишком красивым — перегенери, в запросе уже стоят все запреты на ретушь, но иногда модель всё равно тянет в сторону «инфлюенсера».
Видео. Kling 3.0 даёт хорошее движение головы и фона, но если фото слишком «студийное» (ровный белый фон, идеальный свет) — она тянет этот свет в стадионную сцену, и получается странный микс. Лучше всего работает портретное фото со средним светом, без жёстких теней.
Попробуй
Два готовых шаблона в разделе Тренды. Хочешь статичный кадр для поста — фото-карточка на GPT Image 2. Хочешь 5-секундное видео для рилса — видео-карточка на Kling 3.0. Можно делать связкой: сначала фото, потом из этого фото — видео.
🇬🇧 English version
Watch any of those reels closely. A Korean TV channel, the broadcast logo, a scoreboard with the inning. The camera looks at the stands — a girl is sitting there, not looking into the lens, gazing off somewhere toward the field. Five seconds. That's it.
Under the video — a million views. In the comments: "where did you get this video", "were you really in Korea", "is this AI or a real person". And most people can't tell. Here's why.
Two templates: photo and video
"Girl in the stands — photo." It takes a photo of your face and builds a frame from scratch in the style of a sports-channel broadcast: the stands, stadium lighting, typical Korean fans in the background, a plastic cup in hand, a hand fan off to the side. No polished AI looks — quite the opposite, with compression noise, a touch of motion blur and real skin. The goal is for it to look like a frame accidentally caught on a broadcast, not a fashion shoot. Under the hood — GPT Image 2. From 6 tokens per generation.
"Girl in the stands — video." Same face, but in motion. You upload the photo — the Kling 3.0 image-to-video model makes a 5-second "live from the stadium" clip: the same broadcast-camera angle, a crowd in the background, the same relaxed pose. 50 tokens in Standard mode, or more in Pro.
How it works under the hood
The photo. There's no frame to start with — it's generated from scratch. But with strict rules: no retouching, no "make the eyes bigger", no plastic gloss. The prompt spells it out directly: it has to look like real footage from a low-quality broadcast camera, with all its flaws — slight smearing, digital noise, glare from sweat. That's exactly what gives the "real frame" feel rather than "AI render".
The video. Kling 3.0 image-to-video takes your photo as the first frame and brings the scene to life by prompt: a slight turn of the head, the crowd moving in the background, a blink, a "surprised-but-focused look at the field" expression. The prompt explicitly demands a horizontal 16:9 frame and TV-broadcast quality, so it fits the reels format with cropping and doesn't look like vertically stretched I2V.
How to do it manually
If you'd rather not use the template:
For the photo. Go to the images section, pick GPT Image 2, attach a selfie as the reference and write the prompt in Korean (the model understands it better in the Korean-TV context):
업로드한 인물 얼굴은 실제 그대로 유지하고, AI 미남미녀 느낌 말고 «진짜 KBO 생중계 카메라에 우연히 잡힌 일반인 관중» 처럼 자연스럽게 생성. SPOTV KBO 방송 캡처 느낌, 관중석 직캠 구도. 얼굴 과보정 금지, 눈 키우기 금지, 피부 뽀샤시 금지.For the video. Go to the video section, pick Kling 3.0, attach that same photo (you can use the one made with the photo template first), set 16:9, prompt:
Realistic sports broadcast screenshot-style documentary video set in the spectator stands of a Korean professional baseball game. The person from the attached image is sitting in the stadium seats with delicate facial features and a surprised yet focused expression as he/she looks toward the field. The person wears a baseball team jersey. Horizontal 16:9 broadcast frame, realistic TV capture quality.So the working pipeline is: first the photo template (you get a perfect "broadcast" frame), then you drop that frame into the video template — and you get 5 seconds of the same person, alive, in the stands.
Where it breaks
The photo. A reference selfie that's too crisp and bright — the model tries to drag its "glossiness" into the frame, and you get a fashion shoot instead of a broadcast. A plain selfie with no filters works better. If the result came out too pretty — regenerate; the prompt already has all the no-retouch rules, but the model still leans toward "influencer" sometimes.
The video. Kling 3.0 gives good head and background motion, but if the photo is too "studio" (flat white background, perfect light) — it pulls that light into the stadium scene, and you get a strange mix. A portrait photo with medium light and no harsh shadows works best.
Give it a try
Two ready-made templates in the Trends section. Want a static frame for a post — the photo card on GPT Image 2. Want a 5-second video for a reel — the video card on Kling 3.0. You can chain them: the photo first, then the video from that photo.
🇦🇪 العربية
مشاهدة أي من تلك البكرات عن كثب. قناة تلفزيونية كورية، شعار البث، لوحة النتائج مع الشوط. تنظر الكاميرا إلى المدرجات – فتاة تجلس هناك، لا تنظر إلى العدسة، وتحدق في مكان ما باتجاه الحقل. خمس ثوان. هذا كل شيء.
تحت الفيديو — مليون مشاهدة. في التعليقات: "من أين حصلت على هذا الفيديو"، "هل كنت حقًا في كوريا"، "هل هذا الذكاء الاصطناعي أم شخص حقيقي". ومعظم الناس لا يستطيعون معرفة ذلك. هذا هو السبب.
قالبين: الصور والفيديو
"فتاة في المدرجات - الصورة."فهو يلتقط صورة لوجهك ويبني إطارًا من الصفر بأسلوب بث القنوات الرياضية: المدرجات، وإضاءة الملعب، والمشجعين الكوريين النموذجيين في الخلفية، وكوب بلاستيكي في اليد، ومروحة يدوية على الجانب. لا يوجد مظهر مصقول للذكاء الاصطناعي، بل على العكس تمامًا، مع ضوضاء الضغط ولمسة من ضبابية الحركة والجلد الحقيقي. الهدف هو أن يبدو وكأنه إطار تم التقاطه عن طريق الخطأ أثناء البث، وليس جلسة تصوير أزياء. تحت الغطاء - صورة GPT 2. من 6 رموز لكل جيل.
