Гайд: кастинг и таблицы актёров — автоматизация с AI

Гайд рассчитан на ассистентов продюсера и кастинг-директоров, которые ежедневно собирают информацию об актёрах, верифицируют данные и формируют презентации для клиента. Если вы составляете таблицы с ФИО, датами рождения, фильмографией и актуальными фото — этот материал сократит рутину с нескольких часов до 30 минут.

Ассистенты креативных продюсеров используют описанные шаблоны для подготовки кастинговых листов, которые затем превращаются в PDF-презентации для согласования с заказчиком. Каждый шаблон протестирован на моделях Suin.AI: Claude Sonnet 4.6 и GPT-5.5 для сбора и структурирования данных, Nano Banana Pro для кастинговых визуалов.

Самый частый запрос в работе ассистента — собрать по 5–15 актёров унифицированную таблицу с ключевыми параметрами. Claude Sonnet 4.6 в Suin.AI справляется с этой задачей за один проход:

Создай таблицу актёров по списку: [имена через запятую]. Для каждого актёра укажи:
- ФИО (полностью)
- Дата рождения и возраст
- Фильмография: 5 ключевых работ с годами и ролями
- Награды и номинации (кратко)
- Ссылка на актуальное фото (IMDb или официальный сайт)
- Агентство / контакт для кастинга

Формат: markdown-таблица. Данные верифицируй по пересечению источников.
Если по какому-то актёру данные неоднозначны — отметь это в примечании.

Вариация для нейросетей Suin.AI: если нужно сразу получить русскоязычную таблицу с переводом названий фильмов, добавьте в промпт: Переводи названия фильмов на русский язык. Указывай оригинальное название в скобках.

Процесс, который занимает у человека 2–3 часа ручного поиска, нейромодель выполняет за 60–90 секунд. Claude Sonnet 4.6 использует три механизма:

Парсинг знаний. Модель извлекает данные из обучающего корпуса — фильмографии, даты рождения, наградные списки. Для актёров с международной карьерой это работает точнее, чем для артистов локального рынка.

Cross-reference. AI сверяет информацию across sources: если в одном источнике год рождения отличается, модель отмечает расхождение и выбирает наиболее часто встречающееся значение.

Верификация. Для каждого актёра модель проверяет логическую согласованность: соответствие возраста году дебюта, наличие фильма в указанном году, реалистичность наградной истории. Если данные противоречивы — добавляется примечание требует ручной проверки.

Важно понимать: AI не заменяет ручную проверку контактов и актуальности фото. Но снимает 80% рутины по сбору базовой информации.

Ниже — пример таблицы, сгенерированной по запросу для пяти российских актёров драматического амплуа. Структура готова для копирования в Google Sheets или Excel с последующим форматированием под корпоративный шаблон.

Таблица выгружается из Suin.AI в формате markdown за 1–2 минуты. Дальнейшая обработка — импорт в Excel, добавление колонок «Стоимость», «Контакт агента», «Дата встречи» — занимает ещё 10 минут. Полный цикл: 12–15 минут вместо 2–3 часов ручного поиска.

Когда нужно показать клиенту, как может выглядеть персонаж, а подходящего референса в открытых источниках нет — Nano Banana Pro в разделе MediaLab создаёт кастинговый портрет за 20–30 секунд. Промпт строится по формуле: описание персонажа + технические параметры съёмки.

Character casting visual: [имя персонажа], [возраст]-year-old [национальность/тип внешности],
[key physical traits: волосы, глаза, телосложение, отличительные черты].
Wearing [описание одежды]. [выражение лица / настроение].
Medium close-up portrait, neutral gray background, soft studio lighting,
sharp focus on eyes, photorealistic casting headshot style,
shot on 85mm f/1.8 lens, natural skin texture --ar 3:4

Пример заполненного промпта для конкретного персонажа:

Character casting visual: Artyom, 35-year-old Eastern European male,
short dark brown hair with early grey at temples, intense grey eyes,
lean athletic build, scar above left eyebrow. Worn black leather jacket
over dark grey turtleneck, weathered hands. Intense watchful expression,
slightly tired eyes. Medium close-up portrait, neutral gray background,
Rembrandt lighting from camera-left, sharp focus on eyes, photorealistic
casting headshot style, shot on 85mm f/1.8 lens, natural skin texture
--ar 3:4

Параметр --ar 3:4 задаёт портретное соотношение сторон, стандартное для кастинговых фото и агентских портфолио. Рекомендуемая модель: Nano Banana Pro — она лучше всего справляется с фотореалистичными портретами и консистентностью персонажа в серии генераций.

Чтобы клиент увидел персонажа в полной вариативности, генерируется lookbook из шести ключевых образов. Каждый образ отражает сценарную ситуацию и помогает кастинг-директору оценить визуальную гибкость актёра.

Character lookbook grid, 2x3 layout, consistent character:
[ДЕТАЛЬНОЕ ОПИСАНИЕ ПЕРСОНАЖА — копируется из основного промпта].
- Look 1: Casual everyday outfit, natural daylight, relaxed expression
- Look 2: Action sequence outfit (tactical vest, dirt on face), dramatic studio lighting
- Look 3: Formal evening look (black suit, tie), warm tungsten lighting
- Look 4: Flashback / younger version, soft diffused light, hopeful expression
- Look 5: Rain scene, wet hair and clothing, cool blue backlighting
- Look 6: Final scene outfit (worn, damaged clothing), golden hour backlighting

Consistent face, hair, and build across all panels. Cinematic film still quality,
photorealistic, neutral background in all panels.

