Промпты Ray 3.2 для генерации видео по тексту: 5 рецептов с реальными клипами

TL;DR

• У Ray 3.2 для генерации видео по тексту нет входного кадра, поэтому промпт должен выстроить весь кадр: субъект, композицию первого кадра, движение камеры, ритм, освещение и краткий список негативных слов. Именно этот ключевой навык и тренирует данная страница.
• Ниже — пять промптов, готовых к копированию и вставке, которые мы написали сами и запустили на ray-3.2/text-to-video; каждый содержит встроенный клип, который он фактически сгенерировал. Каждый клип — 5-секундная генерация; четыре из них в 540p, один в 720p.
• Надёжный промпт для Ray 3.2 каждый раз следует одному порядку: движение камеры → субъект → окружение → свет и цвет → негативные слова. Начинайте с камеры, а не с субъекта.
• Проверено на практике перед публикацией: duration принимает 5 или 10, resolution принимает 540p / 720p / 1080p, aspect_ratio принимает шесть значений — 16:9, 9:16, 1:1, 4:3, 3:4, 21:9.
• Цена рассчитывается за клип, а не за секунду: 5-секундный/540p клип стоит $0.2145; 5-секундный/720p — $0.429 (цены на октябрь 2026 — актуальный прайс-лист смотрите на странице цен).

Почему промпты для генерации видео по тексту — отдельный навык

Если вы работали с генерацией видео по изображению, мышечная память здесь вас подведёт. При генерации по изображению первый кадр уже передан модели, поэтому ваш промпт должен описывать только движение. Генерация по тексту начинается с нуля — модель исключительно по вашему тексту изобретает одновременно первый кадр и движение. Промпт, который говорит лишь «камера медленно наезжает», вообще не имеет объекта, на который можно наехать.

Поэтому на ray-3.2/text-to-video промпт несёт двойную нагрузку: он должен скомпоновать правдоподобный начальный кадр, и организовать движение этого кадра. Рецепты ниже построены вокруг структуры, которая делает обе задачи явными. Если у вас уже есть статичный кадр, который вы хотите оживить, не заставляйте себя использовать генерацию по тексту — переключитесь на эндпоинт Ray 3.2 для генерации видео по изображению, который закрепляется за вашим кадром и требует только «движенческую» половину промпта.

Каркас промпта, который работает на Ray 3.2

Во всех тестах клипы, сохранявшие визуальную связность, следовали одному порядку фраз:

1. Движение камеры в самом начале. «Медленный кинематографичный наезд», «дрейфующий аэросъёмочный кадр», «ручная камера с наездом». Ray 3.2 воспринимает первую фразу как доминирующую инструкцию, поэтому движение должно быть там.
2. Субъект + его действие. Один ясный субъект делает одну ясную вещь. Именно на двух конкурирующих субъектах движение начинает размазываться.
3. Окружение. Сцена должна достаточно заполнять кадр, но не перегружать его — плотные сцены жертвуют стабильностью движения.
4. Свет и цветокоррекция. Именно здесь Ray 3.2 блистает; он сильно реагирует на язык освещения («золотой час», «бирюзовый и пурпурный неон», «контровой свет»). Явно указывайте стиль цветокоррекции.
5. Краткий список негативных слов. Завершайте на Negative: ..., чтобы подавить типичные режимы отказа — текст, логотипы, деформированные конечности, мерцание, резкие склейки.

Держите весь промпт в пределах нескольких предложений. Длиннее — не лучше; лишние фразы размывают инструкцию для камеры.

Рецепт 1 — начинаем с камеры: медленный наезд

Чему учит: ставим движение камеры в первую фразу и используем 21:9 для широкоэкранного кинематографичного вида.

Медленный кинематографичный наезд на смотрителя маяка, одиноко стоящего 
на выветренном железном балконе, солёные брызги проносятся через кадр. 
Пасмурный рассветный свет, холодные сине-серые тона, мягкие рассеянные тени. 
Камера скользит вперёд в устойчивом, неторопливом ритме, постепенно сокращая 
дистанцию, чайки проносятся на фоне. Анаморфная широкоэкранная 
оптика, малая глубина резкости, лёгкое плёночное зерно. Негатив: без текста, без 
логотипов, без деформированных рук, без резких склеек.

