В прошлом году я потратил два дня, пытаясь сгенерировать фото кота в космосе для шутки в свой канал. Нейросеть упорно выдавала то кота с руками, то космос без кота, то разноцветную кашу. Проблема была не в модели, а в формулировке запроса. После того как я разобрался, генерация фото нейросетью стала занимать минуты, и результат перестал походить на абстракцию.
Сейчас я создаю картинки для статей, постов и рабочих презентаций через нейросети. Не потому, что я художник. Потому что это быстро, а современные модели умеют больше, чем принято думать. В этой статье расскажу, как сгенерировать фото нейросетью, с чего начать и на какие грабли наступают почти все новички.
Генерация фото нейросетью начинается с текста
Весь процесс устроен просто. Вы описываете картинку словами, а модель превращает текст в изображение. Внутри работает диффузия: нейросеть берет случайный шум и пошагово превращает его в осмысленную картинку, ориентируясь на текстовое описание. Модель не читает слова как человек, она предсказывает, какие пиксели будут выглядеть правдоподобно рядом с другими. Поэтому формулировка решает почти все.
Базовый алгоритм одинаков во всех сервисах, от маленьких онлайн-генераторов до флагманских моделей уровня ChatGPT и Claude.
- Придумать текстовый запрос, он же промпт
- Выбрать модель и параметры
- Указать стиль, формат и качество
- Нажать кнопку создания
- Оценить результат и, если нужно, повторить с новым промптом
Схема из пяти шагов повторяется в TurboText, в GigaChat, в любом западном сервисе. Разница только в деталях интерфейса и в том, насколько хорошо модель понимает запрос. Дальше разберу каждый шаг отдельно.
Промпт, который приносит результат
Первое, о чем я предупреждаю всех, кто просит показать нейросеть: запрос решает все. Если написать просто «красивый закат», модель выдаст нечто среднее, и это будет очередная стоковая открытка. Нужно больше конкретики.
Хороший промпт собирается из трех частей. Первая часть, тип изображения. Реалистичное фото, иллюстрация, аниме или абстракция. Вторая, основная тема. Космос, природа, архитектура, человек. Третья, детали. Объекты, люди, животные, погода, свет, настроение, ракурс.
Вот живой пример. Вместо «кот прыгает с парашютом» лучше написать «рыжий кот в синем комбинезоне прыгает с парашютом над горным озером, золотой час, солнечные лучи, реалистичное фото». Разница видна сразу.
Еще один сильный запрос из практики: «роботы-космонавты ремонтируют космический корабль в туманности». Конкретные объекты, конкретное действие, конкретное окружение. Модель соберет это в один кадр гораздо точнее, чем абстрактное «космос с роботами».
Чем больше полезных деталей, тем предсказуемее результат. Детали могут быть любыми: время суток, освещение, количество объектов, одежда, эмоции. Модель склеивает все в одно целое. Но не перегружайте запрос. Сто слов подряд сбивают нейросеть, оптимальный объем примерно от десяти до тридцати слов.
Негативный промпт спасает чаще, чем кажется
Почти в каждом нормальном генераторе есть поле «негативный промпт». Туда пишут то, чего на картинке быть не должно. Например, я генерирую портрет и хочу избежать типичных артефактов, тогда пишу bad anatomy, extra fingers, blurry. Многие пропускают это поле и зря. Именно негативный промпт убирает большинство типичных косяков модели.
Порядок работы такой: сначала основной запрос, потом негативный промпт, потом стиль и формат изображения. Последовательность простая и работает во всех популярных сервисах, хоть в западных, хоть в российских.
Негативный промпт помогает и в обратную сторону. Если модель упорно добавляет на фото лишние элементы, например воду или текст, пропишите их в негатив и перегенерируйте. Иногда одно слово решает проблему, на которую вы бы потратили полчаса в фотошопе.
Стиль, формат и параметры изображения
Стиль выбирается двумя способами: либо словом в промпте, либо кнопкой в интерфейсе сервиса. В большинстве генераторов есть готовые пресеты: реализм, аниме, киберпанк, портрет, мультяшный стиль, 3D-рендер. Для картинок, максимально приближенных к фотографии, выбирайте фотореализм или добавляйте в запрос cinematic lighting, 35mm photo, depth of field.
Формат тоже влияет на восприятие. Квадрат 1:1 подходит для соцсетей, вертикаль 9:16 для сторис, горизонталь 16:9 для обоев и презентаций. Многие сервисы позволяют указать соотношение сторон прямо перед генерацией.
Некоторые платформы умеют работать с уже существующими фотографиями. Загружаете снимок, подбираете фильтр или стиль и ждете примерно тридцать секунд. GigaChat так делает в функции примерки разных образов, результат появляется почти мгновенно. Удобно, когда нужно не нарисовать с нуля, а переработать свою фотографию.
Отдельно про стоимость. Часть сервисов работает бесплатно с лимитами, часть берет подписку. Например, Recraft дает 50 кредитов в день на бесплатном тарифе, а платные начинаются от 10 долларов в месяц. Все зависит от того, как часто вы генерируете и какие модели вам нужны.
Еще один параметр, про который часто забывают, это количество вариантов. За один запрос можно получить не одну картинку, а сразу четыре или восемь, если модель поддерживает такой режим. Для рабочих задач это удобно: отбираете из нескольких и не ждете повторной генерации.
