Нейросеть оживить фото: как это работает и сколько стоит

9 августа 2026 · 9 минут чтения

Коротко

«Оживить фото» технически называется image-to-video: модель получает вашу картинку как первый кадр и достраивает движение на несколько секунд вперёд. Это не улучшение фотографии и не дорисовка — это генерация видео, у которого ваш снимок стоит в начале.

Умеют это семь моделей, доступных сегодня. Самый дешёвый вариант — Hailuo 2.3: ролик на 6 секунд стоит $0.225, это около 18 ₽ при курсе 80 ₽ за доллар. Самый дорогой — Veo 3.1 со звуком, $2.55 за ролик, около 204 ₽.

Если нужно оживить одну фотографию — вам, скорее всего, не нужен API, и об этом честно будет в конце. Если фотографий сотни или это часть продукта — дальше по делу.

Что происходит внутри

Модель видео-генерации работает с промптом и, опционально, с опорным изображением. Когда изображения нет, она придумывает сцену с нуля. Когда есть — она обязана начать с него и дальше достроить движение: как повернётся голова, куда пойдёт свет, что сделает фон.

Отсюда следуют две вещи, которые определяют результат.

Первый кадр — это ваша фотография, и она уже не изменится. Всё, что на ней плохо — шум, срезанная макушка, пересвет — останется и в видео. Модель не реставрирует, она продолжает.

Всё остальное модель придумывает. Она не знает, как на самом деле двигался человек на снимке. Она знает, как обычно двигаются люди. Поэтому «оживший» портрет прадеда — это правдоподобная выдумка, а не восстановленная запись.

Чем это отличается от генерации видео из текста

Разница в том, кто задаёт композицию.

Практический вывод из последней строки: в image-to-video промпт должен описывать движение, а не картинку. Не «пожилой мужчина в саду», это уже на фото, а «медленно поворачивает голову к камере, лёгкая улыбка, листва колышется».

Семь моделей и что они стоят

Цены наши, актуальные на день публикации. Рубли — пересчёт по курсу 80 ₽ за доллар, для порядка величин.

Две оговорки, без которых таблица врёт.

🔴 Veo тарифицируется за ролик, все остальные — за секунду. На коротких роликах это делает Veo дороже в разы, на длинных разрыв сокращается. Побочный эффект: у Veo длительность бесплатна — ролик на 8 секунд стоит столько же, сколько на 4.

🔴 Цена за секунду — это базовый тариф. У Kling звук удваивает ставку, а режимы pro и 4K дороже std. У Seedance на цену влияет и разрешение, и длительность. В таблице везде базовый тир без звука — реальный счёт считается по вашим параметрам.

Hailuo 2.3 — если задача именно оживить портрет

Модель MiniMax, заточенная ровно под этот сценарий: реалистичное движение, мимика, свет. Из всего списка она даёт лучшее соотношение «похоже на правду / цена» на людях и лицах.

Важная особенность: Hailuo 2.3 работает только из изображения. Текст-в-видео у неё нет вообще — запрос без картинки вернёт ошибку. Для нашей задачи это скорее плюс: модель ничем другим и не занимается.

Длительность фиксированная — 6 или 10 секунд, разрешение 768P или 1080P.

Kling 2.6 и 3.0 — когда нужен звук и длина

Kling 2.6 умеет синхронную звуковую дорожку — речь, шумы, эффекты. Kling 3.0 добавляет многокадровые сцены до 15 секунд и режимы std / pro / 4K.

Звук по умолчанию выключен (sound: false) — включать явно. У Kling 3.0 есть особенность API: он требует параметр многокадровости, без него запрос не пройдёт.

Wan 2.7 Video — дешёвый универсал

720p–1080p, от 2 до 15 секунд, есть negative_prompt и seed. Последнее важнее, чем кажется: seed даёт воспроизводимость, то есть возможность повторить удачный результат, а не ловить его заново.

Seedance 2.0 — консистентность между кадрами

Сильная сторона — сцена не «плывёт» от кадра к кадру. За это и платите: $0.246 за секунду, впятеро дороже Kling 2.6. Берут её, когда важна стабильность объекта в кадре, а не когда нужно оживить одну карточку.

Veo 3.1 — кинематографично и со звуком

Единственная в списке, у которой звук — часть основного сценария, а не опция. 1080p, до 8 секунд. Дорого: $2.55 за ролик. Есть облегчённый тир Veo 3.1 Fast за $0.975 — тот же кадр дешевле и быстрее.

