Примечание автора: сравниваем два способа добавить субтитры к видео, сгенерированному ИИ: «прожечь» их в кадр через промпт Seedance или сделать транскрипцию аудиодорожки готового ролика. Разбираем, какие субтитры можно править и переводить и на какой части расходов реально сэкономит смена видеомодели.
Многие запускают видеоинтерфейс на APIYI, и спотыкаются не о качество картинки, а о субтитры в готовом ролике. Типичная логика такая: Seedance за один ролик слишком дорогой, значит, нужно перейти на Grok, Hailuo или Wan, а заодно найти модель, которая «сразу сделает субтитры». Сразу главный вывод: редактируемые субтитры не получить напрямую от видеомодели; если субтитры нужно править и переводить, делайте транскрипцию аудиодорожки готового ролика.
Ни одна из видеомоделей, доступных сейчас на платформе, не отдаёт редактируемый файл субтитров как результат генерации. Seedance умеет вжигать текст в пиксели кадра, если писать промпт по схеме из «Руководства по промптам для серии Seedance 2.0» от Volcano Engine. Но то же руководство признаёт: если в промпте про субтитры ничего не сказано, в ролике они всё равно могут появиться, и убрать их со 100% гарантией нельзя. На страницах Wan3.0, Wan2.7, HappyHorse, MiniMax H3, Oxygen и Grok Imagine речь идёт только об аудиодорожке или генерации, управляемой звуком, а параметров для субтитров нет вообще. Поэтому более дорогая видеомодель проблему субтитров не решит.
Это не компромиссный разбор в духе «у каждого свои плюсы». Мы сравниваем только два пути: прожиг субтитров через промпт и транскрипцию после генерации, а затем сразу даём выбор для трёх типичных сценариев. Все упомянутые видеомодели вызываются через APIYI (apiyi.com), актуальные версии и цены смотрите в списке моделей на платформе.
Главная польза: после прочтения вы сможете принять два решения. Первое: стоит ли требовать в промпте вжигать субтитры в этот ролик. Второе: на какую модель переходить, если хочется сэкономить.
Субтитры в AI-видео: звуковая дорожка — это ещё не субтитры
Прежде чем обсуждать, как добавлять субтитры к видео, сгенерированному ИИ, нужно развести два понятия: «звук» и «субтитры». Видеомодель генерирует реплики, звуковые эффекты и картинку одновременно, и на выходе получается звуковая дорожка, встроенная в готовый ролик. Если в дорожке есть реплики, это ещё не значит, что в ролике есть субтитры. Даже если текст появился в кадре, но он «запечён» в пиксели, это просто часть изображения, а не отдельная дорожка субтитров.
В этой статье «пригодными субтитрами» мы называем те, что одновременно удовлетворяют трём условиям. Во-первых, текст правильный: без опечаток, пропущенных слов и «кракозябр» на месте редких иероглифов. Во-вторых, время появления текста совпадает с репликами. В-третьих, текст можно потом отредактировать и перевести на другой язык. Текст, запечённый в пиксели, в лучшем случае выполняет первые два условия, а третье не выполнит никогда: чтобы исправить одну опечатку, придётся перегенерировать весь ролик, и для английской версии — тоже.
Руководство по промптам от Volcano Engine (火山引擎) исходит из того же подхода: «субтитры» там описаны как один из видов текста в кадре и стоят в одном разделе с рекламными слоганами и репликами в облачках. В руководстве нет ни SRT, ни VTT, ни отдельной дорожки субтитров. Если это понять, вопрос «у какой видеомодели субтитры лучше?» можно сформулировать иначе: вам нужен текст на картинке или редактируемый файл субтитров?
