Креатив і ШІ: як завоювати прихильність аудиторії за допомогою тенту

У B2B-комунікації зазвичай фокусуються на характеристиках та функціональності. Значно складніше показати продукт так, щоб люди відчули емоцію, побачили історію.

Команда Sasquatch Digital поглянула на комунікацію UA-Tent під іншим кутом. Замість чергового продуктового відео ми створили музично-комедійну love story, у якій клієнт буквально закохується в намет.

У статті ділимося досвідом AI-продакшну: від розробки персонажів і пайплайну до генерації відео, музики та подолання типових обмежень AI.

Виклик: олюднити B2B-бренд

UA-Tent — найбільша в Україні компанія з оренди тентів, шатрів, обладнання для фестивалів та інших масштабних подій, добре відома у B2B-середовищі.

Втім, комунікації бракувало емоції, впізнаваного характеру й контексту, щоб згадувати бренд поза межами раціональних переваг продукції. Клієнт погодився на креативний підхід, тож ми взялися за це непросте завдання — показати продукт по-новому, олюднивши його.

Креативна ідея

Ми свідомо відмовилися від акценту на якості тентів, вигадавши натомість історію про закоханість у продукт. У прямому значенні слова.

Саме так і з’явився двохвилинний музично-комедійний ролик про бренд-менеджера, який, монтуючи фестивальне містечко, закохується у великий білий тент. Настільки, що навіть намагається врятувати його від демонтажу.

Реалізація

Весь ролик — від персонажів і розкадровок до відео, музики й звуку — ми створили за допомогою AI. Клієнт заощадив час і бюджет, обійшовшись без фактичної зйомки.

На старті погодили три ключові елементи:

• центрального персонажа;
• модель тенту;
• музичний трек.

Далі вибудували пайплайн, що дав змогу зібрати складний двохвилинний сюжет без традиційного знімального процесу.

Від скетчів до AI-пайплайну

Перший підхід передбачав класичний ланцюжок: скетч → аніматик → статичні кадри → відео → монтаж. Ми зробили скетч-розкадровку і зібрали з неї аніматик.

Тоді з’явилася ідея скомпонувати з асетів 3D-сцену.

Це дало більше контролю, але швидкість створення сцени все одно не влаштовувала.

Після рендеру кадрів ми використовували їх як композиційний референс для фінальної статики, яка згодом слугувала початковим кадром для продовження генерації відео. На етапі реалізації стало зрозуміло, що цей підхід забирає надто багато часу, фактично змушуючи двічі генерувати ті самі сцени.

Тож ми перебудували процес. Замість окремої генерації кожного кадру розробили картки персонажів і тенту + grid-розкадровку всього сценарію.

Центрального персонажа — чоловіка 28–35 років — згенерували в Nano Banana Pro. Образ ретельно продумали, щоб він був близьким аудиторії, але не схожим на конкретну людину. Герой вдався настільки знайомим, що в ньому почали впізнавати своїх друзів.

Тент також створили як окремий консистентний AI-асет.

Картки забезпечили кращу консистентність порівняно з фото і колажем у попередній версії. Наступним етапом стала розкадровка.

Щоб стандартизувати процес, ми розробили Gem-бот із прикладами промптів і синтаксисом для Nano Banana та GPT Image. Це дало ключові переваги: більше консистентності та менше зайвих генерацій.

Генерація відео

Для відео обрали Seedance 2.0 та режим Reference to Video.

Працювали поетапно.

• Структурували трек за смисловими частинами.
• Розробили grid-розкадровку кожної сцени.
• Додали картки персонажів і тенту як референси.
• Gem-бот згенерував промпти для Seedance 2.0.
• Послідовно створювали сцени та за потреби точково коригували.

У результаті для однієї сцени було достатньо 1–3 генерацій, що суттєво зменшило витрати на AI-кредити.

Щоправда, не обійшлося й без складнощів. Під час генерації другої частини сценарію виявилася невідповідність між розкадровками. Gem-бот втрачав контекст, тому окремі сцени, створені навіть за однаковим шаблоном і чітко прописаними параметрами, повністю відрізнялися.

Як бачимо, світла розкадровка майже не містить потрібної інформації та має інше освітлення. Тож у промпті як референс використовували й попередню. Це дозволяло чіткіше зафіксувати час, місце дії, а також зберегти єдиний шаблон.

Через відсутність картки на автівці логотип почав видозмінюватися. Те саме відбувалося і з тентом. Тому вирішили додавати логотип окремим референсом та чітко прописувати це в промпті.

Крім того, в ролику ми заховали пасхалку. Це директор UA-Tent Андрій Тютюнник. На основі його фотографії створили окрему картку персонажа, якого інтегрували в фінальну сцену.

Музика: від референсу до оригінального треку

Ми надихнулися естетикою української попмузики 90-х, зокрема звучанням пісні Степана Гіги «Сон». Оскільки отримати дозвіл на використання оригінального треку в межах бюджету не вдалося, вирішили створити пісню з нуля. Згенерували музику, текст і вокал, зберігши атмосферу й настрій.

Завдяки вибудуваному AI-пайплайну відео швидко адаптували до нової композиції. Частину сцен просто догенерували на основі попередніх.

Результат

Весь процес створення відео — від затвердження сценарію до фінальної версії — тривав 12 робочих днів.

AI-помічники ↓

• Nano Banana Pro / GPT Image. Персонажі та розкадровки.
• Seedance 2.0. Відео та звукові ефекти.
• Suno. Музика.
• Розроблений Gem-бот. Автоматизація та стандартизація промтів.

Плюс DaVinci Resolve. Фінальний монтаж.

Результат — двохвилинний музично-комедійний AI-ролик, що органічно вписує B2B-продукт в історію, яка запам’ятовується.

Дивіться: