Удалить объект из видео нейросетью: 10 сервисов

Объект из кадра удаляют текстовой командой — без масок и ключевых кадров. В Runway Aleph 2.0 это стоит $0,28 за секунду клипа, в Kling Video O3 Pro Video Edit — $0,168 за секунду, а FLUX Video Edit от Black Forest Labs при правке сохраняет длину, кадрирование, тайминг и звук исходника. С телефона ту же задачу закрывают HitPaw VikPea и браузерный AetherCut, на русском и с оплатой в рублях — «Мовавика Видео 2026» и «ВидеоМОНТАЖ».

Но результат зависит не от сервиса, а от того, что осталось за удалённым объектом. Однотонная стена, асфальт, небо и трава восстанавливаются почти незаметно; сложный узор, надпись на стене и толпа сзади дают пятно с другим зерном. Второе ограничение — длина: редактирующие модели работают отрезками по 3–10 секунд, поэтому ролик правят фрагментами, и на стыках расхождение заметно.

Дальше — задача за задачей: чем убрать объект, чем снять фон, чем стабилизировать, чем убрать зерно и поправить лицо, чем поднять разрешение и что делать с текстом в кадре. Плюс таблица десяти сервисов с ценами и доступом из РФ, единый порядок обработки из шести шагов и пять артефактов, по которым зритель понимает, что кадр правил ИИ.

Чем удалить объект из видео: три сервиса и цена секунды

Тремя сервисами, которые правят кадр по текстовой команде. Runway Aleph 2.0 меняет видео по описанию с опорой на референс-изображения и сохраняет всё, что в запросе не упомянуто, — $0,28 за секунду. Kling Video O3 Pro Video Edit удаляет объекты и меняет фон обычной фразой и стоит $0,168 за секунду при длине клипа 3–10 секунд. FLUX Video Edit сохраняет длину, кадрирование, тайминг и звуковую дорожку исходника.

Удаление объекта устроено иначе, чем снятие фона: здесь модель достраивает фон на месте предмета, и контур ей для этого не нужен. Поэтому качество зависит от окружения, а не от контура. Разбор таких инструментов с тестами на замене и удалении объектов выходил, например, в обзоре «Лучшие нейросети для изменения видео» на Sostav. Цены и лимиты сервисов взяты из открытых карточек моделей на дату публикации: Runway Aleph 2.0 на OpenRouter, Kling Video O3 Pro Video Edit на WaveSpeedAI, FLUX Video Edit в документации Black Forest Labs.

Цена секунды означает, что смета считается за длину правки. Минута кадра, которую надо зачистить целиком, обойдётся уже в десятки долларов и потребует сборки из фрагментов. Отсюда практический вывод: выгоднее удалять объект на коротких вставках, а не на всём ролике, и заранее решать, нужна ли зачистка кадру целиком или только тем секундам, где лишний предмет реально виден.

Чем убрать фон с видео нейросетью и где рвётся маска?

Снятие фона — другая операция и другие инструменты: Magic Mask в DaVinci Resolve Studio, снятие фона в CapCut, ИИ-замена фона в «Мовавике Видео 2026», из открытых моделей — BiRefNet и RVM. Заменить фон на новый проще, чем оставить прозрачность: не нужно угадывать, что было за объектом, модель просто подставляет другой слой.

Маска держится уверенно на материале с чётким контуром: человек на однотонном фоне, товар на столе, объект с крупными прямыми краями. Проблема начинается там, где граница объекта размыта физически — волосы, мех, полупрозрачные ткани, стекло, дым, движение воды. Формально маска строится, но контур дрожит между кадрами, и на видео это выглядит как живая рваная рамка вокруг человека.

Причина в способе обработки. Модели сегментации вроде U²-Net, ISNet и BiRefNet решают задачу для отдельного кадра: каждый кадр получает чуть своё решение, и на выходе появляется временное дрожание. Семейство RVM устроено иначе — оно опирается на соседние кадры и потому держит контур стабильнее. Для видео важна именно эта временная согласованность, а точность на одиночном кадре вторична.

Ориентир 9 из 10 на чётком контуре против 2–3 из 10 на волосах и стекле — практическая оценка по типам материала, а не замер конкретного сервиса. Вывод простой: на стоп-кадре дефект временного дрожания не виден вообще, поэтому маску принимают только на воспроизведении.

Чем стабилизировать видео нейросетью — и нейросеть ли это?

