Заказчица прислала фотку с корпоратива десятилетней давности и попросила сделать из неё обложку для телеграм-канала. Ретушёр в её городе запросил бы три дня и пару тысяч рублей. Нейросеть выдала четыре варианта за восемь минут, два из них ушли в публикацию без правок. После таких кейсов вопрос «зачем это нужно» у меня отпал окончательно.
Разбираю по шагам, как создать картинку из фото с помощью нейросети: что происходит под капотом, какие модели тянут задачу, как писать промпт и где чаще всего всё ломается. Плюс покажу связку, которой сам пользуюсь каждый день.
Что нейросеть делает с вашим снимком
Забудьте картинку из фантастиков, где программа рисует поверх вашей фотографии. Механика другая. Модель читает исходник: композицию, объекты, свет, лица. Дальше строит новое изображение с нуля. Опорой служат прочитанное и текстовый запрос. Режим называется image-to-image, и он давно стал стандартом.
Локально та же логика работает у Kandinsky 5.0 Image Lite от Сбера: 6 миллиардов параметров, веса выложены на Hugging Face, генерация в HD и два режима: по тексту и по референсу. В облачной версии Сбер добавил рисование по фотографии, генерацию фона вокруг объекта и замену отдельных элементов. Доступ к таким технологиям стоит копейки относительно студийной съёмки.
Важный нюанс, о котором молчат обзорные статьи: модель не обязана сохранить лицо один в один. При сильной стилизации портрет уплывает. Чем мягче трансформация, тем ближе сходство. Держите это в голове до загрузки файла, а не после.
Три сценария, ради которых всё затевается
Первый сценарий: перенос стиля. Портрет превращается в акварель, аниме или масляную живопись. Самый частый запрос, именно по нему люди гуглят чаще всего.
Второй сценарий: редактирование. Убрать фон, дорисовать окружение, поменять одежду, добавить предмет в руки. Здесь рулят модели с поддержкой референсов, например GPT Image: они правят готовое изображение, а не пересобирают его с нуля. В обсуждениях на Reddit практикующие дизайнеры отмечают, что референсные модели заметно точнее держат композицию исходника, чем обычные image-to-image движки.
Третий сценарий: апгрейд качества. Старый снимок с телефона 2013 года дотягивается до 4K через Nano Banana Pro, который заточен под детализацию и сложную обработку фото. Рядом ветка про оживление статичных кадров: новые версии Kandinsky умеют генерировать видео и анимировать неподвижные картинки.
Качество исходника решает половину дела
Одна и та же модель на двух разных фото даёт шедевр и кашу. Причины всегда в исходнике. Хороший свет, чёткий фокус, разрешение от 1000 пикселей по меньшей стороне: модель читает такую сцену без догадок. Размытое селфи с зерном и фильтром из 2015 года даст предсказуемо мыльный результат, как его ни стилизуй.
Групповые фото с маленькими лицами тоже слабое сырьё: деталей на каждое лицо приходится слишком мало. Для портретных стилизаций лучше подходит одиночный кадр, где лицо занимает хотя бы треть высоты.
Как создать картинку из фото: четыре шага
Схема у большинства сервисов совпадает, покажу на типовом примере вроде Artguru.
Шаг 1. Загружаете фото. Портрет, животное, пейзаж, любой исходник по вкусу.
Шаг 2. Выбираете стиль. Портреты лучше всего ложатся в живопись и графику, пейзажи в импрессионизм и фотореализм. Один и тот же снимок в пяти стилях выглядит как пять разных работ, так что перебирайте смело.
Шаг 3. Пишете промпт. Поле необязательное, но именно оно отличает «нарисуй как-нибудь» от управляемого результата. Там же задаётся негативный промпт: описание того, чего в кадре быть не должно, лишние руки, водяные знаки, искажённые пропорции.
Шаг 4. Жмёте «Создать». Через 10-30 секунд картинка готова. Не понравилось: меняете промпт или стиль и запускаете снова. Повторный запуск того же запроса даёт другой вариант, одно описание превращается в целую серию.
Промпт решает больше, чем выбор модели
«Кот» даст случайную картинку. «Рыжий кот в скафандре на фоне колец Сатурна, фотореализм, студийный свет» даст предсказуемую. Формула простая: главный объект, потом окружение, свет, ракурс, стиль. Слова в начале запроса весят больше, важное ставьте первым.
Русский язык модели понимают без потерь, переводить промпт на английский не нужно. Я по привычке пишу по-русски и на современных движках разницы с английским не вижу.
Для обработки фото формула чуть другая. Описываете, что сохранить, а что изменить: «оставить лицо и позу, заменить фон на ночной Токио, неон, кинематографичный свет». Чем конкретнее текст, тем меньше модель фантазирует от себя.