2 способа добавить субтитры к AI-видео: главные различия
Разница между двумя путями не в качестве картинки и не в классе модели, а в том, где в итоге хранятся субтитры. Первый путь «зашивает» их в пиксели, второй сохраняет в отдельный файл. В таблице ниже сравниваем оба по трём критериям «рабочих субтитров».
| Критерий сравнения | Путь 1: субтитры, вшитые через промпт | Путь 2: транскрибация аудиодорожки готового видео | Победитель |
|---|---|---|---|
| Точность текста | Зависит от генерации моделью; в руководстве советуют использовать частотные слова и избегать редких иероглифов и спецсимволов | Берётся из распознавания речи на аудиодорожке, можно вычитать вручную | Путь 2 |
| Синхронизация с репликами | В промпте можно написать «полностью синхронно с ритмом аудио», но результат — как повезёт с генерацией | Выравнивается по таймкодам транскрибации или в монтажной программе, можно подправить | Путь 2 |
| Правка текста и перевод после генерации | Нельзя: чтобы изменить текст, придётся перегенерировать всё видео | Можно: достаточно поправить файл, а ещё можно выпустить версии на разных языках | Путь 2 |
| Поддерживаемые модели | Эту возможность описывает только официальное руководство Seedance | Подходит любое готовое видео с аудиодорожкой | Путь 2 |
| Дополнительные шаги | Нет, субтитры сразу в готовом видео | Нужен сервис транскрибации или монтажная программа | Путь 1 |
| Если субтитры не нужны | Официально заявлено, что нельзя на 100% исключить появление лишних субтитров | Такой проблемы нет | Путь 2 |
Путь первый: прожиг субтитров через промпт Seedance
Среди доступных моделей линейки Seedance — единственная, в чьём официальном руководстве по промптам одновременно написано, что она «умеет делать субтитры» и что она «может выдавать лишние субтитры». В разделе о генерации текста сказано, что модель поддерживает генерацию часто используемых слов. Для них можно задать цвет, стиль, способ появления, время и место на экране. Подходит это для рекламных слоганов, субтитров и текстовых «пузырей». Учтите: руководство называется «серия 2.0» и отдельно не говорит, что у версии 2.5 возможности по субтитрам другие. Поэтому писать, что прожиг субтитров — эксклюзивная фишка 2.5, нельзя.
В таблице собраны формулировки из официального руководства, связанные с субтитрами. По ним можно прямо составлять промпты:
| Задача | Формулировка из официального руководства | На что обратить внимание |
|---|---|---|
| Задать содержимое субтитров | «Внизу кадра появляются субтитры, содержимое субтитров: «……», субтитры должны полностью совпадать с ритмом аудио» | Лучше использовать частотные иероглифы |
| Субтитры по репликам | «Внизу кадра появляются субтитры согласно репликам», «Внизу кадра появляются субтитры с соответствующими репликами» | На выходе всё равно пиксельный текст, файла с таймлайном нет |
| Без субтитров | «Оставить без субтитров», «Избегать генерации любого текста или субтитров» | Официально заявлено, что избежать их на 100% пока нельзя |
| Стиль текста | Можно задать цвет, стиль, способ появления, время и положение | Избегайте редких иероглифов и спецсимволов |
Плюс этого пути в том, что дополнительных этапов нет: видео сразу получается с текстом. Это удобно для коротких вертикальных роликов на площадках с короткими видео. Минус тоже очевиден: если в субтитрах ошибка, остаётся только перегенерировать, и каждая попытка до удачной стоит денег. Нужна версия на другом языке — снова генерируйте с нуля.
С вызовом через API тоже есть несколько подводных камней. Когда создаёте токен в консоли APIYI (apiyi.com), выберите группу SeeDance2 (коэффициент 0.18x). Режим оплаты должен быть «сначала по факту использования» или просто «по факту использования». Обращайтесь к эндпоинту /seedance/api/v3/..., а не к /v1/videos: на специальной странице сказано, что через универсальный эндпоинт разрешение передаётся неверно, а деньги списываются по реально сгенерированному видео. И ещё: параметр generate_audio по умолчанию равен true, поэтому для видео без звука его нужно явно передать как false.