Честный ответ: в большинстве редакторов стабилизация — не нейросеть, а анализ движения между кадрами с обрезкой краёв. Так работает стабилизация в DaVinci Resolve, «ВидеоМОНТАЖе» и CapCut, и для тряски от шагов этого достаточно. ИИ в этой задаче стоит рядом: трекинг объекта, который ведёт модель, и шумодав, который убирает зерно, вылезшее после усиления контраста.

Поэтому искать стоит стабилизацию в том редакторе, который у вас уже есть: под вывеской «нейросеть для стабилизации» продаётся ровно она. Главное ограничение здесь — сам исходник: стабилизация компенсирует смещение за счёт обрезки краёв кадра, и чем сильнее была тряска, тем больше кадра уходит в подрезку. На вертикальном ролике, снятом вплотную, после стабилизации объект упирается в край.

Что делать, если запаса по композиции нет. Вариант первый — стабилизировать слабее и оставить часть дрожи: зритель прощает лёгкое покачивание охотнее, чем срезанную голову. Вариант второй — стабилизировать, а затем поднять разрешение апскейлом, чтобы подрезанный кадр вернуть к нужному размеру. Вариант третий, самый дешёвый, — переснять дубль с запасом: правка кадра всегда дороже пяти минут на площадке.

Чем убрать зерно, расфокус и дефекты лица на видео?

Зерно снимает шумодав: Nyx в Topaz Video AI, удаление шума в «Мовавике Видео 2026», шумодав в DaVinci Resolve. Дефекты лица правит отдельная модель — Iris в Topaz Video AI обучена именно на лицах, улучшение лиц заявлено в HitPaw VikPea. Расфокус не лечится ничем: резкость, которой в исходнике не было, модель может только придумать, и на лице это видно сразу.

Стабилизация и шумоподавление — самые безопасные операции из всех: они перераспределяют то, что уже есть в кадре, и почти ничего не придумывают. Но у шумодава есть предел, за которым он начинает вредить: при агрессивных настройках он «съедает» текстуру кожи и мелкую фактуру товара, и кадр становится мыльным. Ориентир простой — как только поры и нити ткани исчезли, настройку надо ослаблять.

С лицами отдельная история. Модель знает, как обычно выглядит человеческая кожа, и достраивает правдоподобную, а не ту, что была. Поэтому после сильного улучшения лицо выглядит пластиковым, а микромимика — главное, за что зритель цепляется, — пропадает. Для крупного плана лучше ослабить обработку и смириться с зерном, чем получить ровное кукольное лицо.

Оговорка по этой сводке: обзоры расходятся в том, какие ещё функции Neural Engine доступны в бесплатной сборке. Проверить, что есть именно в вашей версии, можно только в самом приложении. Зато в главном источники согласны: маскирование — та операция, где выигрыш от ИИ однозначен. Вместо ручного обведения объекта по кадрам достаточно одного мазка кистью, а трекинг модель ведёт сама.

Объём короткого видео объясняет, почему вопрос правки кадра вообще встал так остро: ролики на одной только площадке VK Клипы смотрят 3 млрд раз в сутки — на 42% больше, чем годом раньше, а авторов клипов стало на 45% больше. Данные приводит «ВКонтакте» в итогах за 2025 год — это замер самой платформы.

Апскейл: из 480p в 4K — что нейросеть дорисовывает, а что выдумывает?

Дорисовывает текстуру, выдумывает уникальное. Модель обучена на миллионах пар «низкое разрешение — высокое» и знает, как обычно выглядят кожа, ткань, листва и асфальт, — эту фактуру она достраивает убедительно. А вот лицо конкретного человека, читаемую надпись и мелкий артикул на упаковке она додумывает, потому что в исходнике этих деталей физически нет. Эталон группы — Topaz Video AI.

В Topaz Video AI под разные типы материала стоят отдельные модели: Iris для лиц, Nyx для шума, Gaia для качественных источников и графики, Starlight для сильно повреждённых источников, плюс компенсация движения и временная согласованность, которая гасит мерцание. Конкретную цену не называю: тарифы этого вендора в открытых источниках противоречат друг другу, проверяйте на сайте производителя. Бесплатная локальная альтернатива для апскейла — Real-ESRGAN, но её придётся запускать из командной строки.

Апскейл — единственная операция, которая меняет рисунок кадра целиком: всё остальное так или иначе сохраняет содержимое. Покадровые модели дают временную нестабильность, и на движении это выглядит как «кипящий» контур; модели с временной согласованностью дефект гасят, но требуют больше вычислений. Отдельная ловушка — апскейл уже сгенерированного ИИ-видео: стандартные модели усиливают его собственное смазывание, для такого материала подбирают модели под AI-источник.

