Почему результат получается не таким, как задумано

«Получилось красиво, но я представлял себе другое» — самая частая претензия к генерации изображений. Причин у расхождения задумки и результата немного, и почти все они лежат не в модели, а в описании и в ожиданиях. Разберём их по порядку — начиная с той, которую нельзя починить формулировкой.

Сначала о сходстве: его не будет

Если под словом «непохоже» вы имеете в виду, что на картинке не вы — это не сбой и не следствие плохого описания. Генерация по тексту не воспроизводит внешность конкретного человека. Она рисует человека, подходящего под описание: собирательного, правдоподобного и постороннего.

Никакая детализация текста этого не изменит. Формулировка «женщина тридцати двух лет, тёмные волосы до плеч, карие глаза, родинка над верхней губой» даёт не вас, а ещё одного вымышленного человека, теперь с родинкой. Добавление десятого и двадцатого признака только сужает типаж — узнаваемости оно не создаёт, потому что модели неоткуда знать, как выглядите именно вы.

Из этого следует простое правило отбора задач. Генерация по описанию хороша там, где человек в кадре — обобщённый образ: обложка, иллюстрация, фон для презентации, концепт съёмки, референс для фотографа, картинка к посту. Она не подходит там, где нужен конкретный человек.

Если нужно именно своё лицо

Для этого есть второй режим работы — правка загруженного снимка. Вы даёте системе готовую фотографию и текстом описываете, что с ней сделать: заменить фон, изменить свет, поменять одежду, убрать лишний предмет, расширить кадр до нужного формата.

Ключевое условие — явный запрет на изменение лица. По умолчанию алгоритм стремится «улучшить» всё, до чего дотянется: разгладить кожу, поправить черты, подтянуть их к усреднённому представлению о привлекательности. Поэтому в запросе прямо пишут: «не меняй лицо, черты, возраст и выражение, не меняй остальное изображение». Без этой оговорки вы получите похожего человека вместо себя — и это будет выглядеть именно как «непохоже».

Этот путь не даёт свободы поставить себя в любую придуманную сцену. Зато он даёт достоверность, а достоверность — как раз то, ради чего обычно и затевается работа с собственным портретом.

Противоречия внутри описания

Теперь о расхождениях, которые действительно лечатся. Первое место уверенно занимают взаимоисключающие указания в одном тексте.

«Мягкий рассеянный свет» и «глубокие драматичные тени» — противоречие. «Минимализм, пустой фон» и подробный перечень предметов на заднем плане — противоречие. «Снято на плёнку, зерно» и «идеальная студийная чистота» — тоже. Модель не сообщает об ошибке: она выбирает одно из двух, и предсказать какое — нельзя. От запуска к запуску выбор может меняться, и со стороны это выглядит как нестабильность технологии, хотя причина в тексте.

Проверка занимает минуту: перечитайте описание и найдите пары определений, которые не могут существовать в одном кадре. Оставьте по одному из каждой пары.

Пропущенный блок

Хорошее описание состоит из пяти смысловых частей: субъект, одежда, сцена, свет, подача. Если какая-то часть не названа, модель заполняет её сама — и делает это по-разному при каждом запуске.

Чаще всего пропускают свет. Именно он определяет, будет кадр похож на профессиональную съёмку или на снимок с телефона в коридоре. Формулировки вроде «мягкий боковой свет из окна», «контровой свет на закате», «ровный студийный свет с двух сторон» стоят одной строки, а меняют результат сильнее, чем десяток эпитетов о настроении.

Второй по частоте пропуск — подача: крупность плана и ракурс. Без них модель ставит камеру на своё усмотрение, и получается то поясной портрет, то фигура в полный рост посреди пейзажа.

Перегруз прилагательными

Противоположная ошибка — описание на тридцать эпитетов. Вес каждого слова в таком тексте размывается, и модель начинает следовать общему впечатлению, а не вашим конкретным указаниям.