Почему нейросеть рисует руки неправильно
Классика жанра. Лишние пальцы, сломанные кисти, руки, растущие из плеч. Руки сложный объект: суставов много, пальцы перекрывают друг друга, а качественных примеров в обучающих данных мало. Модель угадывает форму, но не всегда понимает анатомию.
Частично проблему решает негативный промпт с extra fingers и bad hands. Частично помогает смена модели, свежие версии справляются заметно лучше старых. Третий вариант самый надежный: если нужна идеальная рука, используйте референс. Сфотографируйте свою руку или найдите стоковый снимок и попросите нейросеть опираться на него.
Английский или русский промпт
Английский язык понимают практически все модели, и качество генерации часто выше. Причина простая: обучающих данных на английском на порядки больше. Но это не значит, что по-русски работать нельзя. Многие сервисы отлично понимают русский, и на простых запросах разница почти незаметна. На Reddit практикующие маркетологи не раз отмечали, что для сложных сцен английский дает более предсказуемый результат.
Сложные сцены с деталями я формулирую по-английски или добавляю англоязычные термины вроде cinematic, volumetric light, high detail. Модель сразу понимает, что речь про художественное освещение, а не про случайный набор пикселей.
Итерации, без которых никуда
Редкий результат получается идеальным с первого раза. Это нормально. Хороший промпт рождается после двух-трех перегенераций: посмотрели, что вышло, поменяли пару слов, добавили детали или убрали лишнее, запустили снова. Среднее время генерации от десяти секунд до минуты, так что эксперименты не стоят дорого.
Рабочий прием, которым я пользуюсь постоянно: генерировать сразу несколько вариантов, если сервис это позволяет, потом отбирать лучший. Вместо угадывания формулировки я получаю четыре разных трактовки запроса и выбираю сильнейшую. Экономит массу времени.
Оценивайте результат по трем критериям: соответствует ли картинка запросу, нет ли артефактов, подходит ли она под задачу. Если хотя бы два пункта из трех отрицательные, меняйте промпт. Зацикливаться на одном удачном кадре тоже не стоит, иногда лучше перезапустить с нуля.
Как сгенерировать фото нейросетью для бизнеса
Когда речь идет о работе, требования меняются. Важна скорость, стабильный доступ и возможность решать разные задачи в одном месте. Тексты, сайты, картинки, видео. Одной модели часто не хватает, а покупать пять подписок по 20 долларов накладно.
Тут удобно пользоваться сервисами, которые дают доступ сразу к нескольким флагманским моделям. Переключаешь ChatGPT на Claude в одном окне, не думаешь о регистрациях и оплатах. За пятнадцать минут можно собрать пост: текст в ChatGPT, картинка в Nano Banana, видео в другой модели. Для российских пользователей это еще и вопрос доступа, о нем ниже.
Доступ к нейросетям из России
В России у генерации изображений есть свой нюанс. OpenAI и Anthropic официально не принимают российские карты, а западная подписка превращается в квест с перевыпусками и впн. Несколько лет подряд местные пользователи изобретают обходные пути, и почти все они неудобные.
Рабочий вариант появился у 3SELLER, сервис называется 3GPT. Это роутер, который открывает прямой доступ к последним флагманским моделям из России за 149 рублей. Внутри есть ChatGPT 6 Astra, Claude Fable 5 и 5.1, Claude Opus 5.5, ChatGPT 5.5 и ChatGPT 6.1 Sol. Для картинок доступна модель Nano Banana, плюс есть генерация видео.
Интерфейс выглядит так:
Пополнить баланс можно российской картой, через СБП или криптой. Никаких иностранных платежей и теневых посредников. Это удобно для тех, кто не хочет связываться с перепродажей аккаунтов.
Отдельная фишка 3GPT, готовые ИИ-агенты под задачи. Выбираете нужного агента на странице 3seller.com/ai/agents и начинаете работать. Модель внутри чата меняется в один клик.
Для генерации изображений это выглядит так. Вы заходите, выбираете Nano Banana или другую модель с поддержкой картинок, пишете промпт и получаете результат. Стили, референсы и форматы меняются прямо в чате, без переключения между пятью сервисами.
Кстати, 3GPT подходит не только для картинок. Тексты для постов, продающие страницы, сайты, видео и голос, все в одном месте. Для бизнеса это закрывает большинство задач на ежедневной основе.
Сайт сервиса: 3seller.com/3gpt.
Пара советов перед стартом
Если вы только начинаете, возьмите простой запрос и прогоните его через три разные модели. Сравните результаты. Вы увидите, как по-разному модели трактуют одно и то же описание, и поймете, какая подходит именно вам.
И последнее. Не гонитесь за идеальной картинкой с первого раза. Генерация фото нейросетью это итеративный процесс, и в этом его прелесть. Каждая попытка дешевле минуты работы дизайнера, а результат можно повторять бесконечно.
Откройте 3GPT или любой другой сервис из статьи прямо сейчас и сгенерируйте свою первую картинку. Простой запрос вроде «рыжий кот в космосе, неоновые огни» даст результат за пару минут. Через полчаса вы будете знать о промптах больше, чем большинство ваших коллег.