Как убрать или заменить текст в кадре?

Убрать — теми же инструментами, что и объекты: Runway Aleph 2.0 и Kling Video O3 Pro Video Edit снимают надпись по текстовой команде, как любой другой предмет, а в HitPaw VikPea заявлено удаление водяных знаков и наложений. Заменить сложнее: новый текст ставят обычным титром поверх уже зачищенного участка, потому что модель не умеет аккуратно перерисовать надпись с той же перспективой и фактурой.

Практическая разница между «убрать» и «заменить» большая. Зачистка надписи на однотонной стене проходит почти незаметно. А вот текст на упаковке, на вывеске под углом или на мятой этикетке модель восстанавливает плохо: буквы она достраивает по смыслу, и в кадре появляются символы, которых в исходнике не было, — на паузе это читается как бессмыслица.

Поэтому титры, подписи и субтитры делают обычной сборкой в монтаже: за это отвечает нейросеть для монтажа видео, а не правка кадра. Правка кадра нужна только там, где надпись вшита в изображение и снять её слоем невозможно.

Что можно сделать с телефона, а что только на компьютере?

С телефона доступно почти всё простое: снятие фона, базовая стабилизация и улучшение в CapCut, апскейл, удаление объектов и людей в HitPaw VikPea. Браузерный AetherCut обрабатывает видео на самом устройстве, без загрузки на сервер: бесплатно он отдаёт экспорт 4K без водяного знака, а часть ИИ-функций открывается в платном тарифе. На компьютер придётся идти за тяжёлым: Magic Mask и шумодав в DaVinci Resolve Studio, цветокор в любой сборке, апскейл архива в Topaz Video AI, локальный Real-ESRGAN.

Граница между телефоном и компьютером — это объём и контроль над результатом. Один ролик мобильное приложение закроет не хуже: те же модели, тот же результат. Но как только роликов десятки, а правка не одна, телефон упирается в отсутствие пакетной обработки и в невозможность проверить, что именно изменилось в кадре.

Какие сервисы работают на русском и с оплатой из РФ?

Полностью на русском и с оплатой российской картой — «Мовавика Видео 2026» (заявлены ИИ-замена фона и удаление шума; бесплатная версия ставит водяной знак и ограничивает сохранение 60 секундами) и «ВидеоМОНТАЖ» от AMS Software (лицензия за рубли, монтаж, стабилизация, обработка). DaVinci Resolve русифицирован и доступен из РФ, но оплата версии Studio российской картой, как правило, не проходит.

У зарубежных сервисов ситуация другая. Runway, Kling и FLUX дают лучший результат на удалении объектов, но доступ к ним из РФ ограничен, а оплата российской картой, как правило, недоступна. CapCut доступен частично, базовые функции бесплатны, оплата Pro российской картой напрямую не проходит. Это не мелочь: подписка, которая однажды не продлится, останавливает работу на середине партии.

Отсюда рабочая схема: основным держите российский инструмент — он точно оплатится и не отключится. Зарубежный подключайте под разовые задачи, где без него результат заметно хуже, — прежде всего под удаление объектов по текстовой команде. Сравнение самих российских сервисов подробнее — в обзоре русских нейросетей для видео.

Чем сделать: таблица 10 инструментов для правки кадра

Выбор определяется операцией, а не брендом: сервис, который отлично вытягивает удаление объектов, проваливает апскейл, и наоборот. В таблице — что закрывает каждый инструмент, где есть бесплатный режим, есть ли русский язык и как обстоит дело с доступом из РФ. Цены и лимиты взяты из открытых источников на дату публикации и у большинства сервисов меняются.

Отдельная строка — открытый код. Real-ESRGAN решает апскейл локально и бесплатно, а модели маттинга вроде BiRefNet и RVM дают качество, сопоставимое с платными сервисами, при условии что вы готовы работать с командной строкой. Это вариант для тех, у кого есть GPU и объём материала, который не хочется выгружать на чужие серверы.

В каком порядке обрабатывать ролик: 6 шагов

Порядок важнее набора инструментов: сделанные не в той последовательности операции усиливают дефекты друг друга. Рабочая последовательность одна — стабилизация, удаление объектов и фон, шумодав, апскейл, цвет, перекодировка. Ниже она разобрана на типовой задаче: есть снятый ролик о товаре, в котором нужно убрать лишнее, поднять разрешение и убрать дрожь камеры.

