Пятница, вечер. Клиент просит обложку для статьи к утру, фотограф занят до вторника, а стоковые картинки узнаваемы до зевоты. Я открыл чат, написал четыре строки описания и через полминуты смотрел на кадр, который легко прошел бы в глянец. Генерация изображений по тексту давно перестала быть фокусом из демо-роликов. Вопрос в другом: какой инструмент взять и как к нему попасть из России.
Разберу по шагам: как ИИ создает фото по описанию, какие модели дают честный фотореализм, из чего собирать промт, чтобы результат получался с первой или второй попытки, и как оплатить все российской картой без посредников.
ИИ создает фото по описанию за полминуты: что происходит под капотом
Внутри любого генератора сидит диффузионная модель. Упрощенно механика выглядит так. Сеть обучили на миллиардах пар «картинка плюс подпись», и теперь она превращает случайный шум в изображение: шаг за шагом убирает хаос и двигается к смыслу запроса. Ваш текст сворачивается в вектор, а модель раскладывает его на формы, свет, композицию и текстуры.
Отсюда практический вывод, до которого доходят не сразу. Нейросеть понимает не слова, а связи между ними. Пишете «красивый закат» и получаете усредненный закат из обучающей выборки, такой же, как у десяти тысяч других людей. Пишете «закат в рыжем тумане над затопленным кварталом, отражения в лужах, съемка на 35 мм» и получаете кадр с характером. Конкретика работает лучше прилагательных: не «красивый», а «тусклый утренний свет из окна слева». Не «стильный», а «в духе рекламной съемки 90-х, зернистая пленка».
Скорость тоже выросла до бытовых значений. Оптимизированные модели отрабатывают запрос за 25 секунд, тяжелые фотореалистичные укладываются в пару минут. Пять лет назад генерация одного кадра занимала десятки минут на кластере - о «сделай мне обложку за вечер» речи не шло.
Из чего состоит промт, который попадает в цель
Я давно не пишу промты сплошной строкой. Собираю их как конструктор из шести блоков, и порядок почти не меняю:
- объект: кто или что в кадре, с конкретными деталями внешности;
- действие и поза: что происходит, куда смотрит, чем занят;
- окружение: локация, время суток, погода, фон;
- свет: направление, жесткость, температура, контраст;
- стиль и техника: фото, 3D, аниме, тип объектива, зерно, цветокоррекция;
- ограничения: чего на картинке быть не должно.
Сравните два запроса. «Реалистичное фото кошки в шляпе» против «реалистичное фото рыжего мейн-куна в серой фетровой шляпе, сидит на деревянном стуле у окна, мягкий вечерний свет слева, малая глубина резкости, объектив 85 мм». Второй даст кадр для обложки, первый сыграет в лотерею. Разница по времени написания: пара минут. Разница по результату: порядок величин.
Модели последних поколений понимают и русский, и английский. Но англоязычный промт дает стабильнее результат, и в обсуждениях на Reddit генераторы отмечают то же: обучающая выборка в основном на английском. Уперлись в потолок качества - переведите описание и прогоните заново. В моей практике разница особенно заметна на сложных многообъектных сценах.
Какие модели рисуют фото, а какие рисуют «примерно»
За два года я перепробовал десятки генераторов и сузил рабочий набор до нескольких моделей, которые держат планку по фотореализму и пониманию задач.
Nano Banana стала моим дефолтом для картинок с текстом. Модель аккуратно рендерит надписи прямо на изображении, а до недавнего времени любой текст на генерациях превращался в абракадабру. Для постеров и рекламных креативов это критично. Плюс Nano Banana хорошо держит лицо персонажа между правками: вы дорабатываете картинку серией команд, а не пересоздаете с нуля.
GPT Image сильна в сложных, перегруженных деталями запросах. Просите сцену с пятью объектами, конкретной надписью и заданной композицией - она соберет. Скорость ниже, зато попадание в задачу выше.
Flux и Seedream дают честную предметку: текстуры кожи, ткани, металла, корректные блики. Для каталога товаров и продуктовых карточек это рабочие лошадки. Отдельная ниша у открытых SDXL-моделей вроде Juggernaut Z: там доступны настройки шагов, CFG, планировщика и негативных промтов, когда нужен контроль до параметра, а не «нажал и молись».