"فتاة في المدرجات – فيديو."نفس الوجه، ولكن في الحركة. تقوم بتحميل الصورة - يقوم نموذج تحويل الصورة إلى فيديو Kling 3.0 بإنشاء مقطع "مباشر من الملعب" مدته 5 ثوانٍ: نفس زاوية كاميرا البث، وحشد من الناس في الخلفية، ونفس الوضع المريح. 50 رمزًا في الوضع القياسي، أو أكثر في الوضع الاحترافي.
كيف يعمل تحت غطاء محرك السيارة
الصورة. لا يوجد إطار للبدء به، بل تم إنشاؤه من الصفر. ولكن مع قواعد صارمة: لا يوجد تنقيح، لا "تكبير العيون"، لا يوجد لمعان بلاستيكي. توضح الرسالة ذلك بشكل مباشر: يجب أن تبدو وكأنها لقطات حقيقية من كاميرا بث منخفضة الجودة، مع كل عيوبها - تلطيخ طفيف، ضوضاء رقمية، وهج من العرق. هذا هو بالضبط ما يعطي إحساس "الإطار الحقيقي" بدلاً من "عرض الذكاء الاصطناعي".
الفيديو. يأخذ برنامج Kling 3.0 تحويل الصورة إلى فيديو صورتك كإطار أول ويضفي الحيوية على المشهد عن طريق التوجيه: دوران طفيف للرأس، تحرك الحشد في الخلفية، وميض، وتعبير "نظرة متفاجئة ولكنها مركزة على الميدان". تتطلب المطالبة بوضوح إطارًا أفقيًا بنسبة 16:9 وجودة بث تلفزيوني، لذا فهي تناسب تنسيق البكرات مع الاقتصاص ولا تبدو وكأنها I2V ممتدة رأسيًا.
كيف نفعل ذلك يدويا
إذا كنت تفضل عدم استخدام القالب:
للصورة.اذهب الىقسم الصور، اختر صورة GPT 2، وأرفق صورة شخصية كمرجع واكتب المطالبة باللغة الكورية (يفهم النموذج ذلك بشكل أفضل في سياق التلفزيون الكوري):
تم تطوير هذا التطبيق من خلال الذكاء الاصطناعي، وهو عبارة عن "مفتاح KBO للذكاء الاصطناعي" 카메라에 우연히 잡힌 일반인 관중» 처럼 자연스럽게 생성. SPOTV KBO هو أحد أفضل اللاعبين في العالم. هذا هو السبب في أن هذا هو السبب وراء ذلك.للفيديو.اذهب الىقسم الفيديو، اختر Kling 3.0، وأرفق نفس الصورة (يمكنك استخدام الصورة التي تم إنشاؤها باستخدام قالب الصورة أولاً)، واضبط 16:9، واطلب:
تبث الألعاب الرياضية الواقعية مقطع فيديو وثائقيًا على شكل لقطة شاشة تم تصويره في مدرجات المتفرجين في مباراة بيسبول كورية احترافية. الشخص الموجود في الصورة المرفقة يجلس في مقاعد الاستاد بملامح وجه دقيقة وتعبير متفاجئ ولكنه مركز وهو ينظر نحو الملعب. يرتدي الشخص قميص فريق البيسبول. إطار بث أفقي 16:9، جودة التقاط تلفزيونية واقعية.لذا فإن مسار العمل هو: أولاً قالب الصورة (تحصل على إطار "بث" مثالي)، ثم تقوم بإسقاط هذا الإطار في قالب الفيديو - وتحصل على 5 ثوانٍ لنفس الشخص، على قيد الحياة، في المدرجات.
حيث ينكسر
الصورة. صورة شخصية مرجعية شديدة الوضوح والسطوع - تحاول العارضة سحب "لمعانها" إلى الإطار، وتحصل على جلسة تصوير للأزياء بدلاً من البث. تعمل الصورة الذاتية البسيطة بدون مرشحات بشكل أفضل. إذا كانت النتيجة جميلة جدًا – قم بالتجديد؛ يحتوي الموجه بالفعل على جميع قواعد عدم التنقيح، لكن النموذج لا يزال يميل نحو "المؤثر" في بعض الأحيان.
الفيديو. يوفر Kling 3.0 حركة جيدة للرأس والخلفية، ولكن إذا كانت الصورة "استوديو" (خلفية بيضاء مسطحة ��إضاءة مثالية) - فإنها تسحب هذا الضوء إلى مشهد الاستاد، وتحصل على مزيج غريب. تعمل الصورة الشخصية ذات الإضاءة المتوسطة وبدون ظلال قاسية بشكل أفضل.
جربها
قالبين جاهزين فيقسم الاتجاهات. هل تريد إطارًا ثابتًا لمنشور ما - بطاقة الصورة على GPT Image 2. تريد مقطع فيديو مدته 5 ثوانٍ لبكرة - بطاقة الفيديو على Kling 3.0. يمكنك تسلسلها: الصورة أولاً، ثم الفيديو من تلك الصورة.
Часто задаваемые вопросы (FAQ)
Вопрос: Как получить лучший результат от нейросети?
Ответ: Используйте подробные промпты (описания) на английском языке, задавайте стиль и детали сцены.
Вопрос: Можно ли использовать эти материалы в коммерческих целях?
Ответ: Да, сгенерированный контент полностью принадлежит вам.