Pierwszy film AI od pomysłu do pliku MP4 - przewodnik dla początkujących

Krótko: rozpisujesz pomysł na ujęcia, dla każdego wybierasz model wideo i piszesz prompt jednej sceny, ustawiasz format, długość, rozdzielczość i dźwięk, sprawdzasz cenę i po chwili ściągasz MP4. Na końcu sklejasz klipy w montażu. W Kadraris Studio robisz to w przeglądarce, po polsku, bez linijki kodu. Rozliczenie idzie za sekundę materiału - Seedance 2.5 kosztuje od 1,51 zł za sekundę - a generacje zakończone błędem są bezpłatne.

Startujesz od własnego zdjęcia? Wtedy lepszy będzie przewodnik film AI ze zdjęcia. Chcesz najpierw obejrzeć samo Studio - konto, saldo, historię, klucz API? Zajrzyj do tekstu Kadraris Studio - pierwsze wideo.

Zanim otworzysz Studio: rozpisz ujęcia

Jedno zadanie w modelu wideo to jedna scena, najwyżej pół minuty (w wielu modelach mniej). Film to kilka takich ujęć połączonych w montażu. Dlatego zaczynam od kartki:

• 3-6 ujęć, każde opisane jednym zdaniem,
• długość każdego: 5-10 sekund,
• gdzie film trafi (pion na rolki, poziom na YouTube).

Technicznie wystarczy przeglądarka (wygodniej na laptopie niż na telefonie), konto i saldo zasilone minimum 40 zł.

A darmowa opcja?

Tu jej nie znajdziesz - Kadraris nie daje bezpłatnego pakietu ani punktów na powitanie, każda udana generacja jest płatna. Środki na koncie nie przepadają z czasem, a zadania, które się wysypią, są za zero.

Niektórzy producenci modeli dają w swoich aplikacjach próbne albo dzienne kredyty, zwykle z kolejką, niższą rozdzielczością lub limitem klipów. Warunki często się zmieniają, więc sprawdzaj je u źródła. Na jeden film testowy to rozsądna droga. Jeśli zależy ci na wielu modelach pod jednym adresem, rozliczeniu w złotych i polskiej fakturze, sens ma Kadraris.

Wybór modelu do ujęcia

W Studio otwierasz sekcję Wideo i wybierasz model z listy. Najlepszego modelu do wszystkiego nie ma, jest model do konkretnego zadania:

Różnice rozpisuję w tekstach API do wideo AI - porównanie oraz Seedance 2.0 czy 2.5.

Prompt jednego ujęcia

Opisujesz jedną scenę, nie cały film. Mój szablon ma pięć części:

1. Plan i bohater - kto albo co jest w kadrze, jak blisko.
2. Czynność - jedna.
3. Kamera - zbliża się, oddala, przesuwa, drży w dłoni czy stoi.
4. Światło i klimat - o której godzinie, jakie oświetlenie.
5. Audio - odgłosy, jeśli model ma je dorobić.

Prompt widoczny na zrzucie Seedance 2.5:

Powolny najazd kamery przez nocny targ w deszczu, kobieta w żółtym płaszczu
kupuje herbatę na straganie, unosi się para, neony odbijają się
w mokrym asfalcie, filmowo

Modele rozumieją polski, więc opis po polsku działa. Przy kamerze wolę jednak angielskie terminy (slow dolly in, handheld, static shot), bo efekt jest przewidywalniejszy. Słownik ruchów kamery i szablony są w poradniku prompty do wideo AI.

Ustawienia formularza

Format

Wybierz go pod miejsce publikacji. Przycięcie poziomego klipu do pionu w montażu zabiera połowę obrazu.

Modele różnią się listą formatów. Veo 3.1 oraz Gemini Omni znają wyłącznie pion i poziom, Kling 3.0 ma jeszcze kwadrat, natomiast rodzina Seedance, MiniMax H3 i Wan 3.0 dają szerszy wybór plus tryb adaptive, w którym format dobiera model.

Przykład producenta Wan 3.0 w pionie, z produktem z obrazu referencyjnego:

Długość

Czas trwania decyduje o kwocie bardziej niż cokolwiek innego. Zakresy dla pojedynczego zadania:

• Seedance 2.5: od 4 do 30 sekund,
• Wan 3.0: od 2 do 30 sekund,
• Kling 3.0: od 3 do 15 sekund,
• MiniMax H3 i Seedance 2.0: od 4 do 15 sekund,
• Veo 3.1: stałe 8 sekund.

Pierwsza wersja jest u mnie zawsze najkrótsza, jaką model pozwala zrobić. Pełny czas zamawiam dopiero po akceptacji ruchu i kompozycji. Klip do social mediów (pół minuty lub mniej) składam z trzech-czterech scen po kilka sekund, a czasem zastępuję je jednym ciągłym ujęciem w Seedance 2.5.

Półminutowe ujęcie w jednym przebiegu to według ByteDance główny atut Seedance 2.5:

Rozdzielczość

• 480p - szkice i sprawdzanie ruchu za małe pieniądze.
• 720p - rolki oglądane na telefonie.
• 1080p - kanał na YouTube, kampanie, surówka pod edycję.
• 2K i 4K - telewizor, projektor, zapas na przycinanie kadru, wersja końcowa. Do 4K dochodzą Veo 3.1, Kling 3.0, Seedance 2.0 i Wan 3.0, a MiniMax H3 zatrzymuje się na 2K.