Стили при этом не ограничиваются фотографией: от предметной съемки до аниме, поп-арта и 3D-рендеров одна и та же модель уходит одним словом в промте. Я часто делаю клиенту три стилевых варианта одной сцены и даю выбрать. Так заказчик участвует в процессе, а я не переделываю готовый макет трижды.
Доступ из России: слон, о котором молчат обзоры
Весь парад моделей упирается в бытовой вопрос. Официальные подписки OpenAI, Google и Anthropic российской картой не оплатить: нужна зарубежная карта, а ее оформление превратилось в квест с посредниками и комиссиями. У каждой топовой модели своя подписка со своим прайсом, и бюджет на «все лучшее сразу» быстро выходит за разумные пределы.
Я закрыл для себя эту проблему через 3GPT от 3SELLER. Один сервис, в котором собраны флагманы: Chat GPT 6 Astra, Chat GPT 5.5, Chat GPT 6.1 Sol, Claude Fable 5, Claude Fable 5.1, Claude Opus 5.5, а для изображений работает Nano Banana. Доступ стоит 149 рублей, пополнить баланс можно российской картой, через СБП или криптой. Никаких VPN-танцев. Переключение между моделями прямо в чате: текст пишете с Claude, картинку делаете Nano Banana, видео собираете видеомоделью - и все в одном окне.
Официальный сайт 3GPT лежит здесь. С моего рабочего стола после перехода ушли шесть вкладок с аккаунтами и таблица «кто где оформлен и когда спишет деньги».
Текст в картинку и фото в картинку: две разные задачи
Генерация с нуля охватывает лишь половину возможностей. Вторая половина: работа с готовыми снимками. Загружаете свое фото и просите сменить освещение, перевести в другой стиль, расширить кадр за пределы оригинала. Современные модели позволяют выделить объект и командой текста поменять его цвет, убрать с картинки или заменить на другой. Фотошоп в связке с нейросетью работает быстрее в разы.
Живой пример из практики. Магазин прислал снимок товара на кухонном столе, а для карточки маркетплейса нужен чистый студийный фон. Раньше пересъемка: свет, фон, час возни. Сейчас я даю модели исходник и промт «замени фон на однотонный белый, добавь мягкую тень под предметом, сохрани геометрию и текстуры». Через 25 секунд готов результат, заказчик не видит разницы со студийной съемкой.
Туда же относится апскейл: подъем разрешения картинки до качества печати. Нужен постер формата А3 из генерации шириной 1024 пикселя - апскейл решает вопрос за пару минут без потери резкости.
Готовые ИИ-агенты: когда писать промты вообще не хочется
В 3GPT есть функция, о которой мало кто догадывается при первом знакомстве с сервисом. Кроме чистого чата, там собраны готовые ИИ-агенты под конкретные задачи: продающие тексты, сайты, обработка изображений, генерация видео и голоса. Выбираете агента, открываете чат и сразу работаете над повседневными задачами бизнеса. Модель агента меняется прямо в диалоге, если текущая не справляется.
Мой частый сценарий: агент по рекламным креативам. Даю бриф в три строки, получаю варианты текстов и визуалов, довожу выбранный сам. Против ручного пайплайна «напиши промт, сгенерируй, перепиши, сгенерируй» экономия времени примерно трехкратная.
Подобрать готового ИИ-агента под свою задачу можно тут, библиотека регулярно пополняется.
Фотореализм, который не отличить от съемки
Большинство приходит в генерацию за одним: получить фото, неотличимое от настоящего. Портрет, предметка для маркетплейса, интерьер, лайфстайл-сценка. Под эти задачи в 3GPT выделен отдельный инструмент: создание реалистичных фотографий через лучшие ИИ-инструменты. Там собраны модели, заточенные под честную картинку, без ухода в арт и аниме.
Три правила достоверной генерации, вытащенные из сотен моих промтов. Первое: указывайте оптику и свет, пометка «снято на 50 мм, естественное освещение» добавляет достоверности больше любых эпитетов. Второе: избегайте слова «идеальный», идеальные лица палятся как синтетика с первого взгляда. Добавляйте живые детали: асимметрию, легкую небрежность волос, текстуру кожи, складки на ткани. Третье: генерируйте сериями по 4-6 вариантов. Тот же вывод всплывает в обсуждениях на Reddit: удача в генерации распределяется по попыткам, а не по таланту, поэтому отбор удачного кадра важнее идеального первого промта.