Настройки: duration 5, resolution 540p, aspect_ratio 21:9. Начальное «медленный кинематографичный наезд» делает основную работу — Ray 3.2 читает это как первичную инструкцию и удерживает движение вперёд устойчивым, без дрейфа. «Неторопливый ритм» — полезная фраза, подавляющая излишне торопливое скоростное движение, которое модели генерации по тексту выдают по умолчанию.

Рецепт 2 — установочный кадр и ритм

Чему учит: аэросъёмочное установочное движение с намеренным «раскрытием», а также то, как язык освещения несёт общее настроение.

Аэросъёмочный установочный кадр, медленный дрейф над долиной с террасами 
рисовых полей в золотой час, низкое солнце косо скользит по 
залитым водой террасам, отражающим янтарное небо. Тонкий туман скапливается на нижних 
террасах. Камера движется боком в медленном, неторопливом 
ритме, постепенно раскрывая фермера, идущего по узкой грунтовой дороге. Тёплое HDR-
освещение, насыщенные зелёные и золотые тона, кинематографичная дымка. Негатив: без текста, без водяных знаков, 
без мерцания, без искажённой геометрии.

Настройки: duration 5, resolution 720p, aspect_ratio 16:9. Два момента обеспечивают успех этого клипа. Во-первых, «постепенно раскрывая фермера» даёт боковому движению цель — камере есть куда двигаться. Во-вторых, световой абзац («золотой час», «низкое солнце косо скользит», «тёплое HDR-») — именно источник кинематографичного вида Ray 3.2; уберите его, и вы получите плоский дрон-кадр. Это также клип, из которого мы извлекли обложку.

Рецепт 3 — освещение задаёт атмосферу и движение ручной камеры

Чему учит: используем язык цветокоррекции для атмосферы и «ручную камеру с наездом» для динамики без хаоса.

Ночной переулок, залитый дождём, неоновые вывески отражаются в лужах, пар поднимается от уличных 
закусочных. Ручная камера мягко наезжает вдоль переулка, мокрые отражения слегка 
мерцают при каждом шаге. Настроенческий 
бирюзово-пурпурный неоновый свет, глубокие тени, объёмный свет в тумане, вывески на фоне образуют кинематографичное боке. 
Негатив: без разборчивого текста, без логотипов, без деформированных людей, без мерцания.

Настройки: duration 5, resolution 540p, aspect_ratio 16:9. «Ручная камера мягко наезжает» даёт вам немного органичного покачивания, а «мягко» не позволяет ему превратиться в тряску. Негатив без разборчивого текста намеренный: неоновые сцены соблазняют модель генерировать бессмысленные вывески, и просить без разборчивого текста надёжнее, чем надеяться, что она правильно напишет слова.

Рецепт 4 — слежение за движущимся субъектом

Чему учит: следящая камера, удерживающая один субъект по центру, и негативные слова против анатомических ошибок.

Рыжая лиса прыгает по свежевыпавшему пушистому снегу в залитом солнцем берёзовом лесу, 
снежинки медленно разлетаются в контровом свете. 
Камера следит за лисой в устойчивом ритме сбоку, удерживая её в центре кадра, пока деревья проносятся мимо. 
Хрустальный зимний утренний свет, холодные белые тона с тёплым контурным солнечным светом, сверкающие снежные крупинки. Негатив: 
без лишних конечностей, без дрожания, без текста, без unnatural изменения скорости.

Настройки: duration 5, resolution 540p, aspect_ratio 16:9. «Удерживая её в центре кадра, пока деревья проносятся мимо» — ключевая фраза: она говорит Ray 3.2, что субъект — якорь, а движется фон, что и соответствует чтению реального следящего кадра. Движение животных наиболее часто выявляет дефекты конечностей, поэтому без лишних конечностей и без unnatural изменения скорости заслуживают места в негативном списке.

Рецепт 5 — вертикальный формат и макро-панорама

Чему учит: переключение на 9:16 для соцсетей и медленная панорама по компактному макро-субъекту.