Zazwyczaj wyższa rozdzielczość to wyższa stawka za sekundę, więc testuję nisko, a wysoko renderuję tylko gotowy prompt.

Dźwięk

Coraz więcej modeli tworzy audio razem z obrazem: odgłosy, tło muzyczne, czasem mowę. Włączasz je polem Generuj dźwięk (w API generate_audio). Seedance ma je włączone od razu, Kling wyłączone, MiniMax H3 robi stereo opisane w prompcie.

Do opisu dopisujesz np. "wind through pine trees" albo "busy cafe chatter, no music", a wypowiedź bierzesz w cudzysłów i zaznaczasz, czyja jest. Z polszczyzną modele wideo radzą sobie w kratkę - lektora lepiej nagrać samemu albo postawić na tekst na ekranie - więcej w tekście budżet rolki z AI.

Cena przed kliknięciem

Studio pokazuje koszt konkretnego zadania, zanim je wyślesz. Wzór jest prosty: stawka sekundowa dla wybranej jakości pomnożona przez czas. Kwota zostaje zarezerwowana na koncie do końca generacji, a przy porażce rezerwacja znika bez śladu.

Wpłaty robisz w panelu konta - do wyboru 50, 100, 200 lub 500 zł albo dowolna kwota od 40 zł, przez BLIK albo kartą. Fakturę VAT zaznaczasz przy wpłacie (dane firmy wpisz przed płatnością).

Budżet całości to suma sekund ze wszystkich scen, łącznie z powtórkami. Cztery sceny po 5 s, każda wygenerowana dwa razy, dają mniej więcej 40 sekund w wybranym modelu, np. 40 x od 1,51 zł za sekundę w Seedance 2.5. Stawki dla każdej rozdzielczości: cennik.

Odbiór i ocena klipu

Na wynik czekasz najczęściej minutę-dwie, przy dłuższych klipach dłużej, ale nie musisz siedzieć przy otwartej karcie - plik zapisze się w historii. Gdy jest gotowy, ściągnij MP4 od razu - historia zostaje, ale linki do plików mają ograniczoną ważność.

Na co patrzę w każdym klipie:

• czy kamera porusza się tak, jak opisałem,
• czy postać zachowuje tę samą twarz i strój od początku do końca,
• czy palce i ewentualne litery w tle wyglądają normalnie,
• czy audio zgadza się z tym, co widać.

Gdy coś zgrzyta, zmieniam w opisie pojedynczy element i puszczam kolejną wersję.

Z kilku ujęć jeden film

Spójny krótki film powstaje z serii scen, a nie z jednego rozbudowanego opisu. Robię to tak:

1. Plan scen. Rozpisuję go z pomocą czatu AI, który w Studio korzysta z tego samego konta.
2. Obraz na każdą scenę. Obraz kosztuje mniej więcej tyle co sekunda wideo w tanim modelu, a ok. 8 razy mniej niż sekunda Seedance 2.5 w 720p, więc tam szlifuję kompozycję.
3. Ruch. Każdą grafikę ożywiam jako klatkę otwierającą. Dzięki wspólnemu źródłu bohater jest rozpoznawalny w całym filmie.
4. Podkład. Generuję go w Mureka V9 (0,88 zł za utwór) albo sięgam po utwór z licencją.
5. Składanie. Sceny, audio i tekst na ekranie łączę w CapCut lub DaVinci Resolve.

Szczegóły trzeciego kroku są w tekście o filmie ze zdjęcia, a cały przebieg dla spotu produktowego - w poradniku reklama produktu z AI.

Automatycznie przez API

Gdy chcesz to zautomatyzować, Kadraris API korzysta z tego samego konta i środków:

curl https://kadraris.com/v1/generate \
  -H "Authorization: Bearer $KADRARIS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "seedance-2.5",
    "input": {
      "prompt": "Slow dolly in through a night market in the rain, a woman in a yellow raincoat buys tea at a stall, steam rises, neon reflections on wet asphalt, cinematic",
      "duration": 5,
      "resolution": "720p",
      "aspect_ratio": "9:16",
      "generate_audio": true
    }
  }'

W odpowiedzi dostajesz id zadania i estimated_cost, a plik odbierasz przez GET /v1/tasks/{id} albo webhook. Wersję w Pythonie pokazuje dokumentacja generowania, a automatyzację bez programowania - tekst o rolkach z n8n.

Pytania

Ile ujęć potrzebuję na 30-sekundowy film?

Zwykle 3-6 ujęć po 5-10 sekund. Możesz też zrobić jedno długie ujęcie w Seedance 2.5 albo Wan 3.0, które generują do 30 sekund naraz.

Ile zapłacę za minutę gotowego filmu?

Licz 60 x stawka, np. 60 x od 1,51 zł za sekundę w Seedance 2.5, i dolicz powtórki. Ponieważ pojedyncza scena trwa maksymalnie od 8 do 30 sekund (zależnie od modelu), na minutę złożysz kilka klipów. Zadania z błędem są bezpłatne.

Gdzie zmontować klipy z Kadrarisa?

Ściągnięte MP4 importujesz do dowolnego edytora, np. CapCut albo DaVinci Resolve, i tam układasz sceny, dokładasz podkład, tekst i przejścia.

Czy mogę użyć takiego filmu w reklamie dla klienta?

O tym, co wolno z wynikiem, decydują warunki producenta modelu i regulamin serwisu - przeczytaj je przed startem kampanii. Wizerunek realnych ludzi tylko za ich pozwoleniem.