Image-to-Video

Image-to-Video (I2V) — модель берёт статичную картинку и генерирует из неё короткое видео: 3–10 секунд. Можно задать промпт о желаемом движении («камера медленно двигается слева направо», «волосы развеваются»), можно оставить модель решать самой. Главные модели: Runway Gen-4 I2V, Kling 2.0, Sora I2V, Stable Video Diffusion. Базовый инструмент live-photo, оживления портретов и cinemagraphs.

Коротко

Коротко. Image-to-Video (I2V) берёт статичную картинку и генерирует из неё видео. Можно дать только картинку (модель решает движение сама), или картинку + промпт «волосы развеваются на ветру, камера медленно отдаляется». Длительность обычно 3–10 секунд. Главные модели: Runway Gen-4 I2V, Kling 2.0, Sora, Stable Video Diffusion (open-source). Идеальный инструмент для live-photo, оживления портретов, cinemagraphs.

Что это такое

Дизайнер в ComfyUI генерирует красивый портрет: девушка в саду, ветер, детально проработанные глаза. Картинка отличная — но статичная. Хочется ту же сцену в движении: ветер чтобы дул, волосы качались, листья летели.

Без I2V: пошёл бы в After Effects, разбил картинку на слои, делал бы parallax вручную — час работы.

С I2V: загружает картинку в Runway Gen-4, добавляет промпт «soft wind, hair gently moves, leaves slowly fall». Через 30 секунд получает 5-секундное видео с естественным движением. Картинка ожила.

К 2026-му это стандартная техника для:

• Социальных сетей: Instagram Reels, TikTok с «оживлёнными» фото.
• Live-photo: превращение портретов в движущиеся видео.
• Cinemagraphs: часть кадра двигается, часть статична.
• Promo-материалов: оживление продуктовых фото.
• Anime/иллюстраций: превращение статичных артов в short animations.

Главные модели:

• Runway Gen-4 I2V — лучший продакшн, $$.
• Kling 2.0 I2V — особенно хорош для аниме.
• Sora I2V (через ChatGPT Plus) — длинные клипы.
• Stable Video Diffusion (SVD) — open-source, локально.
• HunyuanVideo I2V — open-source флагман.

Как это работает

I2V — близкий родственник text-to-video, но с дополнительным conditioning'ом:

[Input Image] ──┐
                ├──→ [Diffusion Model] ──→ [Video frames]
[Prompt]      ──┘     (3D-латент с              ↓
                       первый кадр = input)   [VAE Decode]

Главное отличие от T2V: первый кадр фиксируется — это ваша входная картинка. Дальше модель генерирует движение, сохраняя стиль, композицию, освещение.

Параметры управления движением:

• Motion strength (0–10) — насколько сильно двигаются объекты. 1 — статично, 10 — много движения.
• Camera motion (preset) — pan left/right, zoom in/out, orbit, static.
• Frame rate — 24, 30, 60 fps.
• Duration — обычно 3, 5, 10 секунд.

К 2026-му I2V стал популярнее T2V для многих задач: вы контролируете стиль и композицию точно, модель только добавляет движение.

Пример на практике

Маркетолог делает Instagram-кампанию для бренда косметики. 10 продуктовых фотографий — нужно превратить в 5-секундные клипы для Reels.

Через Runway Gen-4 I2V:

1. Загружает фото каждой помады (студийное, белый фон).
2. Добавляет одинаковый промпт для всех:

slow rotation, professional product video, 
clean background, subtle camera zoom out

3. Запускает batch.

Через 10 минут — 10 клипов по 5 секунд. Помады плавно вращаются на кадре, лёгкий zoom. Готовы для постинга в Reels.

Стоимость: $5 ($0.50 на клип). Время: 10 минут вместо 5 часов отдельной видеосъёмки.

