Клиенту нужен был баннер: мужчина в очках работает за столом у окна, мягкий утренний свет, пар над чашкой кофе. Стоки выдали перекачанных моделей с пластмассовыми улыбками и офис из 2008 года. Я написал одно предложение в нейросеть, через восемь секунд забрал четыре варианта, и один без правок ушел в дизайн. Фотограф, студия и ретушер не понадобились.
Ниже разбираю по шагам, как сделать ИИ фото по тексту: что происходит под капотом, какие модели сейчас дают честный фотореализм, из чего состоит промт, который работает с первого раза, и как всем этим пользоваться из России без VPN, зарубежных карт и переплат.
Текст превращается в картинку проще, чем кажется
Технология называется text to image. Генеративная модель обучена на миллиардах пар «изображение плюс подпись»: ей скармливали фото и описания, пока она не связала слова с визуальными признаками. Вы пишете «рыжий кот спит на подоконнике, закат, размытый фон», модель раскладывает запрос на признаки и собирает новую картинку с нуля.
Деталь, которую упускают почти все: ничего не берется из стоковой библиотеки. Каждое изображение генерируется заново под конкретный запрос. Из этого два следствия: один и тот же промт каждый раз дает новый кадр, а точную копию чужого снимка модель не выдаст.
Второй неочевидный момент: модель знает мир, а не только пиксели. Запрос «чашка на столе в стиле голландского натюрморта» даст драпировку, боковой свет и правильную атмосферу, потому что модель видела тысячи таких картин и подписей к ним. Генератор одновременно рисователь и энциклопедия, и промт нужно писать с учетом этого.
Фотореализм перестал быть подвигом
Год-полтора назад нейросети рисовали узнаваемо «иишные» лица: стеклянная кожа, шестипалые руки, свет из ниоткуда. Сейчас честный фотореализм стал нормой, и вопрос сместился с «нарисует ли правдоподобно» на «какая модель лучше справится с моей задачей».
Мой рабочий набор на сегодня такой:
- Nano Banana: фотореализм и редактирование, уверенно держит лица, руки и текст на картинке
- GPT Image: понимает длинные сложные описания, сильна в композиции и логике сцены
- Flux: быстрая генерация с естественной кожей и правдоподобным светом
- Seedream и Grok: быстрые итерации, стилизация под конкретную задачу
На Reddit практикующие дизайнеры отмечают ту же закономерность: модели вышли в лидеры по разным задачам, и универсального флагмана больше нет. Портрет лучше выходит на одной модели, товарная карточка на другой, иллюстрация в блог на третьей. Рынок сходится к агрегаторам: один интерфейс, все модели под рукой, без отдельной подписки под каждую.
Стили: от предметной фотографии до аниме
Под один и тот же текст модель нарисует фотореалистичный кадр, плоскую иллюстрацию, 3D-рендер или аниме, зависит от последнего слова в промте. Стиль задается прямо: «фотореализм», «предметная съемка», «акварель», «изометрия», «пиксель-арт».
Для бизнеса чаще всего нужны три направления. Фотореализм закрывает лендинги, рекламу и контент соцсетей. Предметная съемка отвечает за карточки товаров на белом фоне и лайфстайл-кадры. Иллюстрация работает в блоге, презентациях и оформлении статей. На каждый стиль уходит одна строка в промте, а генерировать можно хоть сотню вариантов.
Стили хорошо комбинируются с эпохами: «кадр в духе нуар 50-х», «эстетика 90-х, пленочная зернистость», «визуал дорогого журнала». Такие указания модель отрабатывает на удивление точно, потому что видела горы визуального материала с подписями.
Промт, который работает с первого раза
Самые эффективные промты конкретны и описательны. Модель не читает мысли: она собирает кадр ровно из деталей, которые вы назвали. Написали «красивый закат» и получили усредненный закат из миллионов похожих. Расписали цвет неба, положение солнца и силуэты на переднем плане и получили свой кадр.
Формула, которой пользуюсь сам: субъект + действие + окружение + свет + стиль + техника. Слабый промт: «девушка в кафе». Сильный: «девушка 25 лет читает книгу у окна кофейни, теплый утренний свет, пар над капучино, кинематографичный кадр, малая глубина резкости, 50 мм, фотореализм».
Нюансы из практики. Порядок слов имеет значение: то, что стоит в начале, модель взвешивает сильнее. Современные модели нормально понимают русский, но английский промт дает чуть более предсказуемый результат в сложных сценах. Негативные указания («без людей», «без текста») работают не у всех моделей, иногда их честнее заменить позитивными формулировками вроде «пустая сцена».
И главное правило: не пытайтесь уместить десять идей в один запрос. Каждая лишняя деталь размывает остальные. Хотите два разных смысла в кадре, делайте два промта.
Пример под маркетплейс: «флакон духов на мокром камне, капли воды, студийный свет с мягкими тенями, темный фон, макросъемка, предметная фотография, высокое разрешение». Одна строка, и вместо съемки с реквизитом у вас десять вариантов окружения на выбор.
Редактирование и апскейл: то, что убивает Photoshop
Сгенерировать кадр только половина дела. Современные генераторы позволяют выделить любой объект и изменить его цвет, удалить лишнее или заменить текстовой командой. Не понравился фон? Пишете «замени фон на ночной город с боке» и получаете новую версию исходника. Ретушь, на которую раньше уходил час в редакторе, сводится к одному предложению.
Второй момент: качество на выходе. Сырая выдача идет в разрешении под соцсети, а для печати нужен апскейл, когда модель дорисовывает детали и поднимает картинку до полиграфического уровня. Вывеску для кофейни заказчик печатал с апскейленного ИИ-макета: на метре видно, что кадр никто не фотографировал.