Путь второй: транскрибация звуковой дорожки готового ролика и субтитры к AI-видео
В постобработке роли распределены чётко: видеомодель выдаёт только готовый ролик со звуковой дорожкой, а субтитрами занимается отдельный сервис транскрибации или программа для монтажа. На выходе получается файл субтитров с временной шкалой, и дальше его можно использовать двумя способами. Первый — вшить субтитры в картинку, если площадка не поддерживает внешние субтитры. Второй — распространять их вместе с видео отдельным файлом (sidecar): плеер сможет включать и выключать субтитры или переключать язык.
Выбирая сервис транскрибации, обратите внимание на его текущий статус. В руководстве OpenAI по преобразованию речи в текст для транскрибации файлов сейчас рекомендуется gpt-transcribe. Интерфейс — POST /v1/audio/transcriptions, в ответе приходят текст и определённый язык, а размер одного файла ограничен 25 МБ. Примеры с пословными и пофразовыми временными метками по-прежнему опираются на параметр timestamp_granularities модели whisper-1, и поддерживает его только whisper-1. Модели whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe и некоторые другие помечены как устаревшие, дата отключения — 2027-02-26.
И ещё один момент. В сводной таблице моделей APIYI на 2026-11-10 15:40 нет ни whisper-1, ни gpt-transcribe. Этот этап постобработки не входит в список видеомоделей, о которых речь в этой статье, поэтому его нужно выполнять через отдельный сервис транскрибации или встроенное распознавание речи в программе для монтажа. Выравнивание по временной шкале тоже можно отдать монтажной программе, а от транскрибации требуется только точно распознать текст.
Возможности генерации субтитров у видеомоделей, доступных на платформе
В таблице собрано, что страницы видеомоделей пишут о звуке и субтитрах. Столбец «Параметр субтитров» заполнен по результатам полнотекстового поиска по всем страницам на 2026-11-11. Искали по словам «субтитры», SRT, «вшитые субтитры» и «дорожка субтитров».
| Серия | ID модели | Звук (как описано на странице модели) | Параметр субтитров | Ключевые моменты вызова |
|---|---|---|---|---|
| Seedance | doubao-seedance-2-5-260628, doubao-seedance-2-0-260128, doubao-seedance-2-0-fast-260128, doubao-seedance-2-0-mini-260615 |
generate_audio включён по умолчанию |
Файла субтитров нет; можно вшить их промптом по руководству Volcano Engine | Группа SeeDance2, маршрут /seedance/api/v3/... |
| Wan3.0 | wan3.0-video, wan3.0-video-prime |
audio по умолчанию true, в результате сразу есть аудиодорожка |
Нет | Отправка на /wan/api/v1/services/aigc/video-generation/video-synthesis с заголовком X-DashScope-Async: enable |
| Wan2.7 | wan2.7-t2v, wan2.7-i2v, wan2.7-r2v, wan2.7-videoedit |
Только wan2.7-i2v поддерживает driving_audio для lip-sync |
Нет | Только 720P / 1080P, длительность 2–15 секунд |
| HappyHorse 1.1 | happyhorse-1.1-t2v, happyhorse-1.1-i2v, happyhorse-1.1-r2v, happyhorse-1.0-video-edit |
Изображение-в-видео не поддерживает driving_audio, диалог по умолчанию на странице модели не упомянут |
Нет | Длительность 2–15 секунд, для lip-sync нужно переходить на Wan2.7 |
| MiniMax H3 | MiniMax-H3 |
Встроенная стереодорожка, отключить нельзя | Нет | Доступно только 768P, маршрут /hailuo/v2/video_generation |
| Oxygen | oxygen-1.0 |
В готовом ролике есть аудиодорожка | Нет | Совместимость с OpenAI Videos, POST /v1/videos |
| Grok Imagine | grok-imagine-video, grok-imagine-video-1.5, grok-imagine-video-1.5-lite |
Аудиодорожка по умолчанию; отключение звука цену не снижает | Нет | Нужно подключить группу GrokOfficial |
Главный вывод из таблицы: ни на одной странице, кроме Seedance, про субтитры ничего не сказано. Поэтому нельзя предполагать, что остальные модели тоже умеют выводить субтитры по промпту. Все перечисленные модели можно вызывать на APIYI (apiyi.com) с одного аккаунта. Точные версии моделей и доступные группы смотрите в списке моделей на платформе.
