Как я собираю коммерческие видео из изображения в ComfyUI с Krea 2 и LTX 2.3

Пара слов о задаче, которая решает рутину

Когда я впервые увидела этот рабочий процесс, у меня сразу возникло чувство, знакомое любому человеку, который часто делает визуалы для магазина, соцсетей и коротких роликов: хочется получить картинку и быстро собрать из неё несколько рабочих вариантов для продажи. Здесь особенно интересна связка Krea 2 Depth ControlNet LoRA и LTX 2.3 Product Commercial LoRA. Первая часть удерживает форму кадра через карту глубины, вторая добавляет рекламную подачу, движение камеры и ощущение готового ролика для товара. Для меня это особенно полезно, потому что в ежедневной работе с промо-материалами скорость перебора вариантов решает очень многое.

Заодно скажу о вещи, которой я сама пользуюсь постоянно, когда надо не распыляться между десятком сервисов. Мне удобно держать такие задачи в одном месте через бот SozdavAI: там собраны нейросети для текста, фото и видео, а не разбросаны по отдельным подпискам. Это экономит и время, и деньги, потому что я не прыгаю между вкладками и не ищу, где и что оплачено. После этого возвращаюсь к теме без лишних кругов: в этом рабочем процессе важна связка изображение — карта глубины — рекламный ролик, которая подходит для задач магазина, карточек товара и коротких объявлений.

Что делает Krea 2 Depth ControlNet LoRA

Первая часть схемы завязана на Krea 2 Depth ControlNet LoRA. Она берёт исходное изображение и работает с картой глубины так, чтобы новая картинка сохраняла общую форму, объём и композицию источника. Я бы описала это очень просто: вы даёте системе опору, а она уже перестраивает детали вокруг этой опоры. Если взять фото блюда, упаковки или любого предмета, можно получить новый вариант с тем же силуэтом, но с другим содержимым и другой подачей.

Здесь важна сила воздействия. При значении около 0.8 система уже начинает позволять себе больше свободы, а при 1.0 она почти буквально повторяет форму карты глубины. Для коммерческой работы это полезно, когда нужно точно удержать композицию. Если ослабить контроль, можно уйти в более фантазийный стиль и при этом не потерять саму основу кадра. Я часто вижу, что такой режим удобен для тех случаев, когда из одного товарного фото нужно быстро сделать несколько настроений без полной пересборки сцены.

Как это выглядит в рабочем процессе

Схема здесь довольно понятная. Вы загружаете изображение, формируете карту глубины, подаёте её в обработку через Krea 2 ControlNet LoRA и дальше получаете новую генерацию. Внутри ComfyUI автор использует отдельный узел для этой LoRA, а также собственный узел для кодирования управляющего изображения. Это не старый способ, где ControlNet подключается по привычной схеме через отдельную подачу в модель. Здесь всё завязано на LoRA-модуль и его обработку в цепочке.

Мне нравится, что у такого подхода есть несколько способов загрузки исходника. Можно брать файл из папки, можно подставлять адрес изображения, можно загружать обычным способом. Для рабочего дня это удобно, потому что у вас не ломается процесс, если источник лежит в разных местах. Я бы сказала, что это хорошо подходит тем, кто собирает много однотипных креативов и не хочет каждый раз вручную выстраивать одну и ту же схему с нуля.

Зачем здесь LTX 2.3 Product Commercial LoRA

Вторая часть связки — LTX 2.3 Product Commercial LoRA. Она нужна не для абстрактного движения ради движения, а для рекламной подачи. Здесь появляются движения камеры, более «продающая» динамика, смена ракурсов и тот самый темп, который подходит для короткого ролика о товаре. Это особенно хорошо работает, когда у вас уже есть первый кадр или несколько ключевых кадров, а потом вы хотите превратить их в ролик с ощущением съёмки для магазина или кампании.

Для меня это не игрушечный сценарий. В реальной работе с электронной торговлей и промо-кампаниями такие ролики нужны постоянно. Нужны варианты для карточки товара, для ленты, для короткой вертикальной подачи. И вот здесь у LTX 2.3 важны и сам визуальный стиль, и ритм, потому что он помогает удержать внимание в пределах тех самых 15-20 секунд, которые в этом формате чаще всего работают лучше всего.

Где берётся характер ролика

У этой LoRA есть три вещи, на которые я бы обратила внимание в первую очередь: триггерное слово, рекомендуемая сила и назначение. В описании модели указывается, что сила около 0.85 подходит для коммерческой подачи. Именно это значение автор и использует в рабочем процессе. Если говорить по-простому, то LoRA задаёт характер ролика: она делает его похожим на рекламную съёмку с движением камеры и товарной фокусировкой.