Работает обратный ход: сократить текст вдвое, оставив пять смысловых блоков и по одному-двум точным определениям в каждом. «Атмосферный, завораживающий, невероятно красивый, кинематографичный, эпичный» — это не пять требований, а одно расплывчатое пожелание. «Холодная синяя палитра, контровой свет, средний план» — три исполнимых.

Полезно и обратное указание — назвать то, чего быть не должно: «без текста», «без логотипов», «без украшений», «без посторонних людей в кадре». Прямые запреты обходятся дешевле, чем вычищение лишнего правкой.

Слабые места самой технологии

Часть расхождений не связана с описанием вообще: есть места, где модели ошибаются систематически. Знать их полезно, чтобы не искать причину в своём тексте.

• Кисти рук. Лишние или сросшиеся пальцы, неестественный изгиб запястья. Самая известная слабость. Помогает описание, где руки заняты понятным делом или убраны из кадра.
• Мелкий текст. Вывески, этикетки, корешки книг, надписи на одежде почти всегда получаются бессмысленным набором букв. Если текст важен, его добавляют потом в редакторе.
• Симметрия. Серьги, пуговицы, оправа очков, узор на ткани — парные элементы часто расходятся между собой.
• Границы сложных объектов. Волосы на пёстром фоне местами «сплавляются» с ним.

Кадр с одной такой проблемой не обязательно выбрасывать: часто проще загрузить его обратно и отдельным коротким запросом исправить конкретное место, запретив трогать остальное.

Разброс между запусками

Одно и то же описание даёт разные картинки. Это свойство технологии, а не поломка: в основе генерации лежит случайность, и два запуска подряд никогда не совпадут в точности.

Практический вывод — не делать выводов по одному кадру. Если результат не тот, запустите то же описание ещё два-три раза. Если во всех вариантах повторяется одна и та же ошибка — дело в тексте, и его надо править. Если кадры разные и один из них близок к задумке — дело в разбросе, и нужно просто больше попыток. Нормальная пропорция при отборе — три-четыре пригодных кадра из десяти.

Неверные ожидания от правки снимка

Отдельный источник разочарования — когда от правки загруженного фото ждут свойств генерации. Правка работает с тем, что есть на снимке, и не может достать того, чего на нём нет.

Нельзя повернуть голову человека, снятого в профиль, и увидеть его анфас. Нельзя восстановить лицо, занимающее сорок пикселей: любая «детализация» будет дорисовкой правдоподобного постороннего лица. Нельзя из снимка в помещении сделать полноценный кадр на улице так, чтобы свет на человеке совпал с новым фоном — свет останется прежним, и глаз это заметит.

И ещё одно: просьба сделать сразу пять изменений одним запросом почти всегда даёт худший результат, чем пять коротких правок подряд. Каждый шаг проверяется отдельно, промежуточные файлы сохраняются.

Порядок поиска причины

• Уточните, чего именно не хватает: узнаваемого лица — это к правке снимка; всего остального — к описанию.
• Запустите то же описание ещё дважды и посмотрите, повторяется ли ошибка.
• Найдите в тексте взаимоисключающие пары и уберите лишнее.
• Проверьте, названы ли все пять блоков, особенно свет и крупность плана.
• Сократите описание вдвое и добавьте прямые запреты.
• Меняйте по одному блоку за раз — иначе непонятно, что подействовало.

И привычка, которая экономит больше времени, чем любые ухищрения: сохраняйте удачные описания в отдельный файл. Через месяц вы не вспомните, какая формулировка дала тот самый свет. Готовые описания есть и под каждым примером в каталоге — рядом с кнопкой «Скопировать»: начинать с рабочего текста надёжнее, чем с чистого листа.

Пошаговый порядок работы над серией кадров разобран в статье как сделать ИИ-фотосессию, а требования к загружаемому снимку — в статье какие фото загружать.