Несколько деталей стоит разобрать отдельно. driving_audio в Wan2.7 заставляет губы двигаться в такт аудио. Это lip-sync, к субтитрам он отношения не имеет. Рекомендация со страницы самой модели такая: если нужен lip-sync по аудио, берите 2.7, а если нужны аудиодорожка по умолчанию, большая длительность и цена пониже, берите Wan3.0. MiniMax H3 на APIYI работает как самостоятельно развёрнутая модель с открытыми весами, а не как проксирование официального API. Её аудиодорожку не отключить: если передать generate_audio=false, вернётся ошибка 400 с полем unsupported field generate_audio. Запрос с разрешением 2K тоже будет отклонён.
Три модели Grok Imagine — особый случай: на отдельной странице цена указана, но в сводной таблице моделей от 2026-11-10 15:40 этих трёх строк нет. Это не значит, что модели не добавили в каталог. Перед вызовом нужно проверить в консоли, что группа GrokOfficial подключена.
Субтитры в AI-видео и стоимость ролика: на чём экономит смена модели
Субтитры от видеомодели не зависят, так что сменой модели можно сэкономить только на стоимости генерации самого ролика. Ниже сравнение по цене из документации для одного и того же 5-секундного ролика. Сразу оговорюсь: разрешение в разных строках разное, поэтому таблица подходит только для сравнения затрат. Сравнивать по ней качество картинки одного и того же ролика нельзя.
| ID модели | Разрешение | Длительность | Эталонное видео | Цена по документации | Источник цены | Дата данных |
|---|---|---|---|---|---|---|
oxygen-1.0 |
480p или 768p (одна цена) | 5 с | Не включено | $0.10 | Цена за секунду на странице модели × 5 | Сверено по странице модели 2026-11-11 |
grok-imagine-video-1.5-lite |
480p / 720p | 5 с | Не включено (входное изображение не тарифицируется) | $0.10 / $0.15 | Цена за секунду на странице модели × 5 | Сверено по странице модели 2026-11-11 |
wan3.0-video |
480P / 720P / 1080P | 5 с | Не включено | $0.147 / $0.294 / $0.588 | Итоговая цена за 5 секунд на странице модели | Сверено по странице модели 2026-11-11 |
MiniMax-H3 |
768P | 5 с | Не включено | $0.15 | Страница модели | Сверено по странице модели 2026-11-11 |
grok-imagine-video |
480p / 720p | 5 с | Не включено (входное изображение не тарифицируется) | $0.25 / $0.35 | Цена за секунду на странице модели × 5 | Сверено по странице модели 2026-11-11 |
wan2.7-* |
720P / 1080P | 5 с | Не включено | $0.42 / $0.70 | Итоговая цена за 5 секунд на странице модели | Сверено по странице модели 2026-11-11 |
doubao-seedance-2-0-mini-260615 |
720p | 5 с | Не включено | $0.4508 | Прайс-лист на странице модели | Сверено по странице модели 2026-11-11 |
happyhorse-1.1-* |
720P / 1080P | 5 с | Не включено | $0.63 / $1.12 | Итоговая цена за 5 секунд на странице модели | Сверено по странице модели 2026-11-11 |
doubao-seedance-2-0-fast-260128 |
720p | 5 с | Не включено | $0.7253 | Прайс-лист на странице модели | Сверено по странице модели 2026-11-11 |
doubao-seedance-2-0-260128 |
720p | 5 с | Не включено | $0.9074 | Прайс-лист на странице модели | Сверено по странице модели 2026-11-11 |
grok-imagine-video-1.5 |
1080p | 5 с | Не включено (входное изображение не тарифицируется) | $1.25 | Цена за секунду на странице модели × 5 | Сверено по странице модели 2026-11-11 |