Как запустить из кода

Генерация видео идёт минутами, поэтому API асинхронный: вы создаёте задачу, получаете id, дальше опрашиваете статус.

import time, requests

BASE = "https://api.altrouter.ai/v1"
H = {"Authorization": "Bearer sk-..."}

job = requests.post(f"{BASE}/videos", headers=H, json={
    "model": "hailuo-2.3",
    "prompt": "медленно поворачивает голову к камере, лёгкая улыбка, ветер шевелит волосы",
    "image": ["https://example.com/photo.jpg"],
    "duration": "6",
    "resolution": "1080P",
}).json()

while True:
    r = requests.get(f"{BASE}/videos/{job['id']}", headers=H).json()
    if r["status"] in ("completed", "failed"):
        break
    time.sleep(5)

print(r.get("url"), r["status"])

Три вещи, на которые стоит обратить внимание.

image — это массив, до четырёх изображений. Для оживления фото нужен один элемент — первый кадр.

Деньги резервируются в момент создания задачи, а списываются по факту удавшегося рендера. Если рендер упал, резерв снимается.

Опрашивать чаще, чем раз в 3–5 секунд, смысла нет — рендер занимает минуты, а частый опрос упирается в лимит скорости.

Что получается, а что нет

Ожидания — половина результата, поэтому честно.

Получается хорошо: лёгкое движение головы и корпуса, мимика, моргание, движение волос и ткани, ветер и листва, наезд и облёт камеры, оживление пейзажа.

Получается плохо или не получается:

• Руки и пальцы. Классическая слабость генеративного видео; если на снимке руки крупно, будьте готовы перегенерировать.
• Текст в кадре. Надписи на одежде и вывесках расползаются при движении.
• Точное сходство на длинных роликах. Чем дальше от первого кадра, тем сильнее лицо уплывает от оригинала. На 6 секундах это обычно терпимо, на 15 — заметно.
• Групповые фото. Чем больше людей, тем выше шанс, что кто-то из них поведёт себя странно.
• Заданное движение. Промпт — это пожелание, а не раскадровка. Точный сценарий проще собрать из нескольких коротких роликов, чем выпросить одним.

Практика такая: закладывайте 2–3 попытки на удачный дубль. При цене 18 ₽ за ролик это 54 ₽ на результат — всё ещё дёшево. При цене 204 ₽ арифметика уже другая, и лучше сначала подобрать промпт на дешёвой модели, а финал сделать на дорогой.

Когда API не нужен

Прямо: если вы хотите оживить одну фотографию для себя — вам не нужен ни ключ, ни код. Есть мобильные приложения и веб-сервисы, где это делается в три тапа, и это правильный инструмент для разовой задачи. Ключ без кода бесполезен — его некуда вставить.

API имеет смысл, когда:

• фотографий десятки или сотни — семейный архив, каталог, карточки товаров;
• оживление встроено в ваш продукт или бота;
• нужен выбор модели под задачу и контроль расходов, а не тариф «безлимит за подписку»;
• нужна воспроизводимость: seed, фиксированные параметры, логи по каждому ролику.

Если это ваш случай — все семь моделей лежат на витрине с текущими ценами, а чем API отличается от подписки, разобрано здесь. На тест хватит $1, которые начисляются за подтверждённый Telegram: это четыре ролика на Hailuo.

FAQ

Как нейросеть оживляет фото?

Модель берёт ваш снимок как первый кадр и генерирует следующие несколько секунд видео, достраивая движение. Она не восстанавливает то, что было на самом деле, а придумывает правдоподобное продолжение, опираясь на то, как обычно двигаются люди и объекты.

Сколько стоит оживить одну фотографию?

От $0.225 за ролик на 6 секунд у Hailuo 2.3 — около 18 ₽ при курсе 80 ₽ за доллар. Kling 2.6 обойдётся примерно в 28 ₽ за 5 секунд, Veo 3.1 со звуком — около 204 ₽ за ролик. Закладывайте 2–3 попытки на удачный результат.

Какая нейросеть лучше оживляет фото людей?

Для портретов обычно берут Hailuo 2.3: она специализирована на реалистичном движении лица, мимике и свете, и при этом самая дешёвая из семи. Если нужен звук — Kling 2.6 или Veo 3.1, но они заметно дороже.

Можно ли оживить фото бесплатно?

Полностью бесплатных вариантов без ограничений нет: рендер видео стоит вычислительных ресурсов, и за них платит либо пользователь, либо сервис за счёт рекламы и лимитов. Для разового результата дешевле пробных лимитов приложений, для потока — API с оплатой за секунду.

Почему лицо на видео не похоже на оригинал?

Похожесть держится на первых секундах и ухудшается дальше: чем больше кадров модель достраивает, тем сильнее она уходит от исходного. На 6 секундах расхождение обычно небольшое, на 15 — заметное. Если сходство критично, берите короткую длительность.

В каком формате передавать изображение в API?

В поле image передаётся массив строк — до четырёх изображений; для оживления нужен один элемент, первый кадр. Ответ на создание задачи приходит сразу со статусом queued, готовая ссылка на ролик появляется в GET /v1/videos/:id, когда статус станет completed.