Недавно мы завершили большой блок работы для интерактивного музея «28 панфиловцев» в Волоколамске: сделали более 40 ИИ-видеороликов, которые завязаны в единый ветвистый интерактивный сценарий. Всё это крутится на 55-дюймовой сенсорной панели прямо в зале экспозиции.

Посетитель здесь — не просто зритель, который смотрит линейный ролик. Он сам принимает решения за персонажей в ключевых точках, и от его выбора зависит, как дальше повернётся сюжет. 🔀

Почему мы пошли именно в интерактивное видео?

Честно говоря, мы перетащили эти механики в музей из онлайн-обучения, но вот несколько пунктов, почему это работает:

1️⃣ Вовлечённость вместо созерцания: Когда человек сам жмёт на кнопку и отвечает за последствия решения — история перестаёт быть абстрактным текстом на стенде, а вовлекает и заставляет сопереживать.

2️⃣ Эмоциональный контакт: Личный выбор включает эмпатию в разы сильнее, чем любой закадровый диктор.

3️⃣ Реиграбельность: Каждый проход получается уникальным. Посетители возвращаются к панели, чтобы проверить: «А что было бы, если бы мы поступили иначе?».

Но за словами «ИИ-видео» сегодня всё ещё стоит огромный объём ручного ремесла.

Это далеко не «нажал одну кнопку и получил кино». 🎬

Вот как выглядел технологический пайплайн за кадром после этапа согласования сценария👇

🔹 Промты на китайском. Промты приходится писать самостоятельно в сторонней нейросети и потом переводить на китайский. У основного генератора видео (Seedence) окно контекста — всего небольшое. Английский текст туда просто не влезает с нужной детализацией, а китайский иероглифический — в 3 раза компактнее.

🔹 Раскадровка в ChatGPT Image Gen 2. На каждую сцену генерируется по 3–4 референс-кадра, по которым потом строится логика движения в роликах. Для картинок ChatGPT здесь вне конкуренции из-за возможности диалоговой доработки — можно прямо в чате попросить «убери каску, поменяй освещение, разверни лицо».

🔹 Оживляем кадры в Seedence. Работаем в режиме Omni Reference: загружаем референс-кадры и промтом задаём логику движения от кадра к кадру. Но получается далеко не всегда всё идеально. Это может быть 10–20–40 попыток генераций. А это всё токены. Нейросеть регулярно что-то путает: то дорисовывает офицерские погоны (в обучении 90% военных фото — с погонами), а нам нужны лычки, то отказывается понимать механику передачи предмета и т. д.

🔹 Боль с русским lip-sync. Озвучка делается в ElevenLabs. А вот совместить речь с движением губ — главная головная боль. Нативно русский липсинк умеет делать только Veo 3, но у него жесткий бан на военную тематику и реальные лица. В итоге — никакого волшебства: свёртка и синхронизация делаются руками на монтаже в Premiere, а пару сложных сцен анимировали покадрово в After Effects.
Интерактивное ИИ-видео в 2026 году — это такой стык промт-инженерии, художественного чутья и ручного монтажа.

❗️Для посетителей экспозицию планируют открыть уже недели через две, постараюсь поделиться роликами, как это всё будет работать вживую.

👉 Если проектируете интерактивную экспозицию, викторину или ИИ-тренажёр для музея или корпоративного обучения — пишите в личку или в комментарии. Покажем демо и разберём ваши задачи!