doubao-seedance-2-5-260628 |
720p | 5 с | Не включено | $1.3721 | Прайс-лист на странице модели (расчёт идёт по площади, умноженной на длительность, поэтому отклонение в ±5% — это нормально) | Сверено по странице модели 2026-11-11 |
При одинаковых условиях — 720p, 5 секунд, без эталонного видео (сверено по странице модели 2026-11-11) — Seedance 2.5 за $1.3721 стоит примерно в 4,7 раза дороже, чем wan3.0-video за $0.294, и примерно в 3,0 раза дороже, чем mini за $0.4508. Эта разница говорит только о стоимости готового ролика, но не о том, что субтитры получаются лучше. Кроме того, в одном из FAQ на странице модели цена 2.5 немного расходится с прайс-листом, поэтому в этой статье я ориентируюсь на прайс-лист.
В сводной таблице есть несколько ячеек, которые легко прочитать неправильно. Ячейки Seedance показывают базовую цену за миллион токенов, без группового коэффициента 0.18. Это не стоимость одного видео в долларах. У wan3.0-video в сводной таблице только одна ячейка с ценой за секунду, и она относится к 480P, а не ко всем разрешениям. У HappyHorse в таблице указана базовая цена по объёму, а не цена за секунду. Чтобы посчитать стоимость по секундам, нужно смотреть отдельную страницу модели. Сверять цены лучше всего по списку моделей на APIYI apiyi.com вместе с поуровневыми ценами на страницах конкретных моделей.
Рекомендации по субтитрам для AI-видео
Сценарий 1: субтитры, которые нужно править и переводить
Сюда относятся обучающие ролики, демо продукта и всё, что выпускается в нескольких языковых версиях. Субтитры в таких видео рано или поздно придётся менять: клиент найдёт опечатку, нужно будет унифицировать термины, маркетологам понадобится английская версия. Единственный надёжный путь — расшифровка (транскрибация) на постобработке, а видеомодель отвечает только за готовый ролик со звуковой дорожкой.
В этом сценарии модель выбирают по требованиям к картинке и бюджету, а субтитры на выбор не влияют. Важно: в готовом ролике не должно быть случайных вшитых субтитров, иначе постобработанные субтитры наложатся на текст в кадре. Если вы используете Seedance, добавьте в промпт ограничение «без субтитров». Если другую серию, то на её странице возможность работы с субтитрами не заявлена, и после генерации всё равно стоит проверить кадр.
Сценарий 2: в коротком видео нужна только строка с репликами внизу, и можно перегенерировать
Если вы делаете короткие вертикальные ролики для платформ, вам хватает одной строки с репликами внизу, и вас устраивает, что иногда будут ошибки и придётся перегенерировать, можно обойтись одним Seedance и записать вшитые субтитры по шаблону Volcano Engine. В промпте чётко пропишите текст субтитров и требование синхронизироваться с ритмом аудио. Используйте распространённые иероглифы, избегайте редких знаков и спецсимволов.
Имейте в виду: это нестабильный способ для сдачи работы. Если в субтитрах попалась ошибка, перегенерация означает ещё одну оплату за ролик. Поэтому сначала отладьте промпт на mini или fast, и только когда написание субтитров станет стабильным, переходите на более высокий уровень. Не берите сразу 2.5 ради эффекта субтитров.
Сценарий 3: в готовом ролике не должно быть никаких субтитров
Брендовые ролики, материалы для повторного монтажа, исходники под многоязычные субтитры на постобработке — всем им нужна чистая картинка. Если вы используете Seedance, в промпте обязательно напишите «сохранять без субтитров» и «избегать генерации любого текста или субтитров». Заодно уберите текст с эталонных изображений или эталонных видео и по возможности генерируйте горизонтальное видео. В официальном руководстве сказано, что в горизонтальном формате лишние субтитры появляются заметно реже, чем в вертикальном. В вертикальном случае проблему потом исправляют обрезкой при монтаже.
Даже если выполнены все три условия, по официальным данным, полностью исключить субтитры нельзя. Поэтому после генерации обязательно проверяйте результат вручную. В проектах с очень жёсткими требованиями к чистоте кадра заранее оставляйте в композиции запас под обрезку.
Рекомендации по выбору подхода к субтитрам в AI-видео
Сожмём всё сказанное выше в одну таблицу решений. Когда будете работать с конкретным роликом, просто сверяйтесь с ней:
| Что вам нужно | Какой путь | Направление по видеомодели | Чего не делать |
|---|---|---|---|
| Субтитры нужно править, переводить и синхронизировать по времени | Путь 2: расшифровка при постобработке | Выбирайте по картинке и бюджету, главное — чтобы была аудиодорожка | Ждать, что какая-то видеомодель выдаст файл субтитров |
| Для короткого видео внизу нужен текст реплик, и вы готовы перегенерировать | Путь 1: вшивание через Seedance | Сначала отлаживайте промпт на mini / fast | Переходить на 2.5 ради эффекта субтитров |
| В готовом ролике субтитров быть не должно | Путь 2, либо Seedance с ограничением «без субтитров» | Лучше горизонтальный формат, из эталонных материалов предварительно убирайте текст | Верить, что запрещающие слова в промпте уберут текст на 100% |
| Нужна синхронизация губ | Путь 2 + субтитры | driving_audio в wan2.7-i2v |
Использовать HappyHorse «изображение-в-видео» для синхронизации губ |
| Нужна аудиодорожка по умолчанию и недорого | Путь 2 + субтитры | Oxygen, Wan3.0 480P, Grok 1.5-lite, MiniMax H3 | Думать, что у дешёвых тарифов нет возможностей для субтитров |
Два пути можно описать одной фразой. Вшивание через промпт выигрывает тем, что видео сразу выходит с текстом и без лишних этапов. Но текст при этом оказывается внутри пикселей: его нельзя ни поправить, ни перевести, а если захотите убрать — полностью не получится. Расшифровка при постобработке добавляет один шаг, зато по точности субтитров, привязке ко времени и повторному использованию на разных языках она выигрывает по всем пунктам. Для любых роликов, которые нужно сдавать заказчику, она подходит лучше.
Отсюда понятно и как экономить на тестах. Если ролик до 15 секунд и вам хватает 720p, сначала посмотрите на Seedance mini или стандартную версию Wan3.0. Если нужна аудиодорожка по умолчанию и недорого, смотрите на Oxygen, Wan3.0 480P, Grok 1.5-lite и MiniMax H3. Различия в результатах между Grok, Hailuo и Seedance на отдельной странице сравнивались без одинаковых заданий для субтитров, поэтому вопрос «у кого субтитры лучше» не стоит считать поводом менять модель.
💡 Совет по выбору: сначала определитесь со схемой субтитров, потом выбирайте видеомодель. Рекомендуем на APIYI (apiyi.com) прогнать один и тот же сюжет на двух-трёх тарифах моделей с одним и тем же ключом и сравнивать только картинку и аудиодорожку. Субтитры отдайте на постобработку: так вы сравниваете именно ту часть, за которую платите.
Есть ещё два канала, которые мы не рекомендуем. Согласно объявлению APIYI от 2026-11-09, Google прекратил работу veo-3.1-generate-preview и veo-3.1-fast-generate-preview 2026-10-22. Официальный канал VEO 3.1 на APIYI тоже остановлен, так что каналов видео от Google сейчас нет. В том же объявлении сказано, что каналы, связанные с Sora 2, тоже отключены.