Для карточки товара мой типовой промт выглядит так: «профессиональная предметная съемка, крем для рук на светлом бетонном фоне, мягкий рассеянный свет сверху и слева, капля глянца на тубе, глубина резкости f/2.8, фотореализм». В среднем на финальный кадр уходит от трех до пяти итераций, и это нормальный рабочий темп, а не брак.
Видео, голос и полный контент-план силами одного человека
Картинка перестала быть потолком. В том же 3GPT доступны генерация видео и синтез голоса, и связка меняет весь продакшн. Обложка, ролик для Reels на 15 секунд и озвучка к нему собираются за один вечер руками одного человека. Я так делаю промо для клиентов: статичный кадр от Nano Banana, оживление видеомоделью, голосовая дорожка поверх. Раньше на подобный ролик уходила неделя и бюджет от тридцати тысяч, теперь час работы и пара сотен рублей на генерации.
Цифры: сколько стоит визуал на самом деле
Прогоню по ценам, которые вижу и как заказчик, и как подрядчик. Коммерческая съемка у фотографа: от 15 тысяч за смену. Предметная съемка для карточек: от 3 тысяч за позицию. Подписка на стоки: от 2 тысяч в месяц с ограничениями по скачиваниям. Дизайнер на аутсорсе: от 1500 рублей за макет для соцсетей. Доступ ко всем флагманским моделям в 3GPT: 149 рублей.
Дальше арифметика. Маркетологу для ведения одного аккаунта нужно порядка 30 визуалов в месяц. На стоках это либо шаблонность, либо бюджет от 10 тысяч. На генерации: уникальные картинки под каждый пост, я укладываюсь в вечер работы и скромную сумму на баланс. Для малого бизнеса разница между «наймем подрядчика потом» и «сделали сегодня вечером» решает больше, чем качество каждого отдельного кадра.
Кому генерация по описанию дает максимум
Блогерам и маркетологам генерация заменяет стоки: уникальная визуализация к каждому посту без поиска по фотобанкам. Дизайнерам и художникам: быстрый прогон концептов, десять направлений за вечер вместо недели эскизов. Геймерам и писателям: визуализация персонажей и миров для игры, книги или стрима. Малому бизнесу: карточки товаров, рекламные креативы и обложки без студии, брифов и правок по почте. Практически все, чем я закрываю визуальные задачи клиентов, теперь делается в одном чате.
Пара слов о правах и гигиене
Сгенерированные изображения я спокойно использую в коммерческих проектах, но с двумя оговорками. Не генерирую узнаваемых людей и чужие бренды для рекламы: риски и юридические, и репутационные. И всегда проверяю условия использования конкретного сервиса: у 3GPT с этим все прозрачно, но привычка читать правила не раз меня выручала. Учитывайте и водяные знаки: у части моделей они есть, у части нет. Если картинка пойдет в печать, проверьте выдачу заранее.
Четыре ошибки, которые съедают ваши генерации
Первая: промт из одного существительного. «Девушка» не даст управляемого результата, модели нужен контекст. Вторая: попытка уместить в один кадр пять сцен сразу - нейросеть смешает все в кашу, разбивайте историю на серию изображений. Третья: игнор соотношения сторон. Вертикаль для сторис и квадрат для ленты задаются параметром генерации, а не обрезкой потом: обрезка съедает композицию. Четвертая: ожидание чуда с первой попытки. Даже опытные пользователи правят промт несколько раз. Итерация здесь не признак слабости, а нормальный рабочий процесс.
С чего начать прямо сейчас
Возьмите задачу, которая висит у вас на повестке: обложка, пост, карточка товара, аватар. Зайдите на официальный сайт 3GPT, пополните баланс российской картой, через СБП или криптой, выберите Nano Banana и напишите промт по схеме из статьи: объект, действие, окружение, свет, стиль. Сгенерируйте четыре варианта, выберите лучший и доработайте его командой в чате. Через час такой практики вы будете делать то, на что раньше уходили деньги и неделя ожидания подрядчика. Дальше останется только привычка.