На свадьбе двоюродного брата общий кадр вышел идеальным: закат, все смеются, композиция ровная. В кадре не хватало одного человека, бабушки, которая ушла в номер отдыхать за десять минут до щелчка затвора. Два года назад я открыл бы Photoshop и потратил вечер на вырезание, подгонку цвета и рисование тени. Сейчас я загружаю два файла в нейросеть, пишу одну строку и забираю готовый портрет через минуту.
Ниже разбираю процесс целиком: как нейросеть вписывает человека в сцену, какие снимки годятся в исходники, что писать в промпт и где всё это запустить из России без VPN и иностранных карт.
Глаз ловит фальшь быстрее любого алгоритма
Вставить на снимок чашку кофе или кота способна любая модель. С людьми сложнее, потому что мозг эволюционно заточен на чтение лиц и фигур. Малейший сбой в пропорциях, неверный оттенок кожи, тень, падающая не в ту сторону, считываются мгновенно. Вы смотрите на кадр и чувствуете: здесь что-то не так, хотя объяснить не можете.
Классический провал старого монтажа: человек будто парит над землей. Контактной тени под ногами нет, и магия рассыпается на глазах. В Photoshop ради одной такой тени я когда-то возился с масками и слоями по часу. Нейросети закрыли эту боль кардинально. Модель не приклеивает фигуру поверх фона: она перерисовывает человека внутри сцены и согласовывает свет, тени, перспективу и даже зерно снимка.
Что происходит под капотом, когда нейросеть вписывает человека
Механика проще, чем звучит. Вы отдаете модели два изображения: фон, то есть саму сцену, и портрет человека, которого нужно добавить. Система сама определяет, где кто, отдельно размечать ничего не требуется. Дальше включается функция референса персонажа, Character Reference. Даже по смазанному снимку с телефона модель восстанавливает узнаваемые черты лица и пропорции тела, а недостающие детали дорисовывает под качество основной сцены.
Флагманские генераторы вроде Nano Banana и GPT Image делают это за секунды. Три года назад подобный запрос отправлял нейросети в ступор: лица плыли, пальцы сливались в кашу. Сейчас при грамотном промпте результат без увеличения на двести процентов не отличить от настоящего группового фото. Проверено на десятках кадров, включая съемку на старый iPhone при лампе накаливания. Это худший сценарий для любой модели: желтый свет, шум, смаз.
Модель работает с двумя изображениями как с единой сценой, а не как редактор слоев. Поэтому она согласует резкость, цветовую температуру и даже глубину резкости. Если фон снят на открытой диафрагме с размытым задним планом, вставленная фигура тоже получит мягкость по краям. В Photoshop такое приходилось имитировать вручную размытием по маске.
Референс персонажа особенно выручает со старыми архивами. Фотография 2007 года, напечатанная и отсканированная, слегка выцветшая, для классического монтажа это тупик. Для нейросети рабочий материал: модель вытягивает лицо из трехсот пикселей и достраивает его до резкости основной сцены.
Какие фото годятся в работу, а какие лучше переснять
Требования мягче, чем вы ожидаете. Фону достаточно быть цельным кадром с логичным свободным местом под фигуру. Для человека хватает портрета, где лицо видно полностью и не перекрыто рукой, темными очками или шапкой. Разрешение от 500 пикселей по лицу уже комфортно для модели, выше 800 вообще без вопросов.
Три момента все же портят результат. Съемка в профиль усложняет узнаваемость, если на референсе лицо анфас. Кардинально разный свет: человека сняли на ярком солнце, а фон в пасмурной квартире. Модель справится, но кожа может получиться холоднее, чем в жизни. И снимки с фильтрами, которые переписывают черты лица. Для таких случаев я прошу родных прислать простой кадр с фронтальной камеры: он отрабатывает лучше глянцевого селфи из бьюти-приложения.
Отдельно про детские фотографии: они чаще всего размытые, потому что дети не сидят на месте. Модель справляется с ними лучше, чем ожидаете, но попросите у родителей самый резкий кадр из серии. Один четкий портрет экономит десять перегенераций.
Сделать фото, где ИИ добавит человека: четыре действия
Весь процесс занимает пару минут, навыков дизайнера не требуется. В 3GPT я делаю так:
- Загружаю фон, то есть саму сцену: площадь, квартиру, пляж, переговорную.
- Загружаю портрет человека, которого нужно вписать. Система сама распознает, где фон, а где персонаж.
- Описываю расположение и действие. Поле нужно только для позиционирования, просьбу добавить человека модель выполняет по умолчанию. Пишу конкретику: «стоит слева у дерева», «сидит на диване и улыбается».
- Жму генерацию и через несколько секунд выбираю лучший из вариантов.