Вертикальный макро-кадр, как заваривается эспрессо, тёмная крема 
кружится в тёплом стеклянном стакане на мраморной столешнице в мягком утреннем свете из окна. 
Камера медленно поднимается от капающей группы 
к готовой чашке. Малая глубина резкости, тёплые карамельные тона, мягко поднимающийся пар, премиальная коммерческая текстура. 
Негатив: без дрожащих рук, без разлива, без текстовых наложений, без цветовых полос.

Настройки: duration 5, resolution 540p, aspect_ratio 9:16. Переключение на 9:16 не стоит дополнительно — Ray 3.2 рассчитывает цену по длительности и разрешению, а не по соотношению сторон, поэтому вы можете создавать вертикальные клипы для соцсетей по той же цене, что и широкоэкранные. Медленная панорама («от … медленно поднимается к …») придаёт компактному макро-субъекту движение, не двигая всю сцену.

Шпаргалка по настройкам и стоимости

Параметр	Допустимые значения
duration	5, 10 (целые числа)
resolution	540p, 720p, 1080p
aspect_ratio	16:9, 9:16, 1:1, 4:3, 3:4, 21:9

Цена фиксирована за каждый клип (по состоянию на октябрь 2026):

Клип	Цена
5 секунд · 540p	$0.2145
5 секунд · 720p	$0.429
5 секунд · 1080p	$1.7145
10 секунд · 540p	$0.643
10 секунд · 720p	$1.286
10 секунд · 1080p	$5.143

Разумный рабочий процесс — сначала итерировать промпт на 5 секундах/540p (около 21 цента за попытку), а когда композиция и движение выглядят правильно, перезапустить сохранённый промпт в более высоком разрешении. Полный актуальный прайс-лист — на странице цен HiAPI.

Типичные признаки отказа и как их исправить формулировкой

• Слишком быстрое движение. Добавьте в фразу о камере «медленный, неторопливый ритм».
• Неразборчивые вывески или титры. Поместите без разборчивого текста / без текстовых наложений в негатив, а не пытайтесь прописать слова.
• Размазывание или двоение субъекта. Сократите до одного субъекта и назовите его якорем («удерживая его в центре кадра»).
• Мерцание и стробоскоп в неоновых или высококонтрастных сценах. Добавьте без мерцания, без стробоскопа.
• Дефекты конечностей у людей и животных. Добавьте без лишних конечностей, без деформированных рук.

FAQ

Какой длины могут быть клипы Ray 3.2 для генерации видео по тексту? Две длины: 5 или 10 секунд. Поле duration принимает только целые числа 5 и 10.

Какие разрешения и соотношения сторон поддерживаются? Разрешения — 540p, 720p и 1080p. Соотношения сторон — 16:9, 9:16, 1:1, 4:3, 3:4 и 21:9 — всего шесть, охватывающих широкоэкранный, вертикальный, квадратный и анаморфный широкоэкранный форматы.

Рендеринг вертикального (9:16) клипа дороже? Нет. Цена зависит только от длительности и разрешения, поэтому при одинаковой длине и разрешении вертикальный клип 9:16 стоит столько же, сколько клип 16:9.

Могу ли я передать Ray 3.2 начальное изображение вместо текстового промпта? Да, но это другой эндпоинт — Ray 3.2 для генерации видео по изображению принимает первый кадр (и, опционально, последний). Генерация по тексту подходит, когда вы начинаете с описания, а не с картинки.

Воспроизведут ли эти точные промпты эти точные клипы? Видеомодели не детерминированы, поэтому вы получите тот же стиль и композицию, но не пиксельно идентичный клип. Относитесь к этим промптам как к надёжной отправной точке и настраивайте фразы о камере и освещении по вкусу.

Хотите попробовать эти промпты?

Скопируйте любой рецепт выше и запустите его на странице модели Ray 3.2 для генерации видео по тексту — тот же эндпоинт /v1/tasks, один API key для всех моделей. Если вы сравниваете видеомодели, та же обработка «готово к копированию + реальные клипы» есть в наших рецептах промптов Seedance 2.5 и промптах Veo 3.1 Lite для генерации видео по тексту, так что вы можете увидеть, как одна и та же структура промпта работает на другом движке, прежде чем вкладываться.