Как я генерирую кар­тинки в нейросетях, чтобы не скаты­ваться в ИИ⁠-⁠слоп

Вот как меняется изображение в зависимости от запроса и использованной модели.

Способности нейросетей и, соответственно, мои предпочтения меняются пару раз в месяц, когда выходят новые модели. Плюс влияет доступность: многими инструментами сложно пользоваться из России, и ограничения везде разные. Мои фавориты такие:

• для большинства повседневных задач вроде создания мемов или замены персонажа на фотографии — ChatGPT, потому что у меня есть платная подписка, а для доступа достаточно сменить IP-адрес;
• для поиска по-настоящему остроумных идей — Nano Banana Pro, потому что доступ к нейросетям Google затруднен, а большинство агрегаторов убирает модель Pro из дешевых тарифных планов и заменяет на Nano Banana 2;
• когда важнее художественность и единый стиль — Midjourney, она великолепно работает с мудбордами и эстетиками, но принимает не все даже иностранные карты;
• когда нужна серия изображений в одном стиле и холст, чтобы составлять из них композиции, — Recraft.

По сути, промпт — это техническое задание для очень способного и исполнительного, но не очень опытного ассистента. Промпт начинается с ответа на вопрос «Зачем нужна картинка?». Собственно, этот ответ определяет и формат — например, стикер, слайд в презентации, обложка для видеоролика, — и сюжет с композицей.

Когда хватит простого промпта. Если нужна незамысловатая красивая картинка, достаточно инструкции вроде «Нарисуй кота в мандаринах». Качество изображения будет зависеть от модели. Она же определит стиль, композицию, эстетику и другие параметры. Такой промпт еще можно использовать для поиска идей, когда я сама до конца не представляю, что должно получиться в итоге.

Если есть конкретные требования к результату, я вписываю их в промпт и дальше его последовательно улучшаю. Например, котик в стиле милой иллюстрации мне не подходит, я хотела как бы реальное фото, а еще чтобы кот был черным.

Тогда промпт будет такой: «Нарисуй фотореалистичного черного кота, выглядывающего из кучи мандаринов. Вокруг овощной отдел супермаркета, мандарины лежат в центре зала как сезонный товар».

Здесь кот и мандарины стали фотореалистичными и в целом угадывается супермаркет, но фон размытый, а мандарины и прочие овощи как будто навалены от витрины до витрины. Можно попытаться уточнить промпт и прописать геометрию пространства еще более детально, но я пошла другим путем.

Я знаю, что с фотореализмом хорошо справляется Nano Banana Pro, а еще она великолепно учитывает детали — гораздо лучше, чем я пропишу вручную. Плюс у нее чаще всего нет проблем с геометрией. Поэтому я не стала менять промпт, но сменила нейросеть.

Кот стал более живым, фон — детальным, расположение предметов — адекватным. Модель учла, что запрос на русском языке, а мандарины в наших краях бывают сезонным товаром скорее зимой, поэтому люди тепло одеты. Появились даже соринки на шерсти у кота, что абсолютно естественно, если ты сидишь в ящике с мандаринами.

Также много информации нейросети дают:

• история, которую вы хотите рассказать картинкой;
• настроение;
• для чего эта картинка — фон для презентации, открытка, стикер, мем.

В этом случае мне не понадобилось прописывать, когда и где сделано фото, какой использован объектив, в какой позе сидит кот и другие детали. Если бы важным для моей задумки было именно это — стоило бы указать.

Когда нужен подробный промпт. Он пригодится, если вы хотите получить стабильный и воспроизводимый результат, либо если по короткому промпту генерируется вообще не то, что вы себе представляете. Тогда поможет только подробное описание деталей и контекста.

Есть несколько способов получить устойчивый промпт:

1. Найти готовый в соцсетях — например, если хотите повторить тренд, обычно легко найти сотни постов с промптами и инструкциями.
2. Написать свой, попробовать, дописать, снова попробовать, убрать проблемные части, попробовать еще раз.
3. Объяснить идею ChatGPT или другой языковой модели и попросить ее написать для вас подробный промпт.

Вот в каком порядке я обычно создаю подробные инструкции:

1. Сначала пишу промпт по базовой структуре: [формат результата] → [кто или что] → [что делает, в каком состоянии и/или в каких обстоятельствах]. Например: «Иллюстрация, где маленький робот поливает цветок на крыше дома».
2. Если результат не устраивает, добавляю еще параметры — [настроение, стиль, эстетика, вайб] → [композиция, ракурс, свет, цветовая палитра] → [что подчеркнуть, например текстуры и детали]. К примеру, мне захотелось более кинематографичную и трогательную картинку: дождливый город, уютная индустриальная эстетика, вечерний свет, капли воды на роботе и жестяной банке, хрупкость цветка.
3. Следующий этап доработки — указать технические параметры съемки, вплоть до модели фотоаппарата, объектива, типа освещения, фокусного расстояния. Если вы не разбираетесь в этом, можно попросить текстовую нейросеть вроде ChatGPT выбрать подходящие для вашего сюжета. Для своей иллюстрации я указала, что съемка ведется чуть снизу, а город на заднем плане мягко размыт. Также попросила имитировать объектив 35 мм, установить малую глубину резкости и проработать реалистичные текстуры и отражения в лужах, аккуратные блики на лейке, цветок в четком фокусе.
4. Если все равно результат не очень — стоит проанализировать, с чем больше всего проблем. Возможно, эта часть картинки вам вообще не важна — тогда можно либо убрать объект из запроса, либо прописать, что вы хотите исключить. Например, мне не нравилось количество бликов, пятен, капель — дополнила запрос просьбой не добавлять лишних персонажей, предметы на крыше, вывески, сложные механические детали, перегруженный фон. Картинка должна быть спокойной, лаконичной и сосредоточенной на главной сцене.

Я не считаю картинку готовой в момент, когда нейросеть ее сгенерировала. Это черновик — иногда хороший, иногда бесполезный. Дальше стараюсь ответить на несколько вопросов.

Подходит ли картинка туда, где я хочу ее использовать. Если это обложка — есть ли место для заголовка. Если иллюстрация к статье — показывает ли то, что я хочу сказать. Не выглядит ли изображение безликим, как будто со стока взяли первое попавшееся? Генерация может быть красивой сама по себе, но бесполезной для конкретной задачи.

Все ли в порядке с композицией и сюжетом. Я проверяю сцену целиком: есть ли понятная история, нормальная композиция и логика пространства, не спорят ли между собой главный объект и фон, не перегружен ли кадр деталями. Иногда бывает, что нейросеть нарисовала все, что указано в промпте, но итоговая картинка выглядит как случайный склад объектов.

Все ли в порядке с деталями. Стоит проверить руки, ноги, лапы, спинки и ножки стульев, зубы, надписи, ручки чашек и ложек, отражения, тени. Именно такие мелочи чаще всего выдают небрежную генерацию. У слона может оказаться нога вместо хобота, а на упаковке вместо названия — набор букв.

Все ли в порядке со стилем. Нейросети любят усреднять: добавлять глянец, драматичный свет, идеальную кожу, слишком кинематографичный фон и лишнюю «красоту» там, где нужна обычная бытовая сцена. Поэтому я проверяю, не выглядит ли картинка дороже, стерильнее или пафоснее, чем нужно. Если изображение не вызывает доверия, не кажется аутентичным — добавляю в промпт указание на то, где все это происходит.

После проверки я выбираю один из пяти вариантов:

1. Оставить как есть, если картинка уже устраивает. Например, я хотела нарисовать мем для чата с коллегами, а не сложную иллюстрацию, и все получилось с первого раза.
2. Уточнить промпт и сгенерировать заново. Например, вписать, что уличная сцена сфотографирована на пленку, а дело происходит в обычном спальном районе. Или убрать людей, если модель постоянно рисует их с ошибками.
3. Попросить нейросеть отредактировать картинку. В диалоге с чат-ботом в большинстве случаев можно внести точечные правки — например, сказать, чтобы убрал мандарины с дальних витрин и все ценники, кроме одного возле кота.
4. Сменить модель. Если есть возможность, стоит попробовать другую нейросеть — может получиться быстрее, чем сражаться с прежней. Если модель плохо держит геометрию пространства, я не пытаюсь десять раз объяснить ей, как устроен овощной отдел.
5. Доработать вручную. Иногда проще замазать лишний предмет, обрезать кадр и поправить цвета в обычном фоторедакторе.

1. ИИ-картинка становится слопом, когда человек не выбирает модель, не дорабатывает промпт, не отбраковывает слабые варианты и не проверяет детали. В хорошей генерации не только нет ошибок, но и есть понятная идея.
2. Некоторые модели сами анализируют и дорабатывают запрос, при этом у каждой есть сильные и слабые места. Выбирать нейросеть стоит под конкретную задачу.
3. Для простой красивой картинки или поиска идеи хватит краткого запроса. Подробный промпт нужен, когда важен стабильный, воспроизводимый результат или когда по короткому запросу выходит совсем не то.
4. Подробный промпт пишется по формуле: формат → кто или что → действие → настроение и композиция → технические детали → исключения. А иногда проще не усложнять промпт, а сменить модель или попросить нейросеть собрать запрос за вас.
5. Сгенерированная картинка — это черновик. Стоит проверить ее по смыслу, композиции, деталям и стилю, а потом уже решать, что делать: оставить как есть, уточнить промпт, попросить нейросеть отредактировать, сменить модель или доработать вручную.