Звук кадра и голос героя

Тишина выдаёт генерацию

Правило монтажёров: плохую картинку со звуком зритель досмотрит, хорошую без звука выключит. Кадр с шумом ветра, шагами и дыханием читается как снятый, в тишине он же выглядит компьютерной заставкой.

Три вида звука в промпте

Реплика идёт прямой речью:

the old man says quietly, without turning: "It is late."

• Язык называй словами. По написанию реплики модель его не определяет: русская фраза уходит как says in Russian: "…". Русский она произносит чисто, а в губы не попадает: проверено дублем на Seedance 2.5.
• Длина. Один кадр держит длинную речь: в ролике из урока 7.3 герой говорит одиннадцать секунд подряд, больше двадцати слов, без склейки, а в соседнем восьмисекундном кадре помещаются две фразы. Разносить диалог по кадрам незачем.
• Тон задай действием: «тихо, не поворачиваясь», «сквозь зубы», «с паузой перед ответом».
• Музыку запрещай. Голый no music на четырёх дублях сработал так же, как перечень по видам. Перечень оставь страховкой: Nothing else at any point: no music, no score, no crowd, no voiceover. Это одно из немногих мест, где курс пишет запреты.

Голос героя закрепляют сэмплом

Без сэмпла тембр в каждом кадре свой. Сэмпл делается в карточке персонажа, двумя путями.

• По описанию. Возраст, тембр, манера и фраза, которую надо произнести. Два десятка языков, включая русский. Секунда стоит доли цента.
• По портрету. Описание оставляешь пустым, и голос собирается по лицу героя.

Сэмпл должен быть сухим: музыка, попавшая в запись, поедет во все сцены.

Когда голос собирают руками

Интонацию модель выбирает сама, а под русский не попадает в губы. Если нужна своя подача или русская реплика точно в губы, кадр и звук делают порознь:

1. Кадр без речи. Герой говорит, но слова неважны. Длину бери под будущую реплику: втискивать готовый звук в снятый кадр поздно.
2. Голос отдельно. Сэмпл из карточки персонажа или своя запись.
3. Липсинк. Видео и звук уходят в сторонний сервис, который переставляет губы под реплику. В студии такого шага нет.
4. Сборка. Готовый кадр идёт в монтаж вместе с остальными.

Дольше, чем родная речь модели. Зато интонацию переделываешь, не трогая видео.

На крупном плане зритель считывает каждое движение губ, на общем их не разобрать. Крупный план говорящего чаще прочих ловит отказ выходной модерации, уже после рендера. Лечит это промпт портрета из урока 4.1: ordinary unremarkable face, looks nothing like any actor. Отсюда приём: