Вставки в видео для монтажа: четыре вида, куда ставить и как сделать свои

Здесь не про мемные вставки на скачивание, а про вставки в ролик с говорящим человеком: что показывать поверх речи, когда и сколько. Правила собраны из нашего монтажного конвейера, где раскладкой вставок занимается агент по файлу правил, и из выжимки 253 промптов галереи моушен-графики, снятой 17 октября 2026 года. Каждое число ниже либо замерено на наших роликах, либо взято из этой выжимки.

Порядок: четыре вида вставок, выбор между накладкой и полным кадром, секунда старта, длительность и количество, что делать с длинной вставкой, слои, три пути сделать свои, бит-карта событий, команда ffmpeg, проверка по кадрам. Как собирается сама графика для вставки, в гайде про моушен-дизайн нейросетью, здесь про раскладку.

Часть 1 · Ответ

Что такое вставки в видео, если коротко

Слово «б-ролл» значит то же самое. Основной кадр с человеком называют «а-роллом», всё, что показывают поверх него, «б-роллом».

Часть 2 · Виды

Четыре вида вставок

1. Накладка. Графика поверх говорящего, лицо остаётся в кадре. Размещается в верхней трети кадра, над головой. Файл с прозрачностью: mov или webm.
2. Полный кадр. Закрывает экран целиком, головы нет. Графика заполняет кадр от края до края, сбалансированно по трём полосам: верх, середина, низ. Файл mp4 без прозрачности.
3. Запись экрана. Когда показываете интерфейс, порядок действий, «нажмите сюда». Кладётся как полный кадр, иногда с нарисованным курсором поверх.
4. Готовый ролик. Снятый материал или сцена, сгенерированная нейросетью по описанию. Для говорящей головы это редкий вид: чужой сток про другое и выдаёт себя. Про генерацию сцен в гайде про нейросети для видео.

Часть 3 · Выбор

Накладка или полный кадр: как выбрать

• Полный кадр, когда показываете то, о чём говорите. Список, файл, схему, сравнение. Зритель должен это прочитать, и лицо ему в этот момент не нужно.
• Накладка, когда говорите от себя и лицо сильнее графики. Цифра, короткая метка, одно слово. Человек продолжает смотреть в камеру, графика подтверждает.
• Тип задаёт автор вставки, и переопределять его молча нельзя: от типа зависит композиция графики. Полнокадровая графика заполняет весь кадр, накладка нарисована в верхней полосе, и ниже у неё пусто.
• Если тип не сказан, вставка без пометки «поверх головы» считается полнокадровой.
• Обязательные зоны чистого лица. Хук в начале и призыв в конце: там полный кадр не ставится никогда. Там же, где человек говорит мимикой и руками, показывает пальцами счёт или усмехается, полный кадр убивает кадр: это место под накладку или чистое.

Часть 4 · Время

Куда ставить по времени

• Старт через 0,1-0,3 секунды после начала своей фразы. Не в ноль: зритель должен услышать, о чём речь, и получить картинку как подтверждение. И не позже: опоздавшая вставка приходит, когда он уже слушает следующую мысль.
• Конец не позже конца фразы плюс 0,2 секунды. Вставка, заехавшая в следующий абзац, спорит с тем, что слышно.
• Таймкоды берутся из расшифровки финального файла. Не из сценария и не из прошлого монтажа: монтаж меняется, и раскладка к нему устаревает молча. Как получить расшифровку с таймкодами слов, в гайде про монтаж видео нейросетью.
• Первые пять секунд в вертикальном ролике заняты титулом-хуком над головой; накладка стоит в той же полосе, поэтому в это время её не ставят.

Часть 5 · Длительность

Сколько держать и сколько их

• Потолок пять секунд. Дальше зритель теряет говорящего: лицо исчезло, связь рвётся. Это верхняя граница, а не цель: если фраза короче, вставка короче.
• Шесть-восемь вставок на минуту-полторы, общей длиной до половины хронометража. Больше, и ролик перестаёт быть роликом с человеком.
• Между вставками кусок живого лица обязателен. Две подряд превращают ролик в презентацию с голосом за кадром.
• Хвост не висит. Если после последнего события внутри вставки картинка стоит без изменений дольше секунды, это мёртвое время, хвост подрезается.

Часть 6 · Длинная вставка

Вставка длиннее фразы: ускорить, а не переделать

Порядок не на вкус, а по списку.

1. Ускорить до полутора раз. Первый выбор. Анимация проигрывается целиком, смысл сохраняется, темп выигрывает. Выше полутора раз глаз не успевает прочитать подписи.
2. Подрезать хвост. Тем, что не влезло после ускорения. В конце анимации обычно выдержка готового кадра, её не жалко.
3. Начало не трогать никогда. Там вход элементов, без него кадр появляется рывком.
4. Не перерендеривать и не выкладывать меньше. Готовая пачка вставок это материал, а не черновик. Пересборка жжёт время на то, что уже есть.
5. Пусть накрывает фразу частично. Четыре секунды графики на трёхсекундной фразе решаются тем, что графика кончается раньше. Вставка обязана не пережить фразу, а не длиться ровно столько же.
6. Выше полутора раз только когда внутри нет текста, который надо прочитать.

Часть 7 · Слои

Слои: голова, вставки, субтитры, титул

• Снизу вверх: голова, вставки, субтитры, титул. Полнокадровая вставка не закрывает субтитры: речь под ней идёт и читается.
• Субтитры внизу, над зоной интерфейса приложения, титул в верхней полосе. Накладка делит верхнюю полосу с титулом, поэтому при титуле не ставится.
• Полный кадр под титулом допустим: графика поверх графики, конфликта нет. Но лучше дать титулу договорить.
• Длина ролика не меняется ни на кадр. Вставки кладутся поверх, а не в таймлайн. Звук берётся из основы как есть, звук вставок не подмешивается: звуковых эффектов по умолчанию нет, разбор в гайде про звуки для монтажа.

Часть 8 · Производство

Как сделать свои: экран, HTML, генерация

1. Запись экрана. Снимаете нужное действие, режете ffmpeg до фразы, при необходимости ускоряете. Если нужно показать «нажмите сюда», поверх рисуется курсор: подвод 0,45-0,7 секунды, пауза перед кликом 0,12-0,2 секунды, иначе клик читается как сбой, сам клик как микро-сжатие элемента. Одна-две такие вставки на ролик.
2. Графика из HTML. Наш основной путь для схем, цифр, списков и сравнений. Агент собирает страницу с анимацией по заданию, движок рендерит её в видео кадр за кадром. Под накладку рендер с прозрачностью в mov, под полный кадр в mp4. Какие типы вставок бывают и чего в них не делать, в гайде про моушен-дизайн нейросетью; про сам движок в гайде про Hyperframes.
3. Генерация сцены. Когда нужна картинка, которой нечем снять. Ролик из описания делают видеомодели, потом он режется до пяти секунд и кладётся как полный кадр. Сравнение моделей и доступ в гайде про нейросети для видео.

npx --yes hyperframes@0.7.6 render -o ../renders/b3.mp4 --quality high
npx --yes hyperframes@0.7.6 render -o ../renders/b4.mov --format mov --quality high

Часть 9 · Бит-карта

События внутри вставки стоят на словах

Хорошая вставка это не «появилась на 4,5 секунде», а таблица «слово в речи, событие в кадре». У нас она называется бит-картой и строится по пословной расшифровке.

фраза: «агент читает код, зовёт инструмент и приносит результат» (12.40-15.10)
12.40 "агент"      блок входит, маршрут бледный
12.95 "читает"     точка доезжает до узла 2, узел загорается
13.70 "зовёт"      точка доезжает до узла 3
14.60 "приносит"   точка доезжает до узла 4, впитывается
14.60-15.10        покой: вывод стоит, зритель дочитывает
15.30              блок уходит

• Событие на каждом ударном слове. В пятисекундной фразе их четыре-семь. Если на слове менять нечего, вставка стоит не на своей фразе.
• Одна точка покоя 0,4-0,6 секунды на слове, которое надо услышать. Это акцент паузой, а не мёртвое время.
• Монтаж сдвинул речь: окно вставки двигается целиком, внутренние тайминги не трогаются. Если события уехали от слов на 0,3 секунды и больше, это видно на кадре в момент ключевого слова.

Часть 10 · Команда

Одна команда ffmpeg на все вставки

Основа плюс все вставки одним проходом. Каждая вставка отдельный вход со своей скоростью, длиной и стартом; format=rgba обязателен и для mp4-вставок, иначе прозрачность соседней накладки теряется в общей цепочке.

ffmpeg -y -i base.mp4 -i b1.mp4 -i b2.mov -filter_complex "
[1:v]setpts=PTS/1.5,trim=0:3.2,setpts=PTS-STARTPTS+12.5/TB,format=rgba,fps=30[b1];
[2:v]setpts=PTS/1.0,trim=0:4.0,setpts=PTS-STARTPTS+31.0/TB,format=rgba,fps=30[b2];
[0:v][b1]overlay=x=0:y=0:enable='between(t,12.5,15.7)':eof_action=pass:format=auto[v1];
[v1][b2]overlay=x=0:y=0:enable='between(t,31.0,35.0)':eof_action=pass:format=auto[v]" \
-map "[v]" -map 0:a -c:v libx264 -crf 18 -pix_fmt yuv420p -c:a copy -movflags +faststart out.mp4

• setpts=PTS/1.5 это ускорение в полтора раза; trim режет хвост; второй setpts сдвигает вставку на секунду старта.
• enable=between включает слой ровно в окне вставки.
• Субтитры и титул кладутся поверх всего, последними, отдельными слоями.
• Звук копируется из основы: -c:a copy.

Часть 11 · Проверка

Проверка перед сдачей по кадрам, а не по логике

1. Совпадение по смыслу. Кадр из середины вставки показывает то, о чём человек говорит в эту секунду. Кикеры и подписи внутри не спорят с речью.
2. Субтитры не перекрыты и читаются на фоне вставки.
3. Лицо не закрыто там, где нужно: хук, призыв, мимика и руки.
4. Нет двух вставок подряд без живого лица между ними.
5. Длина ролика не изменилась ни на кадр.
6. События стоят на словах. Кадр на ключевом слове фразы показывает ровно то событие.
7. Хвост не висит дольше секунды без изменений.

Часть 12 · Сверка

Таблица: вид, формат, когда брать

Часть 13 · Ошибки

Шесть ошибок раскладки

• Тайминги из сценария. Монтаж изменился, вставки уехали. Только расшифровка финального файла.
• Вставка позже фразы. Хуже отсутствующей. Старт через 0,1-0,3 секунды после первого слова.
• Накладка пережата в mp4. Чёрный прямоугольник на лице. Только mov или webm, и format=rgba в цепочке.
• Две вставки подряд. Презентация с голосом за кадром. Между ними живое лицо.
• Перерендер вместо ускорения. Час работы вместо одного параметра setpts.
• Полный кадр на хуке или призыве. Зритель не увидел человека в двух главных местах ролика.

Часть 14 · Памятка

Что запомнить про вставки в видео

FAQ

Частые вопросы

Читать дальше