Частые вопросы (FAQ) о субтитрах в видео, сгенерированных ИИ
Q1: Что считать «пригодными» субтитрами в видео, сгенерированном ИИ?
Пригодные субтитры должны соответствовать трём условиям: текст написан правильно, тайминг совпадает с репликами, и потом можно исправить слова или перевести. Видеомодель генерирует звуковую дорожку, а текст, «вжжённый» в пиксели, отдельно не поправить. Поэтому такие субтитры пригодными не считаются.
Q2: Если перейти на Grok, Hailuo или Wan, кто из них сразу сделает субтитры нормально?
Никто. На страницах Wan3.0, Wan2.7, HappyHorse, MiniMax H3, Oxygen и Grok Imagine упоминается только звуковая дорожка или генерация по аудио. Параметров для субтитров там нет, и сравнительных тестов на одинаковой задаче со субтитрами тоже никто не проводил. Смена модели может сэкономить на стоимости ролика, но субтитры всё равно придётся делать на постобработке через транскрибацию.
Q3: Seedance 2.5 лучше вшивает субтитры, чем 2.0?
Оснований так говорить нет. Руководство по промптам от Volcano Engine называется «серия 2.0», и отдельно об изменении возможностей 2.5 в части субтитров там ничего не заявлено. Преимущества 2.5: длительность от 4 до 30 секунд, больше эталонных изображений и вывод в mov. Субтитры сюда не входят.
Q4: Grok Imagine нет в общей таблице моделей. Его что, не выложили?
Нет, выложили. На отдельных страницах у трёх моделей Grok Imagine указаны цены, просто в общей таблице моделей от 2026-11-10 15:40 этих трёх строк нет. Перед вызовом убедитесь в консоли APIYI (apiyi.com), что группа `GrokOfficial` подключена. Кроме того, отключение звука цену не снижает.
Q5: Как быстро вызвать эти видеомодели через API?
Зарегистрируйтесь в APIYI и получите API-ключ (новым пользователям дают бесплатный тестовый баланс). Затем обращайтесь к эндпоинтам, указанным на отдельных страницах моделей:
— OpenAI-совместимый base_url: `https://api.apiyi.com/v1`; Oxygen работает через `POST /v1/videos` на нём
— Seedance использует `/seedance/api/v3/…`, для токена выберите группу `SeeDance2`
— Wan3.0 принимает запросы на `/wan/api/v1/services/aigc/video-generation/video-synthesis` с заголовком `X-DashScope-Async: enable`
— MiniMax H3 работает через `/hailuo/v2/video_generation`
Для Seedance и Wan3.0 путь `/v1/videos` использовать не нужно.
Q6: Чем делать транскрибацию на постобработке?
В актуальной общей таблице моделей APIYI нет `whisper-1` и `gpt-transcribe`, поэтому для транскрибации понадобится отдельный сервис или программа для монтажа. Сейчас OpenAI рекомендует `gpt-transcribe` для получения текста, но в документации пример с пословными таймкодами по-прежнему указывает на `whisper-1`, а дата его отключения — 2027-02-26. Лимит на один файл — 25 МБ, поэтому для длинных видео лучше сначала извлечь аудиодорожку, а потом транскрибировать.
Q7: Какие известны ограничения при вжигании субтитров через промпт?