Практический совет: запускайте все шесть образов в одной сессии MediaLab с фиксированным системным промптом, описывающим персонажа. Добавьте к каждому промпту одинаковый технический дескриптор — например, daylight balanced, 5500K, soft fill light — для визуальной связки сетки. Так lookbook воспринимается как единый документ, а не набор случайных изображений.

Для pitch-клиента кастинговый лист дополняется mood board — композицией из четырёх панелей, которая показывает цветовое решение фильма и визуальную атмосферу. Этот элемент повышает конверсию презентации: клиент видит не просто список имён, а полноценный визуальный мир проекта.

Cinematic mood board for [НАЗВАНИЕ ФИЛЬМА], [ЖАНР]. Four-panel layout:
Panel 1: [основной цвет] color swatch — [эмоциональное значение]
Panel 2: [акцентный цвет] color swatch — [эмоциональное значение]
Panel 3: Key visual reference — [описание ключевого кадра]
Panel 4: Lighting reference — [описание световой схемы]
Overall aesthetic: [РЕФЕРЕНС РЕЖИССЁРА/ОПЕРАТОРА] visual style,
[НАЗВАНИЕ ПАЛИТРЫ] color science, film grain, anamorphic lens characteristics.

Пример заполненного промпта:

Cinematic mood board for neo-noir thriller "The Last Station".
Four-panel layout:
Panel 1: Deep teal (#0A3D4A) dominant — cold, calculating tension
Panel 2: Burnt orange (#CC5500) accent — danger, warmth, humanity
Panel 3: Rain-soaked city street at night with neon reflections, lone figure in fog
Panel 4: Dramatic chiaroscuro lighting, deep shadows, single harsh source from above
Overall aesthetic: Roger Deakins meets Blade Runner 2049, teal-orange color science,
subtle film grain, anamorphic lens characteristics.

Mood board генерируется в MediaLab через Nano Banana Pro за 15–20 секунд. Результат экспортируется в PNG и встраивается в PDF-презентацию перед таблицей актёров.

Когда shortlist сформирован, ассистенту нужно дать продюсеру аргументированную рекомендацию. Claude Sonnet 4.6 справляется с этой задачей через структурированный сравнительный анализ:

Сравни 5 актёров для роли: [описание персонажа — возраст, характер, жанр, ключевые черты].
Кандидаты: [список ФИО через запятую].

Критерии оценки (по шкале 1–5):
1. Возрастное соответствие персонажу
2. Опыт работы в жанре [указать жанр]
3. Внешнее соответствие описанию
4. Приблизительный гонорар (низкий / средний / высокий)
5. Доступность в период съёмок [указать даты]
6. Рыночная привлекательность (узнаваемость, бокс-офис)

Для каждого актёра дай:
- Оценку по каждому критерию
- Краткое обоснование (2–3 предложения)
- Итоговую рекомендацию: "Рекомендуется", "Возможно", "Не рекомендуется"

В конце укажи топ-2 кандидата с обоснованием выбора.
Формат: markdown-таблица + текстовая рекомендация.

Этот промпт работает как на GPT-5.5, так и на Claude Sonnet 4.6. Последний даёт более развёрнутые обоснования, что удобнее для подготовки заметок к встрече с продюсером.

Ниже — пример таблицы сравнения для пяти актёров на роль детектива 35–40 лет в нуарном триллере. Оценки сгенерированы AI на основе публичных данных о фильмографии и рыночной активности.

AI выставляет оценки по шкале 1–5 на основе кросс-анализа фильмографии, возраста, жанрового опыта и публичной информации о занятости. Гонорар и доступность AI оценивает приблизительно — эти данные требуют прямого подтверждения от агентов. Но даже с этой оговоркой таблица даёт продюсеру структурированную основу для принятия решения за 5 минут вместо часа обсуждений.

Рекомендация модели обосновывается текстом: «Актёр Б получает наивысший приоритет по сочетанию возрастного соответствия, опыта в жанре и доступности в нужный период. Актёр А — сильная альтернатива при более высоком бюджете, если съёмочный график позволяет работать с ограниченными окнами доступности.»

Полный цикл от списка кандидатов до готовой презентации разбивается на четыре шага с чётким таймингом.

Откройте чат с Claude Sonnet 4.6 в Suin.AI и сформулируйте запрос: «Подбери 5–7 актёров [российских / международных] для роли [описание]. Критерии: возраст [диапазон], опыт в [жанре], внешность [ключевые черты].» AI предложит список с кратким обоснованием каждого кандидата. Отберите 5 имён для детальной проработки.

Вставьте отобранные имена в Шаблон 1 из раздела 3.2.1. За 1–2 минуты получите markdown-таблицу. Импортируйте в Google Sheets, добавьте колонки «Гонорар», «Контакт агента», «Дата предложения» — ещё 5–7 минут. Проверьте фото и контакты вручную: 3 минуты.

Перейдите в MediaLab → Nano Banana Pro. Сгенерируйте:

Всего: 6–8 минут на генерацию + 2 минуты на компоновку в PDF.

Запустите Шаблон 3 (раздел 3.4.1) для сравнения 5 кандидатов. Получите таблицу оценок и текстовую рекомендацию за 1–2 минуты. Скопируйте результаты в презентацию, добавьте обложку с mood board — итоговый PDF готов к отправке клиенту.

Расход нейронов: генерация таблицы (Claude Sonnet 4.6) — ~8 нейронов, кастинговые визуалы 8 изображений (Nano Banana Pro) — ~24 нейрона, сравнительный анализ — ~5 нейронов. Итого: ~37 нейронов — вложения в рамках тарифа Standard (750 нейронов/мес).

Если кастинговые таблицы — регулярная задача, рекомендуется сохранить промпты как AI-агентов в воркспейсе команды. Тогда повторный запуск сводится к замене имён и описания роли — ещё быстрее.