Для дизайнеров интерьера, архитекторов и студий визуализации короткие вертикальные видео (Reels, Shorts, TikTok) стали главным каналом привлечения заказчиков на премиальные дизайн-проекты. Но у большинства экспертов возникает один и тот же непреодолимый барьер: съёмка «говорящей головы» отнимает часы времени, силы и фокус от реальной работы.

Нужно выставлять студийный свет, крепить микрофон, бороться со стеснением перед камерой, записывать десятки дублей, а затем часами нарезать кадры и накладывать субтитры. В итоге регулярный постинг забрасывается, а потрясающие рендеры интерьеров годами лежат на диске без просмотров и заявок.

В этом подробном руководстве мы разберем сквозной автоматизированный пайплайн создания экспертных коротких роликов без съёмки лица: от бесплатного клонирования собственного голоса в Fish Audio до режиссуры стильной моушен-графики с помощью специализированного AI-агента.

🏗️ Архитектура сквозного пайплайна

Схема построена по модульному принципу. Каждый инструмент отвечает за свой узкий этап и обеспечивает максимальное качество:

1. СЦЕНАРИЙ И ТАЙМКОДЫ → 2. ОЗВУЧКА В FISH AUDIO → 3. СКИЛЛ GRAFIKA DIRECTOR → 4. РАСКАДРОВКА NANO BANANA 2 → 5. АНИМАЦИЯ OMNI FLASH
  1. Короткий смысловой сценарий (8–10 секунд): одна конкретная боль заказчика (ошибки в планировке кухни, скрытые переплаты за плитку, выбор сценариев освещения, чертежи розеток).
  2. Бесплатная студийная озвучка и клонирование голоса в Fish Audio: сервис мгновенно клонирует тембр по короткому аудио и отдает аудиодорожку с точными таймкодами.
  3. AI-агент со скиллом «Grafika Director»: принимает субтитры с таймингами и автоматически режиссирует динамический видеоряд без людей в кадре (только чистая векторная графика, планировки, проценты и акцентные плашки).
  4. Nano Banana 2: генерирует визуальную раскадровку (storyboard sheet) в фирменной палитре студии с соблюдением безопасных зон (Safe Zones).
  5. Gemini Omni Flash: превращает раскадровку в цельный видеоролик с плавным кинематографичным морфингом элементов без рассинхрона со звуком.

🎙️ Этап 1. Fish Audio: бесплатная озвучка и клонирование голоса

Большинство платформ синтеза речи (ElevenLabs и аналоги) требуют ежемесячной подписки и жестко лимитируют символы. Сервис Fish Audio предлагает передовые нейросетевые модели голоса на русском и английском языках с бесплатным тарифом и высокой эмоциональной выразительностью.

Как клонировать свой голос и получить дорожку:

  1. Зарегистрируйтесь на платформе fish.audio.
  2. Откройте раздел Voice Clone (Клонирование голоса).
  3. Загрузите аудиозапись вашего голоса (достаточно 15–30 секунд чистой речи, записанной на диктофон смартфона в тихой комнате без эха).
  4. Вставьте текст сценария вашего ролика (до 10 секунд речи).
  5. Настройте интонацию и сгенерируйте готовый аудиофайл.
  6. Скачайте файл и сохраните точные таймкоды фраз (или экспортируйте субтитры SRT).

Золотое правило динамики: В коротких видео одна смысловая фраза не должна длиться дольше 1.5–2 секунд. Для 8–10 секундного видео оптимально иметь 5–6 плотных смысловых акцентов.

🤖 Этап 2. Скилл для AI-агента: «Grafika Director»

Чтобы не придумывать моушен-дизайн с нуля вручную, мы используем готовый скилл Grafika Director. Он анализирует ваши субтитры с таймкодами и формирует два готовых технических промпта:

  • JSON-промпт для Nano Banana 2 (генерирует эталонный лист раскадровки).
  • Директивный промпт для Gemini Omni Flash (анимирует видео поверх ваших рендеров с морфингом элементов).