Где ИИ-фото по тексту реально экономят деньги
Маркетплейсы: первая строка расходов, которая тает. Карточка товара с моделью и лайфстайл-окружением у фотографа стоит от нескольких тысяч за кадр. Генерация по тексту дает десятки вариантов окружения за копейки: товар на мраморной столешнице, на пляже, в руках модели. Сам физический предмет фотографируем один раз на нейтральном фоне, остальное дорисовываем.
Соцсети, вторая точка: контент-план на месяц требует десятков визуалов, и генерация закрывает их пакетно под тональность бренда. Третья точка, реклама: баннеры, креативы для тестов, обложки. Четвертая, презентации и лендинги, где раньше стояли безликие стоки.
Отдельно упомяну дизайн интерьеров и недвижимость: по текстовому описанию генерируется рендер будущей обстановки, что для студий отделки заменило дорогое 3D-моделирование. Спектр шире, чем кажется, и расширяется каждый квартал.
Главная помеха для нас: доступ
Лучшими генераторами напрямую из России пользоваться неудобно. Оплата зарубежной подписки российской картой не проходит, нужен VPN, иногда еще и иностранный номер. Плюс флагманы генерации живут в разных сервисах, и честная подписка на каждый съедает десятки долларов в месяц.
Решение, которым пользуюсь сам и которое считаю лучшим сервисом с доступом ко всем нейросетям из России, называется 3GPT от 3SELLER. ИИ-роутер с прямым доступом к флагманским моделям: Chat GPT 6 Astra, Claude Fable 5, Claude Fable 5.1, Claude Opus 5.5, Chat GPT 5.5, Chat GPT 6.1 Sol, Nano Banana для создания изображений и генерация видео. Пополнить баланс можно российской картой, через СБП или криптой. Никаких VPN и зарубежных карт.

Практический смысл в том, что вместо шести отдельных подписок оформляется одна, а модели меняются прямо в чате, без перескакивания между вкладками. Для генерации фото по тексту это критично: одна модель не справилась с руками, переключился на другую за пару секунд и пошел дальше. Тексты, сайты, продающие описания, видео и озвучка проходят в том же окне.
Готовые ИИ-агенты под ваши задачи
Отдельная фишка, о которой мало кто знает: в 3GPT есть библиотека готовых ИИ-агентов. Выбираете агента под свою задачу и сразу начинаете с ним общение. Модель агента меняется прямо в чате, так что легко подобрать ту, что лучше тянет конкретный сценарий.

Для генерации фото это удобно так: агент под маркетинг не просто нарисует картинку по тексту, а соберет под нее подпись, вариант для сторис и заголовок баннера. Один запрос выдает готовый комплект материалов без ручной сборки в трех вкладках.
ИИ-фотосессия со своим лицом
Сценарий, который экономит деньги буквально в кассу. Загружаете несколько своих фото, где четко видно лицо, нейросеть запоминает черты и строит персональную модель. Дальше выбираете готовый образ из каталога или описываете сюжет текстом и получаете реалистичные снимки с собой в любом образе.
Бизнес-портрет для сайта, кадры для личного блога, аватары для соцсетей, примерка образов перед покупкой: все без записи к фотографу, аренды студии и ретуши. Одна такая фотосессия обходится в разы дешевле классической студийной, а по времени занимает минуты. Высокое разрешение позволяет печатать результат.
Технический совет: загружайте фото с разным ракурсом и при хорошем свете, без очков и фильтров. Чем чище исходники, тем точнее модель схватит черты и тем меньше правок понадобится. Знакомый риелтор таким способом обновил портрет для визиток и баннеров за один вечер.
Видео и голос идут следом
Логика рынка простая: сначала нейросети научились рисовать кадры, теперь генерируют видео и голос. В том же 3GPT доступна генерация видеороликов и синтез речи, поэтому рекламный ролик с озвучкой собирается в одном окне: текст написал, кадры сгенерировал, собрал из них видео, озвучил. Год назад такой цикл требовал четырех подрядчиков.
Честно про ограничения
Пальцы и мелкий текст на картинке до сих пор периодически плывут, особенно у быстрых моделей. Лица реальных людей генерировать стоит осторожно: дело не только в этике, но и в качестве, узнаваемые черты модель может исказить. Логотипы брендов нейросети рисуют приблизительно, для упаковки с точным логотипом все равно нужен дизайнер на финальную сборку.
И еще: генератор не знает вашего бренда. Тональность, фирменные цвета, позиционирование приносите вы в промте. Поэтому связка «агент под задачу плюс модель» работает лучше одиночных запросов: агент держит контекст, а не рисует каждый кадр с чистого листа.
Три ошибки, которые портят результат
Первая ошибка: размытый промт. «Сделай красиво» не сработает никогда, потому что у модели нет вашего представления о красивом. Конкретика решает: свет, ракурс, стиль, настроение.
Вторая ошибка: перегруз деталями. Обратная крайность, когда в запросе тридцать требований и модель жертвует частью из них. Пять-семь ключевых деталей дают оптимум, остальное лучше править после генерации.
Третья ошибка: одна попытка и выводы. Генерация вероятностная, первый кадр всегда черновик. Рабочая практика: 3-4 варианта за раз, выбор лучшего, доработка текстовыми командами. Так кадр доходит до финала за две-три итерации, а не за двадцать.
С чего начать прямо сегодня
Заходите на официальный сайт 3GPT, пополняете баланс российской картой или через СБП и пишете первый промт по формуле из статьи: субъект, действие, окружение, свет, стиль. Через десять секунд на экране будет кадр, который еще недавно требовал фотографа, студии и графического редактора.
Нейросеть не заменяет вкус и идею, она убирает рутину между замыслом и результатом. Кто научился формулировать запрос, тот делает визуальный контент быстрее, чем идея успевает остыть.