2026-05-17 · 6 min čtení
Od generování záběrů přes realistický hlas až po finální střih — AI dnes zvládne většinu kroků při tvorbě videa. Přinášíme přehled hlavních nástrojů, konkrétní postup a popis situací, kdy AI nestačí.
Celý videoklipu dnes lze sestavit bez kamery, herce nebo střiháče — stačí textový popis, webový prohlížeč a několik hodin. Podívejme se na konkrétní nástroje, jak je krok za krokem použít a kde narazíte na jejich meze.
Současné AI video nástroje pokrývají čtyři fáze výroby, které dřív vyžadovaly specializované profese:
Kling nabízí bezplatný tier s omezeným počtem generování měsíčně. Runway funguje na předplatném (základní plán v době vydání článku od 15 USD měsíčně). ElevenLabs má volnou vrstvu s limitem 10 000 znaků měsíčně, placené plány začínají na 5 USD měsíčně. HeyGen nabízí zkušební kredit zdarma, placené plány od 29 USD měsíčně. CapCut je zdarma s volitelnými placenými funkcemi.
Celý postup od scénáře po hotové video:
Krok 1 — Napište scénář a vygenerujte hlas (ElevenLabs) Přejděte na elevenlabs.io, vytvořte bezplatný účet a zvolte „Text to Speech". Vyberte hlas (například „Sarah" pro neutrální ženský komentář v angličtině nebo český hlas ze sekce Community Voices) a vložte text. Klikněte na Generate.
Krok 2 — Vygenerujte záběry (Kling) Na kling.kuaishou.com zvolte „Text to Video". Do pole zadejte prompt v angličtině — Kling reaguje na anglické popisy výrazně lépe než na češtinu:
A calm office desk with a laptop open, soft morning light coming through the window, no people, slow camera pan from left to right, photorealistic, 4K
Délku nastavte na 5 sekund, poměr stran 16:9. Generování trvá přibližně 2–3 minuty.
Krok 3 — Sestříhejte výsledek (CapCut) V CapCut (capcut.com nebo desktopová aplikace) importujte stažené záběry a audio soubor z ElevenLabs. Záběry umístěte na časovou osu, audio podložte pod ně. Funkce „Auto Captions" vygeneruje titulky automaticky z nahrávky — stačí kliknout a počkat asi 30 sekund.
AI video má jasné limity, které je dobré znát předem:
Pro jednotlivce nebo malý tým jde o zásadní změnu pracovního postupu. Krátké školicí video, produktová prezentace nebo výukový klip do 2 minut — to vše lze dnes připravit za odpoledne bez pronájmu studia. Typický projekt vypadá takto: 30 minut na scénář, 15 minut na generování hlasu a záběrů, hodina na střih a titulky v CapCutu. Výsledek nenahradí televizní produkci, ale pro firemní web, LinkedIn nebo interní komunikaci je zcela dostačující.
Začněte jednoduše: video do 60 sekund, jeden záběr z Klingu, komentář z ElevenLabs. Složitější projekty s avatarama nebo vícejazyčným dabingem přijdou přirozeně, až si základní workflow zautomatizujete.
ElevenLabs nabízí API pro vývojáře — cena za generování hlasu se pohybuje řádově v desetinách centu za znak, přesný sazebník závisí na zvoleném plánu a typu hlasu. Runway poskytuje API přístup pro automatizaci generování záběrů; integraci lze postavit například přes Make nebo n8n, kde Runway figuruje jako jeden z kroků v automatizovaném workflow. Kling API bylo v době vydání článku dostupné pro firemní partnery — podmínky ověřte přímo u výrobce.
Článek vychází z funkcí a podmínek nástrojů dostupných k datu vydání 2026-05-17. Konkrétní cenové tarify ověřte na stránkách jednotlivých služeb.