1. Оцените исходник и решите, чинится ли он вообще. Проверьте три вещи: контур объекта, однородность фона вокруг лишнего предмета и запас по композиции для стабилизации. Если фон узорчатый, а кадр обрезан вплотную — правка даст заметное пятно, и дешевле переснять дубль.
2. Стабилизация — первой. Кадр с дрожью сдвигает объект относительно рамки, и маска на таком материале строится хуже. Стабилизация обрезает края, поэтому все следующие операции должны работать уже с итоговой композицией.
3. Затем удаление объектов и работа с фоном. Здесь же снимается лишний предмет и вшитая надпись. Работайте короткими отрезками под лимит модели: у большинства сервисов это секунды, а не минуты.
4. Шумодав — перед апскейлом. Зерно и цифровой шум апскейлер принимает за текстуру и усиливает вместе с ней. Сначала убираем зерно, потом поднимаем разрешение.
5. Апскейл — до цветокоррекции. Цвет правится на уже увеличенном кадре: иначе апскейл размножит по всей площади то, что вы только что вытянули руками.
6. Перекодировка и проверка в движении. Экспорт в H.265 или AV1, иначе готовый файл раздувается в разы. И финальная проверка области правки на скорости 0,5× — на стоп-кадре дефекты не видны.

Где предел качества у нейросети для редактирования видео?

Предел один и тот же для всех операций: модель достраивает то, чего в исходнике нет. Чем больше площадь достройки и чем меньше информации вокруг, тем заметнее результат. Волосы, стекло, мелкий текст и лица зритель замечает без всякой экспертизы — именно на этих пяти случаях и стоит проверять работу перед публикацией.

Сроки 3–4 недели против 2–4 часов — оценка по типовому циклу: пересъёмка запускает всё заново (собрать людей и площадку, выставить свет, отснять, смонтировать, согласовать), правка кадра требует только редактора. Но у этой арифметики есть условие: дефект должен устраняться средствами обработки изображения.

Что правится на снятом материале: свет, шум, дрожь камеры, лишний предмет в стороне от лица, чужой логотип на стене, нехватка разрешения. Что не правится ничем: переигранная эмоция, потерянный смысл фразы, товар, который держали не тем боком. Это не дефекты изображения, и обработка их не касается — такой материал нужно снимать заново.

Отдельно про звук. Если ролик укорачивают или склеивают из фрагментов, дорожка сдвигается и появляется рассинхрон с губами — зритель замечает его раньше, чем любой дефект картинки. Проверка звука входит в обязательный финальный прогон, даже если картинку вы не трогали вовсе.

Какие пять приёмов экономят пересъёмку?

Самые дешёвые приёмы лежат на площадке, до всякой обработки: запас в кадре, проверка в движении и тест одного фрагмента перед партией не требуют никакого дополнительного софта и проверяются на первой же съёмке. Дешевле снять так, чтобы чинить не пришлось, чем осваивать обработку ради того, что предотвращается на площадке за пять минут.

Когда роликов десятки в месяц на несколько площадок, экономику определяют ручные часы, которые съедает каждая операция в кадре, а цена подписки в этой смете третья по значимости (как устроен контент-завод на ИИ). На нашем потоке производство контента — это 27 000 роликов в месяц и около 1 млрд охвата в месяц по всем проектам; на таком объёме любая ручная правка кадра становится узким местом, поэтому ролики создаются на ИИ сразу под площадку.

Итоги: что запомнить про удаление объектов и правку кадра

Коротко: объект из видео убирают текстовой командой в Runway Aleph 2.0, Kling Video O3 Pro Video Edit и FLUX Video Edit, фон снимают в DaVinci Resolve, CapCut и «Мовавике», тряску — стабилизацией в любом редакторе, зерно и лица — моделями Nyx и Iris в Topaz Video AI. Всё это реконструкция, поэтому результат зависит от того, что осталось в исходнике вокруг дефекта.

Дальше — два действия. Первое: прогоните один самый сложный фрагмент из своего архива через два-три сервиса и посмотрите результат в движении, прежде чем что-то покупать. Второе: выпишите, какие операции вообще нужны вашему потоку, — если их больше двух на ролик, выгоднее менять производство, а не докупать инструменты.

Смежные разборы по этой теме: шесть задач нейросети для видео целиком, видео из фото товара и озвучка текста нейросетью.