Как создать картинку в нейросети: простой гид для новичков

Как это работает, в одном абзаце

Вы пишете описание, и появляется картинка. Под капотом инструмент начинает со случайного визуального шума и раз за разом подталкивает его к тому, что совпадает с вашими словами. Как выглядят слова, он выучил на огромном количестве изображений с подписями.

Одно следствие объясняет почти всё раздражение новичков: модель сопоставляет ваше описание с закономерностями, а не выполняет инструкции, как это сделал бы человек. Если вы напишете «без собаки», слово «собака» всё равно остаётся в промпте, и собака вполне может появиться. Если вы что-то не указали, модель не переспросит: она заполнит пробел самой усреднённой версией этой вещи из всего, что видела.

В этом и весь навык. Говорите конкретно, чего вы хотите, а то, чего не хотите, пишите там, где для этого отведено место.

Формула из шести частей

Почти в каждом хорошем промпте для картинки есть одни и те же шесть вещей. Пропущенные модель заполнит значениями по умолчанию, а именно они и делают изображение безликим.

Часть	Что написать	Если пропустить
Объект	Конкретная вещь и те детали, которые важны	Самая обобщённая версия этого слова
Окружение	Где всё происходит и сколько видно вокруг	Пустой или захламлённый фон
Свет	Время суток, направление, характер	Плоский, ровный, безжизненный
Кадр	Крупный план или общий, с какого ракурса	Средний план по центру, каждый раз
Стиль	Фотография, масло, 3D-рендер, иллюстрация	Глянцевый цифровой арт
Настроение и цвет	Ощущение и палитра	Перенасыщенно и контрастно

Слабый промпт: уютная гостиная.

Сильный промпт: Небольшая гостиная с зажжённым камином и полосатым котом, спящим в потёртом кресле, свет позднего дня из окна на запад, общий план от дверного проёма, реалистичная фотография, 35 мм, тёплые коричневые тона и мягкий янтарный, спокойно и обжито.

Придумать оба стоит примерно одинаковых усилий. Второй, это картинка. Первый, это категория.

Дальше добавьте то, что новички пропускают полностью: список нежелательного. Негатив: текст, водяной знак, лишние пальцы, захламлённый фон, улыбка как на стоковом фото. Почти всё, из-за чего изображение выглядит сгенерированным, сводится к небольшому набору повторяющихся артефактов, и достаточно их назвать, чтобы они ушли.

Приём, который всё упрощает

Писать такие промпты самому необязательно. Попросите текстовую нейросеть написать их за вас.

Напиши промпт для генерации изображения по идее: [ваша сырая идея]. Картинка нужна для [цель]. Структура: объект, окружение, свет, кадр, стиль, цвет и настроение, затем список нежелательного. Дай три версии, которые отличаются кадром, а не прилагательными.

Языковые модели пишут промпты для картинок заметно лучше большинства людей: формат известный, а примеров они видели огромное количество. Поэтому генерировать изображения прямо в чате действительно полезнее, чем в отдельном окошке для картинок: инструмент, который пишет промпт, стоит вплотную к тому, который рисует.

Почему картинка вышла не такой

Короткий диагностический список, который закрывает почти все проблемы новичков.

Скучно и безлико. Вы не задали свет и кадр. Эта пара делает больше, чем любая другая.

Всё нужное на месте, но расставлено не так. Задайте кадр явно: общий план снизу, крупный план, объект в левой трети. Модель понятия не имеет, где вы хотите видеть предметы, пока вы не скажете.

В кадре то, что вы просили не показывать. Упоминание в основном промпте делает его появление более вероятным, а не менее. Перенесите в список нежелательного.

Руки, лица или мелкие повторяющиеся детали получились кривыми. До сих пор самое слабое место везде. Попробуйте более плотный кроп, другой ракурс или вариант, где руки не видны. Иногда достаточно просто перегенерировать.

Текст превратился в абракадабру. Так и ожидалось. Смотрите следующий раздел.

Похоже на стоковую фотографию. Добавьте репортажный кадр, опишите действие вместо позы и отправьте улыбка в камеру как на стоке в список нежелательного.

Не та форма для места, куда вы её ставите. Сразу просите то соотношение сторон, которое вам действительно нужно. Обрезая квадрат в баннер, вы выбрасываете ту самую композицию, которую заказывали.

Итерации без хождения по кругу

Новички перегенерируют один и тот же промпт в надежде на удачный бросок. Доля случайности неизбежна, но большинство впустую потраченных попыток идёт от того, что меняют несколько вещей сразу.

• Меняйте по одной вещи за попытку. Свет, или кадр, или стиль. Не всё сразу, иначе вы не поймёте, что помогло.
• Сначала композиция, потом детали. Выставить кадр и свет в первую очередь намного эффективнее, чем доводить до идеала объект, который стоит не в той части кадра.
• Описывайте то, что получилось удачно. Когда картинка почти попала, скажите об этом словами в следующем промпте, а не рассчитывайте, что инструмент помнит сам.
• Сохраняйте промпты, которые сработали. Шесть или восемь надёжных заготовок стоят больше любой отдельной картинки, и именно они делают серию изображений похожей на одно целое.

Что нейросети пока не умеют

Текст. Слова внутри изображений остаются ненадёжными везде. Короткое слово иногда выходит, заголовок или логотип обычно нет. Генерируйте картинку чистой, а текст добавляйте в любом графическом редакторе: заодно получите нужный шрифт.

Точные расстановки. «Ровно три предмета, красный слева», это указание, которое выполняется ненадёжно. Если расстановка важна, сгенерируйте элементы по отдельности и соберите композицию сами.

Один и тот же персонаж дважды. Получить одинакового человека или товар в целой серии сложно. Подробные повторяющиеся описания помогают, но идентичный результат никто не гарантирует.

Точная правка реальной фотографии. Фон, свет и стиль модель меняет хорошо. Надёжно сдвинуть предмет на пять сантиметров влево она не может.

И про использование результата: проверьте правила до того, как что-то сгенерированное уйдёт в коммерческий проект. Особенно осторожно с изображениями, похожими на реального человека, узнаваемое место или узнаваемый стиль живущего художника. Условия у разных инструментов различаются, а ответственность лежит на том, кто публикует изображение.