— Субтитры «запекаются» в пиксели, поэтому изменить текст или перевести их можно только перегенерацией всего видео
— Субтитры могут появиться и без запроса: официально заявлено, что полностью (на 100%) избежать этого нельзя
— В вертикальном формате лишние субтитры появляются чаще, чем в горизонтальном, а текст на эталонных материалах повышает риск
— Редкие иероглифы и спецсимволы часто отображаются с ошибками, поэтому лучше использовать распространённые символы
Ключевые выводы: как добавлять субтитры к видео, созданным ИИ (Key Takeaways)
- Звуковая дорожка — это не субтитры: видеомодели выдают звук, встроенный в готовый ролик, а не файл субтитров
- Только Seedance описывает «запекание» субтитров: руководство Volcano Engine поддерживает вшивание субтитров в пиксели, но не выдаёт отдельный файл субтитров
- Полностью убрать субтитры нельзя: нужны ограничивающие слова в промпте и удаление текста с эталонных материалов; лучше выбирать горизонтальный формат
- У остальных серий параметров субтитров нет: на страницах Wan, HappyHorse, MiniMax H3, Oxygen и Grok речь идёт только о звуковой дорожке
- Редактируемые субтитры делаются на постобработке: транскрибируйте звуковую дорожку готового ролика, затем вшейте текст в кадр или используйте его как отдельный (sidecar) файл
- Смена модели экономит только на стоимости генерации: не переходите на версию 2.5 ради субтитров, сначала посмотрите на бюджетные варианты — mini, Wan3.0 и другие
- Как начать: прогоните тестовые ролики на нескольких тарифах через один ключ в APIYI; актуальные цены смотрите в списке моделей на платформе
Итоги
Как добавить субтитры к видео, сгенерированному ИИ? Всё сводится к трём пунктам:
- Редактируемые субтитры не получить напрямую из модели: ни одна видеомодель не отдаёт файл субтитров на выходе. Если субтитры нужно править и переводить, используйте постобработку с транскрибацией.
- Вжигание в Seedance — это временная мера: по руководству по промптам от Volcano Engine текст можно «вжечь» в кадр. Это подходит для коротких роликов, где допустимо перегенерировать результат. Но стабильным решением для сдачи работы это не назовёшь, а убрать такие субтитры потом полностью не получится.
- Экономить нужно за счёт выбора тарифного уровня, а не погони за субтитрами: при одинаковых параметрах (720p, 5 секунд, без эталонного видео; страница модели проверена 2026-11-11) версия 2.5 примерно в 4,7 раза дороже стандартной Wan3.0. Эта разница в цене не купит вам более качественные субтитры.
Что делать дальше: сначала определитесь со способом работы с субтитрами, а потом выбирайте видеомодель. Рекомендуем воспользоваться бесплатным тестовым лимитом на APIYI (apiyi.com): прогоните пробные ролики на недорогих уровнях — mini, Wan3.0, Oxygen — и проверьте картинку и звуковую дорожку. Субтитры при этом лучше отдать на постобработку.
📚 Источники
- Volcano Engine, «Руководство по промптам для серии Doubao Seedance 2.0»: как формулировать текст и субтитры, ограничение «без субтитров» и что делать, если субтитры появляются сами
- Ссылка:
docs.volcengine.com/docs/ark/seedance-2-0-prompt-guide -
Примечание: шаблон субтитров из первого способа и формулировка «нельзя избежать на 100%» взяты из этого руководства; прочитано 2026-11-11
-
Руководство OpenAI по преобразованию речи в текст: интерфейс транскрибации
gpt-transcribeи параметры временных меток - Ссылка:
platform.openai.com/docs/guides/speech-to-text -
Примечание: интерфейс для постобработки, лимиты на размер файла и даты отключения устаревших моделей; прочитано 2026-11-11
-
Центр документации APIYI · страницы видеомоделей: параметры и ценовые уровни Seedance, Wan3.0, Wan2.7, HappyHorse, MiniMax H3, Oxygen, Grok Imagine
- Ссылка:
docs.apiyi.com/api-capabilities/ - Примечание: источник названий моделей, эндпоинтов, групп и цен за 5 секунд по документации; объявление об отключении VEO 3.1 находится на том же сайте:
/live/2026-11/veo-3-1-official-offline
Автор: техническая команда APIYI
Обратная связь: пишите нам через главную страницу сайта APIYI; подробные параметры моделей и инструкции по вызову — в центре документации docs.apiyi.com