Модель переключается прямо в чате одним кликом. Если Nano Banana отработала не так, как хотелось, я перезапускаю тот же запрос на GPT Image без перехода в другой сервис и без второй подписки. Разные модели тянут одну задачу по-разному, и возможность гонять их параллельно экономит больше времени, чем любой совет из статей по промптингу.
Соотношение сторон задавайте под задачу сразу: квадрат для ленты, вертикаль для сторис, горизонталь для печати. Переделка готового кадра под другой формат портит тени, надежнее выставить параметры до генерации. Я обычно ставлю четыре варианта на выход и выбираю лучший.
Промпт решает больше, чем выбор модели
Запрос из трех слов вроде «добавь дядю Колю» дает предсказуемый результат: дядя Коля встанет в кадр, но свет на нем окажется с той стороны, где в сцене света нет. Генераторы обожают детали. Вместо «добавь рыжего кота» я пишу: «рыжий пушистый кот, лежащий в расслабленной позе, мягкая тень на ковре, реалистичная шерсть, освещение соответствует комнате». С человеком логика та же, только переменных больше.
Мой чек-лист деталей для вставки человека: поза, направление взгляда, одежда с фактурой, источник света и обязательная фраза про тень под ногами. Строка «тень под ногами соответствует источнику света на фоне» экономит мне по две перегенерации на каждом кадре. Модель получает прямую инструкцию заземлить фигуру, и парящий человек исчезает как класс.
Второй прием, о котором мало кто знает: описывайте, что человек делает руками. Праздно висящие конечности выдают монтаж ничуть не хуже парящих ступней. Уточнения вроде «держит бокал в правой руке», «обнимает сестру за плечо», «опирается на перила» заставляют модель строить естественную позу. Естественная поза автоматически тянет за собой правильные пропорции и контакт с окружением. В обсуждениях на Reddit практикующие маркетологи отмечают то же: занятые руки и тень под ногами экономят больше перегенераций, чем смена модели.
Если человек должен смотреть в камеру, напишите это явно: «смотрит в объектив, легкая улыбка». Взгляд в сторону модель иногда трактует свободно, и человек оказывается отвернутым от группы, что в семейном кадре выглядит странно.
И последнее. Не переписывайте промпт с нуля, если первый результат не устроил. Добавляйте одну конкретную правку: «свет слева», «отодвинуть от стола», «улыбка спокойнее». Модели отлично держат контекст в рамках одной задачи, пошаговая доводка работает точнее нового монолитного запроса.
Где всё это запустить из России за 149 рублей
Переходим к практике. Официальный ChatGPT из России без VPN и зарубежной карты не открывается, а оформление виртуальных карт съедает вечер и нервы. Я закрыл для себя эту проблему сервисом 3GPT от 3SELLER. Это ИИ роутер с прямым доступом из России к флагманским моделям: Chat GPT 6 Astra, Chat GPT 5.5, Chat GPT 6.1 Sol, Claude Fable 5, Claude Fable 5.1, Claude Opus 5.5, плюс Nano Banana для создания изображений. В том же окне работает генерация видео, озвучка голоса и другие флагманы.
Подписка стоит 149 рублей. Баланс пополняется российской картой, через СБП или криптой, никаких иностранных платежных систем. Один интерфейс, внутри свободное переключение между моделями: для монтажа людей беру Nano Banana, для продающих текстов и сайтов удобен Claude, для сложных многошаговых задач хорошо заходит связка GPT и Claude. Доступ оформляется на официальном сайте: 3seller.com/3gpt.

По деньгам математика простая. Отдельная подписка на каждый флагманский сервис стоит двадцать долларов в месяц, и её еще надо как-то оплатить из России. Виртуальная карта с выпуском и комиссиями добавляет к этому пару сотен рублей сверху. 3GPT за 149 рублей закрывает сразу пул моделей, и платить за каждую отдельно не нужно.
Заодно сервис закрывает повседневные рабочие задачи. Продающие тексты, структура лендинга, разбор таблиц, черновики писем, максимально реалистичные изображения и видеоролики для соцсетей, всё в одном кабинете. С момента перехода я не открывал VPN ни разу, и это, честно, лучшая часть подписки.
Кейс из практики: бабушка вернулась на семейный портрет
Тот самый кадр со свадьбы брата я собрал за четыре минуты. Загрузил вечернюю террасу с шестью родственниками и старый портрет бабушки 2014 года, снятый на мыльницу. В промпте написал: «пожилая женщина в бордовом кардигане стоит справа рядом с молодоженами, мягко улыбается, свет от заката слева, тень под ногами». Первая генерация дала фигуру чуть крупнее, чем нужно. Вторая, с правкой «уменьшить масштаб фигуры», попала в точку.