Скопируйте этот скилл и подключите его к вашему AI-агенту (Antigravity, Claude Code, Cursor или пользовательский GPT в ChatGPT):

ПРОМПТ ДЛЯ ГЕНЕРАЦИИ
---
name: grafika-director
description: Turns timed captions (subtitles with timestamps) for a short VOICE-OVER-ONLY video (up to 10 seconds) into a ready motion-design storyboard for Nano Banana 2 and an animation prompt for Gemini Omni Flash — NO person on screen, pure voice-over motion graphics. Seven brand styles to choose from (asked in two short rounds — category, then specific style — see Step 0 and the palette table in Step 2b), plus a choice of vertical (9:16) or horizontal (16:9) orientation with matching safe-zone rules (see Step 2a). MUST activate this skill when the user's message starts with the word "animation" and includes captions or subtitles with timecodes. The skill analyzes the meaning of each phrase, invents a logical sequence of compositions and infographics to match the words, and outputs two ready-to-use prompts — one for generating a storyboard reference image, the other for animating that storyboard onto real footage in Omni Flash.
---

# Grafika Director — voice-over motion-design storyboard generator for timed captions

## What this skill does
The user sends timed captions for a short voice-over video (up to 10 seconds), with timestamps. There is NO person on screen in this video — only a voice-over and clean motion graphics on screen. The skill:
1. Asks a short round of setup questions (style category, style, orientation 9:16 vs 16:9, standalone vs series part).
2. Analyzes the text by meaning and timing.
3. Invents a logical storyboard — which composition/infographic/number/diagram appears under which words.
4. Outputs a prompt for Nano Banana 2 — generating a storyboard reference image (one sheet with panels).
5. Outputs a prompt for Gemini Omni Flash — animating the video according to that storyboard.

## Trigger
Activates when a message starts with the word "animation" and contains timed captions (text with timestamps, in any format — SRT, VTT, or a plain list of phrases with times).

## Core Rules:
- Hard anchor: NO people, NO presenter, NO faces, NO silhouettes anywhere in any panel — pure motion graphics only.
- Safe zone vertical (9:16): All content in top 70% of screen, bottom 30% always empty (Instagram/TikTok UI safe zone).
- Safe zone horizontal (16:9): Content in center 80%, left/right 10% empty, bottom 15% empty.
- Max 6 panels per 8-10 seconds. Never more than 6 panels.
- No panel static for >1.5-2 seconds without a visual event change.
- Hard rule: NO panel may be text-only. Every panel must include an icon, number, diagram, timeline, or visual metaphor beyond caption text.
- Text-on-panel rule: All text in ONE zone only (top only or center only) to eliminate duplicate text bugs.
- Always end Omni Flash prompt with: "Keep my original audio exactly as it is."

## Style Palettes:
1. Graphite + Warm Gold: background deep graphite #0E0E10, warm gold #C6A461 accents, cream white text. Soft warm glow, faint gold particle dust, thin gold borders.
2. Emerald Editorial: near-black with green undertone #0D1210, emerald green #3ECF8E accents, soft white text. Editorial, biophilic architecture mood.
3. Ice Blue: dark navy graphite #0A0E14, cool ice blue #5EC8FF accents, cool white text. Clean tech, blueprint minimalism.
4. Yellow-Black: pure jet black #000000, bright lemon yellow #F2E400 accents, clean white text. High contrast, punchy design advice.
5. Coral Punch: neutral black #141414, coral orange #FF6B4A accents, warm white text. Warm, human, cozy interiors.
6. Ultraviolet: deep violet-black #12081C, soft lilac #B47CFF accents, pale lavender white text. Modern art-deco, creative interior studios.
7. Mono Red Alert: near-black #0E0E0E, saturated red #E8402C accents, clean white text. Critical renovation mistakes and budget alerts.

## Composition Types:
- FULLSCREEN KEY WORD: Hook or hero word filling frame, soft glow in accent color.
- ICON CASCADE: Card with icon replaces card with icon under each word.
- NUMBER HERO: Giant number filling frame, caption above, thin progress arc in accent color.
- SPLIT CHOICE: Screen splits into two halves (good/bad, do/don't), active side glowing accent, inactive dimmed grey.
- TIMELINE / PROGRESS: Horizontal timeline with stage dots (step 1 → step 2 → step 3), running progress fill.
- FULLSCREEN CONTENT / DIAGRAM: Architectural layout, diagram, comparison, blueprint infographic.