Какие модели реально тянут работу с фото
- Nano Banana Pro: детализация и сложная обработка, разрешение до 4K.
- GPT Image: работа с референсами и аккуратное редактирование готовых изображений.
- Recraft v4: логотипы, иконки и вектор в SVG, если из фото нужно собрать фирменный знак.
- Ideogram AI: надписи в кадре, постеры, баннеры и афиши, где текст обязан читаться без ошибок.
- Flux 2: быстрые итерации, когда за вечер нужно перебрать много направлений.
Отдельная лига: локальный запуск. Stable Diffusion 3.5 ставится на собственный компьютер, версии Large, Large Turbo и Medium лежат на Hugging Face. Для Large нужна NVIDIA с 24 ГБ видеопамяти. Взамен получаете open-source свободу: модель можно дообучить под свой стиль и свои референсы. Порог входа и цена железа, правда, отсекают большинство обычных пользователей.
Мой рабочий вариант: всё в одном окне
Проблема перечисленных моделей в том, что они живут на разных сайтах. У каждого своя регистрация, своя подписка, а половина просит зарубежную карту, которой у большинства читателей нет. Я решил это для себя сервисом 3GPT от 3SELLER: https://3seller.com/3gpt. Внутри Nano Banana для работы с изображениями, генерация видео, а рядом ChatGPT 6 и Claude Fable 5 для текстов. Подписка от 149 рублей, оплата российской картой, через СБП или криптой. Работает из России без VPN и иностранных карт.
На практике выглядит так: загружаю фото в Nano Banana, прошу сменить фон и поднять детализацию, тут же тем же окном прогоняю текст поста через ChatGPT. Переключение между моделями занимает клик, а не покупку новой подписки.
Получить доступ ко всем флагманским моделям нейросетей из России можно на официальном сайте 3GPT: 3seller.com/3gpt.
Готовые агенты для задач с картинками
В 3GPT есть фишка, которую замечают не сразу: библиотека готовых ИИ-агентов под конкретные задачи, 3seller.com/ai/agents. Выбираете агента, скажем для обработки фото под маркетплейс или для генерации иллюстраций, и сразу общаетесь. Модель под капотом агента меняется прямо в чате, пересоздавать настройки не нужно.
Реалистичные фото: отдельная дисциплина
Стилизация и фотореализм требуют разных инструментов. Когда цель не акварель, а честный снимок: аватары, предметка, портреты в вымышленных локациях, идите в специализированный раздел 3seller.com/3gpt-image. Там собраны лучшие генераторы реалистичных фото, и загруженный референс сохраняет черты лица заметно честнее, чем универсальные модели.
Мелочи, которые экономят время
Формат кадра задавайте до генерации: вертикаль 9:16 под сторис, квадрат 1:1 под посты, горизонталь 16:9 под обложки. Перекадрировать потом можно, но композиция, собранная под нужную пропорцию, всегда выглядит целостнее.
Сохраняйте удачные промпты в отдельный файл. Через месяц у вас будет личная библиотека формул, и новые картинки будут получаться с первого-второго дубля. Рабочие связки слов переезжают между моделями лучше, чем кажется: «мягкий рассеянный свет, плёночное зерно, тёплые тона» одинаково хорошо срабатывает и в Nano Banana, и в Flux.
Три ошибки, которые съедают результат
Первая: голый файл без промпта. Модель достраивает сцену из своей статистики, и вместо делового портрета вы получаете случайную атмосферу. Две строчки текста экономят десять перегенераций.
Вторая: завышенные ожидания по сходству. Сильная стилизация всегда уводит лицо. Если нужен узнаваемый портрет, снижайте силу трансформации и берите модели с поддержкой референсов.
Третья: одна попытка и вердикт «не работает». Генерация стохастична, первый выход редко бывает финальным. Я делаю минимум три-четыре прохода с мелкими правками промпта, и на третьем почти всегда появляется тот самый кадр.
Где это окупается быстрее всего
Контент для соцсетей и рекламные креативы, когда визуал нужен сегодня, а не через неделю. Карточки для маркетплейсов: фон меняется за минуты, а не за смену ретушёра. Персональные подарки: портрет в стиле картины стоит смешных денег против заказа художнику. Иллюстрации к статьям и презентациям без фотостоков и их вечных «стоковых улыбок».
Ещё пять лет назад такой стек требовал дизайнера, фотостудии и подписки на фотостоки. Сейчас он замыкается в одном браузере за пару часов освоения.
Практический шаг на сегодня: возьмите одно фото, откройте 3GPT, загрузите снимок, опишите желание по формуле «объект, окружение, свет, стиль» и сделайте три генерации. Восемь минут, и у вас готовая картинка вместо идеи «когда-нибудь разобраться с нейросетями».