Ещё один важный момент — эта модель не ограничивается предметами. Её можно применять и к человеку, и к сценам с персонажами, и к кадрам, где нужно передать стиль места, кафе или поездки. Я проверяла похожие схемы в собственных промо-задачах и могу сказать, что это расширяет пространство для коммерческого видео, особенно если у вас не один товар, а целая серия похожих визуалов.

Как связаны карта глубины и рекламный ролик

Самая сильная часть этого подхода — связка двух этапов. Сначала вы создаёте ключевой кадр через Krea 2 Depth ControlNet LoRA. Потом этот кадр идёт в LTX 2.3, где уже появляется рекламная динамика. Это позволяет не начинать каждый раз с пустого места. У вас уже есть основа, у неё есть форма, а затем вы подаёте её в роликовую сборку, чтобы получить законченную подачу.

В описанном процессе отдельно подчёркивается, что один и тот же исходный кадр можно использовать для нескольких вариантов ролика. Это очень полезно, если нужно протестировать разные тексты, разный ритм и разные акценты. Я сама часто думаю об этом как о вариациях одного и того же костяка: картинка остаётся узнаваемой, а подача меняется в зависимости от задачи бренда. Такой подход особенно удобен для коротких вертикальных форматов, где кадр должен быстро сообщать всё главное.

Почему сила воздействия так влияет на результат

Если карта глубины действует слишком жёстко, изображение повторяет исходник почти один в один. Если ослабить влияние, появляются неожиданные элементы, а композиция начинает жить свободнее. В этом и есть пространство для эксперимента. Для предметной сцены это позволяет не застревать в буквальном повторении. Для рекламного ролика это даёт шанс сделать кадр более выразительным, если вам нужен не каталоговый вид, а образ с характером.

В примере с блюдом, которое использовалось как исходник, видно именно это: форма сохраняется, но содержимое может стать более стилизованным. С точки зрения коммерческого ролика это полезно, потому что вы можете брать одну и ту же композицию и получать разные визуальные состояния под разные задачи. Иногда это выглядит чуть необычно, но такая гибкость и делает схему рабочей.

Как я бы использовала это в задачах для магазина и соцсетей

Если смотреть с практической стороны, то здесь удобно строить цепочку так: сначала вы берёте фото товара, потом формируете ключевой кадр, после этого накидываете рекламную подачу и получаете короткий ролик. Такой сценарий особенно хорош для еды, напитков, упаковки, косметики и локальных брендов, которым нужно быстро тестировать разные варианты подачи. Для одного товара можно сделать несколько настроений: более чистое, более яркое, более динамичное, более премиальное.

Мне нравится, что вся схема не требует превращать процесс в театральную постановку. Вы не гонитесь за абстрактным красивым движением, а собираете практичный результат. И это как раз тот случай, когда нейросети помогают не ради эффекта, а ради регулярной производительности. Для меня это и есть сильная сторона такого рабочего процесса: он помогает не выдумывать работу, а быстрее закрывать её.

Когда я разбираю подобные схемы для себя, я всегда держу под рукой заметки и короткие примеры, чтобы потом не терять удачные настройки. Если вам интересно дальше разбирать подобные рабочие процессы с нейросетями и собирать собственные креативные пайплайны, загляните в мой канал «AI VISIONS».

Как я настраиваю сборку, чтобы ролик не разваливался на этапе генерации

Если я собираюсь крутить такие задачи регулярно, мне важно заранее убрать мелкие трения. Для оплаты нейросетей я пользуюсь Wanttopay: пополняемыми виртуальными картами Visa и Mastercard с 3D-Secure, которые удобно управляются через мини-приложение в Телеграме. Для меня это просто вопрос спокойной работы, без лишней возни в момент, когда нужно быстро проверить ещё один вариант кадра или докрутить ролик до нужного вида.

В самой сборке я обращаю внимание и на модель, и на то, как подаются исходные данные. Здесь очень помогает аккуратная связка узлов: сначала источник, потом карта глубины, потом управляющий модуль, потом уже роликовая часть. Если пропустить порядок или подать изображение не в том виде, результат начинает «плыть» уже на старте. А когда схема собрана чисто, у вас меньше шансов получить случайный сдвиг композиции или странную динамику камеры.