Мама заплакала, когда увидела кадр. Такие вещи ИИ делает деликатно, если вы сами подходите к задаче уважительно. Про ушедших близких скажу отдельно: технически вписать человека в старое фото по одному сохранившемуся снимку не проблема, Character Reference восстанавливает черты даже по размытому портрету. Решение о том, нужно ли это семье, принимайте совместно, а не в одиночку в час ночи. Инструмент нейтрален, эмоции остаются за его пределами.
Пять ошибок, которые выдают монтаж с потока
Собрал типовые провалы, по которым склеенный кадр узнают за секунду:
- Свет на вставленной фигуре падает с другой стороны, чем на фоне.
- Контактной тени нет, человек будто парит над землей.
- Масштаб не сходится: фигура выше дверного проема или неестественно мала рядом со стулом.
- Пустые руки, которым модель не нашла применения, и странно согнутые пальцы.
- Размытый исходник лица, из-за которого модель дорисовала черты, которых не было.
Каждый пункт лечится уточнением в промпте, а не перегенерацией на удачу. Укажите, откуда свет, где человек стоит относительно предметов, что у него в руках. Двух конкретных строк обычно хватает, чтобы кадр перестал пахнуть монтажом.
Тест на увеличении перед отправкой
После генерации увеличьте кадр до двухсот процентов и пройдитесь по трем зонам: линия волос на контрастном фоне, пальцы, тень под ногами. Именно там модели добивают качество в последнюю очередь. В свежем разборе профильного блога о нейросетях звучит тот же совет: проверяйте эти зоны на увеличении до отправки кадра куда угодно. Если всё чисто, можно нести в печать: артефакты размером в один пиксель никто не заметит.
Проверка занимает минуту и спасает от неловких ситуаций, особенно когда кадр идет в рабочий контекст: презентацию, лендинг, корпоративный чат. Для семейного альбома планка мягче, но привычку советую завести в любом случае.
Готовые ИИ агенты: когда задача шире одного кадра
В 3GPT есть фишка, которой я пользуюсь чаще генераций: готовые ИИ агенты под конкретные задачи. Выбираете профильного агента из каталога, начинаете с ним общение, модель можно менять прямо в чате. Мне это экономит время на копирайтинге и рутине: не нужно каждый раз заново объяснять нейросети, кто она, в каком стиле пишет и по какому алгоритму работает.
Каталог лежит здесь: 3seller.com/ai/agents. Для предпринимателя это самый быстрый вход в нейросети: не абстрактный чат, а сразу рабочий инструмент под задачу, от продаж до клиентской поддержки.

Если сцены нет: генерируем фото с нуля
Бывают ситуации, когда вставлять человека некуда: снимков с нужной локацией просто не существует. Тогда я генерирую кадр с нуля через инструмент реалистичных фотографий в 3GPT. Описываете сцену, позы, свет, стиль камеры, и получаете изображения, которые без лупы не отличить от съемки на полнокадровую камеру.

Сильная схема для коммерческих задач: сначала генерируете идеальный фон под конкретный сценарий, потом вписываете в него реального человека по референсу. Локация виртуальная, люди настоящие. Так делают студийные портреты, имиджевые кадры для экспертных блогов и карточки товаров с моделями, не снимая ни одного физического кадра.

Где это пригождается за пределами семейного альбома
Связка «фон плюс референс человека» работает далеко за пределами домашних архивов. Риелторы вписывают заказчика в интерьер квартиры, чтобы показать масштаб. Маркетологи собирают кадры с руководителем для лендинга без организации фотосессии. Event-агентства достраивают групповые фото, когда кто-то из гостей ушел до финального снимка. HR собирают командные коллажи для соцсетей, когда половина офиса работает удаленно. Одно умение, а сценариев десятки.
Что советую сделать прямо сегодня
Рабочий цикл сейчас выглядит так: два файла, конкретный промпт с позой, светом и тенью, одна-две генерации, готово. Времени уходит меньше, чем на выбор фильтра в телефоне. Самым сложным оказалось поверить, что нечеткое фото с праздничного стола сгодится как источник, но Character Reference вытягивает даже такое. Первые два-три кадра могут выйти не идеально, это нормально. К пятому запросу вы почувствуете, какие детали модель понимает с полуслова, и процесс станет предсказуемым.
Практический шаг: откройте 3GPT, найдите фоновый кадр и портрет человека, напишите в промпте позу, источник света и фразу про тень под ногами. Первый результат появится через минуту. Останется выбрать, какой из вариантов отправить в семейный чат, и приготовиться к вопросу «а ты точно был на той свадьбе?».