Альтернатива локально (Stable Video Diffusion в ComfyUI):

Load Image → SVD Sampler (motion_bucket=127, fps=8) → VAE Decode Video → Save

На RTX 4090 — 2–3 минуты на клип. Качество чуть ниже Runway, но бесплатно после установки. Идеально для batch-генерации больших объёмов.

С чем часто путают

• Image-to-Video и Text-to-Video — I2V начинает с картинки, T2V с нуля по тексту. I2V даёт больше контроля над стилем.
• I2V и AnimateDiff — AnimateDiff plugin для SD/SDXL, генерирует короткие клипы по промпту. Не I2V в чистом виде.
• I2V и Cinemagraph — Cinemagraph — статичный фон + двигающаяся часть (классически делается в After Effects). I2V может оживить всё или часть.
• I2V и Image Animation — близкие термины. I2V — современная AI-техника. Image animation — старый термин из 2D-анимации.
• SVD и Sora — SVD от Stability AI, open-source. Sora от OpenAI, closed.

Частые ошибки и заблуждения

• «I2V сохраняет стиль картинки на 100%». Не на 100%. Модель может слегка «пересмотреть» композицию, особенно при сильном motion. Стиль обычно держится.
• «Любая картинка подходит». Сложные сцены (много людей, сложные позы, мелкие детали) дают много артефактов. Простые композиции — лучше.
• «Длинные клипы выглядят естественно». На 10+ секундах I2V начинает «забывать» исходный стиль. Для длинных видео — лучше T2V с прямым промптом.
• «I2V не нужен промпт». Желателен. Без промпта модель решает движение сама — иногда выбирает странное (объект исчезает, камера крутится).
• «Стоит как T2V». Близко. На облачных платформах I2V обычно стоит столько же, что и T2V той же длительности.

Связанные термины

• Text-to-Video — родственная техника без входной картинки.
• AnimateDiff — plugin SD-моделей.
• Stable Video Diffusion (SVD) — главная open-source I2V модель.
• Runway Gen-4 / Kling / Sora — главные облачные платформы.
• Cinemagraph — концептуально близкий формат.
• img2img — родственная техника, но для статики.

Частые вопросы

Какая модель лучшая в 2026? Runway Gen-4 I2V — баланс качества/цены/скорости. Kling 2.0 — лучше для стилизованных. Sora — длинные клипы. SVD — open-source.

Сколько секунд выдаёт? Runway: 4–10. Kling: 5–10. Sora: до 60. SVD: 4 секунды (стандарт), 6–12 с расширениями.

Можно ли указать конкретное движение? Да: «camera pans left», «hair flows in wind», «person turns head». Чем точнее промпт, тем стабильнее. Также есть пресеты движения камеры (zoom, pan, orbit).

I2V работает с аниме/иллюстрациями? Да, особенно Kling и AnimateDiff. SVD на плоских иллюстрациях иногда даёт «3D-эффект», что не всегда нужно.

Можно ли соединить несколько клипов? Через end-frame conditioning: последний кадр одного клипа = первый кадр следующего. Так делают длинные клипы из коротких.

Сколько стоит локально? Только электричество. SVD на RTX 4090 — 2–3 минуты на 4-секундный клип. ComfyUI workflow — стандартный, есть готовые в шаблонах.

Главное

Image-to-Video — генерация видео из статичной картинки. Главное преимущество перед Text-to-Video: вы контролируете стиль и композицию через входную картинку, модель добавляет только движение. К 2026-му популярнее T2V для многих задач — оживление портретов, продуктовые видео для соцсетей, cinemagraphs. Главные модели: Runway Gen-4 (production), Kling 2.0 (стилизация), Sora (длинные клипы), Stable Video Diffusion (open-source). Главное правило: простые композиции работают лучше. На облаке клип стоит $0.20–0.50, локально через ComfyUI на RTX 4090 — 2–3 минуты. Для длинных видео (30+ сек) — лучше T2V; для 3–10 сек — I2V почти всегда выбор.