Как повторить
- Установите Claude Code.
- Установите
faster-whisperу себя на компьютере. Окружение Python и модель распознавания речи придётся настроить самим: в гайде этого нет, а без них первая же команда из шага 4 упадёт. - Снимите на телефон вертикальный дубль на 30 секунд при ровном свете и с чистым звуком. Структура: крючок (цепляющая первая фраза), суть, призыв с кодовым словом.
- Попросите Claude расшифровать и нарезать запись:
Расшифруй это видео по словам (faster-whisper, язык русский),
потом нарежь его на куски примерно по 10 секунд — режь по концу
фразы, ближайшей к каждой десятой секунде, а не ровно по времени.
Каждый кусок сохрани отдельным файлом.- Попросите Claude составить раскадровку (план кадров) и собрать в GPT Image сториборд: одну картинку из шести панелей с кадрами, вырезанными из вашего же куска.
- Загрузите в Google Flow (модель Veo 3.1) первый 10-секундный кусок и сториборд. Промпт начинается так:
Смонтируй это видео точно по приложенному сториборду.
Плавные переходы, всё перетекает, в кадре всегда что-то движется…Полная версия промпта в гайде свёрнута. Известно, что в ней есть посекундный разбор кадра и просьба «сохрани оригинальный звук». Допишите их сами по раскадровке. Просьба про звук нужна потому, что Veo умеет генерировать собственный звук, а вам нужен голос из записи.
- Если первый кусок вас устроил, прогоните остальные.
- Подготовьте картинку-бейдж: ею вы закроете водяной знак Flow.
- Попросите Claude склеить ролик через ffmpeg:
Склей эти куски по порядку в один вертикальный ролик.
Сверху наложи мой бейдж в правый нижний угол, чтобы он закрывал
водяной знак. Отдай финальный mp4.Как проверить результат
После шага 4 в папке появятся отдельные файлы кусков, и ни один не обрывается посреди фразы. После шага 5 проверьте сториборд глазами: русский текст без ошибок, панели узнаются как кадры из вашего видео. Опечатку дешевле поймать здесь, чем переделывать платную генерацию. После шага 6 голос должен звучать как в исходнике, а картинка должна быть новой. Если тембр изменился или в кадре появилось то, чего вы не просили, скорее всего, просьба сохранить звук не сработала. Проверьте и текст промпта, и настройки сцены в Flow.
Как это устроено
- faster-whisper отдаёт время каждого слова (
word_timestamps=True), поэтому разрез ложится на конец ближайшей фразы. - Сториборд работает по той же логике, что и режим Veo 3.1 «Ingredients to Video»: референсные картинки задают персонажа, фон и стиль, и модель держит их одинаковыми по всей сцене. Без кадров из вашего видео Veo, вероятно, нарисует свою сцену по тексту.
- Одна генерация Veo длится 4, 6 или 8 секунд, а куски здесь по 10. Как Flow дотягивает кусок до 10 секунд, в гайде не объяснено.
Источник: AI Cube (aicube.vercel.app), образовательный проект про нейросети и AI-агентов.