Как нейросеть оживляет фото и зачем это бизнесу¶

Герман Коваленко · основатель ENGRAM · Обновлено 12.06.2026

Когда вы видите, как фотография прадеда вдруг начинает моргать и поворачивать голову, первая реакция, как правило, одна из двух: «вот это да» или «это жутковато». Обе реакции правильные. Технология называется «оживление фото», и за последние три года она из лабораторной диковины превратилась в рабочий инструмент, который уже стоит в продакшне у маркетинговых команд по всему миру.

Объясню, как это устроено внутри, без академической шелухи. Нейросеть не «рисует» движение с нуля. Она берёт статичное изображение и переносит на него движение, снятое с другого источника: либо с видеозаписи реального человека, либо синтезирует его по аудиодорожке, либо генерирует по текстовому описанию. Под капотом чаще всего работают два класса архитектур. Первый, генеративно-состязательные сети (GANs): один блок генерирует кадры, второй блок их оценивает и говорит «верю / не верю». Они соревнуются, пока результат не становится достаточно убедительным. Второй класс, диффузионные модели: система сначала учится «зашумлять» изображение до неузнаваемости, а потом учится этот шум убирать, восстанавливая картинку в нужном состоянии. Именно диффузионные модели сейчас дают самое чистое качество.

Конкретнее. Перед тем как двигать лицо, модель находит на нём так называемые ключевые точки: уголки глаз, крылья носа, линию губ, контур подбородка. Дальше строится приближённая трёхмерная модель этого лица, и уже по ней применяются алгоритмы деформации и рендеринга. Результат: голова поворачивается, губы шевелятся, веки моргают. Это не монтаж и не ручная анимация. Это математика, обученная на миллионах видеозаписей реальных людей.

Теперь про инструменты, которые реально существуют и доступны. MyHeritage с функцией Deep Nostalgia заточен под семейные архивы: загружаете старое фото, получаете короткую петлю движения. Простой, понятный, без лишних настроек. D-ID (Creative Reality Studio) и HeyGen работают серьёзнее: там можно взять любое фото или изображение персонажа, добавить голос или текст и получить говорящее видео с синхронизацией губ. RunwayML идёт ещё дальше, это платформа для профессионального видеопроизводства с ИИ, там оживление фото лишь одна из десятков функций. Все четыре работают в облаке, оплата картой через зарубежные сервисы, что для России сейчас вопрос отдельный. Решается через виртуальные карты или корпоративные счета в дружественных юрисдикциях. Ничего принципиально нерешаемого.

Зачем это бизнесу, если говорить честно, а не языком презентации. Динамический контент в социальных сетях собирает больше просмотров, чем статичный, это факт, а не ощущение. Оживлённый персонаж в рекламном баннере или в сторис удерживает взгляд дольше. Музеи и образовательные проекты уже используют технологию, чтобы «оживить» исторические портреты: это работает на вовлечённость аудитории лучше любого текстового описания. Говорящие аватары на базе реального или синтетического лица закрывают задачу персонализированных обращений к клиентам без съёмочной группы и студии. Снял одно фото, написал сотню разных скриптов, получил сотню персонализированных видеописем. Это уже не фантастика, это операционная реальность.

Но вот где я всегда останавливаю людей, которые загораются этой темой. Этика здесь не абстракция, а конкретный юридический и репутационный риск. Та же технология, которая оживляет прадеда для семейного альбома, создаёт дипфейки с реальными людьми без их согласия. Использовать чужое лицо в коммерческих целях без явного разрешения, это уже территория судебных исков. Особенно болезненный вопрос: изображения умерших людей. Согласия получить невозможно, а наследники могут иметь очень разные взгляды на то, как должна выглядеть память об их родственнике. Я не говорю «не трогайте эту технологию». Я говорю: если вы применяете её в коммерческом контексте, юридическая чистота исходного изображения обязательна. Это не паранойя. Это гигиена.

Про ограничения скажу коротко, чтобы не было иллюзий. На сложных ракурсах, при плохом освещении или на старых фотографиях с повреждениями модели дают артефакты: неестественные движения, «плывущие» черты лица, странные деформации шеи. Чем лучше исходное фото, тем чище результат. Это прямая зависимость. Вычислительная нагрузка высокая, поэтому всё работает в облаке, а не на вашем ноутбуке.

Куда это движется дальше. Реалистичность будет расти, артефакты будут уходить. Уже сейчас интеграция с генерацией речи позволяет получить говорящего персонажа с нуля, без актёра и без студии. Следующий шаг, более длинные и сложные сцены, не петля из трёх секунд, а полноценный монолог с мимикой и жестами. Это изменит производство обучающего видео, корпоративных коммуникаций и рекламы радикально.

Технология взрослая. Она уже работает. Вопрос только в том, используете ли её вы или ваши конкуренты.

Источники¶

Материал подготовлен на основе:

Попробуйте ENGRAM на своих данных

Нейросеть на ваших встречах, документах и переписке: отвечает со ссылкой на источник. Это ваша вторая память на базе ИИ. Данные хранятся в России, старт бесплатный.

Зарегистрироваться бесплатно