Что я проверяю перед запуском

Первое, что я смотрю, — насколько исходное изображение подходит для построения глубины. Слишком перегруженный фон может дать грязную карту, а слишком плоский кадр делает итог менее выразительным. Поэтому я бы советовала брать такие изображения, где предмет или сцена читаются без лишнего шума. Это особенно важно, если вы хотите потом использовать один и тот же кадр как основу для нескольких версий ролика.

Второй момент связан с последовательностью. Если вы делаете короткие коммерческие видео, не стоит сначала пытаться выжать всё из роликовой части, а уже потом думать о качестве основы. Здесь логика обратная: чем чище базовый кадр, тем спокойнее ведёт себя ролик. Я сама не раз замечала, что на этом этапе экономится больше всего времени. Не в генерации как таковой, а в количестве повторов.

Какие ошибки я бы убрала в первую очередь

Самая частая ошибка — слишком жёстко держаться за исходное фото. Когда карта глубины и управляющая часть работают одновременно, хочется заставить систему повторить всё до мелочей. Но в коммерческом видео это не всегда нужно. Иногда кадр выигрывает, если он чуть свободнее, с небольшим запасом на движение и перестройку формы. Тогда ролик выглядит живее и не производит впечатление механической копии.

Вторая ошибка — перегружать сцену деталями, которые не помогают товару. Если в кадре слишком много второстепенных элементов, рекламная подача теряет фокус. Мне это особенно заметно в тестах с предметами, где важна чистая демонстрация формы. Чем точнее вы понимаете, что должно продавать кадр, тем легче собрать результат без визуального шума.

Третья ошибка — ждать от одной настройки универсального решения. На практике один и тот же рабочий процесс даёт разные результаты в зависимости от типа объекта. Упаковка, еда, техника, интерьерный предмет ведут себя по-разному. Поэтому я всегда оставляю место для двух-трёх пробных проходов. Это не растягивание процесса, а нормальная рабочая проверка.

Как я бы выстроила тесты для коммерческого проекта

Я бы начала с одного базового изображения и сделала несколько коротких проходов. Один вариант — с более строгим удержанием формы. Второй — с чуть большей свободой для композиции. Третий — с акцентом на более активную подачу, если задача требует заметного движения. Так проще понять, где предмет выглядит убедительно, а где ролик уже уходит в лишнюю эффектность.

Если у вас серия товаров, этот подход особенно полезен. Вы не пересобираете всё вручную под каждый кадр, а проверяете, как один рабочий принцип ведёт себя на разных исходниках. Для меня это и есть удобство подобных схем: они дают не один красивый результат, а понятный способ быстро получать несколько пригодных вариантов под разные площадки.

Почему эта связка хорошо подходит для коротких коммерческих форматов

Короткий ролик требует очень точной подачи. Там нет времени объяснять кадр долго, и любое лишнее движение сразу заметно. Поэтому связка из глубины и рекламной LoRA хорошо ложится на такие задачи. Она помогает удержать предмет в центре внимания и при этом добавить ту самую динамику, которая делает ролик живым, а не статичной витриной.

Мне нравится ещё и то, что такой подход легко масштабировать под реальные рабочие задачи. Сегодня это карточка товара, завтра — вертикальная лента, послезавтра — тест для другой упаковки. Вы не меняете саму логику сборки, только подставляете новый исходник и корректируете подачу. В повседневной работе это ценится выше любых красивых обещаний.

Что в итоге даёт этот способ

Если собрать всё вместе, получается практичный инструмент для тех случаев, когда нужно быстро превратить одно изображение в несколько пригодных коммерческих вариантов. Krea 2 Depth ControlNet LoRA держит форму и композицию, LTX 2.3 Product Commercial LoRA добавляет роликовую подачу, а ComfyUI позволяет собрать это в понятную цепочку без лишней суеты.

Я бы описала такой рабочий процесс как аккуратную сборку, где каждый слой отвечает за своё. Не нужно гадать, почему кадр уехал или почему ролик потерял товарный акцент. Если всё настроено правильно, вы получаете предсказуемый результат и можете быстро двигаться дальше, не застревая на бесконечных переделках.

Для меня в этом и есть главная ценность схемы: она показывает красивую генерацию и помогает делать работу быстрее и ровнее. А когда у вас есть такой повторяемый процесс, коммерческие видео перестают быть хаотичной задачей и становятся обычным рабочим инструментом.

А ещё приглашаю тебя в мою AI Лабораторию на Boosty — там я регулярно выкладываю уроки по инструментам для работы с видео и изображениями, делюсь промптами, которыми пользуюсь сама, и делаю разборы видео: рассказываю, как создавать с нуля. Подписывайтесь!