Недавно ко мне обратилась знакомая: у нее есть фото ее мамы из 90-х и ее собственный свежий портрет. Она хотела один общий кадр, где они стоят рядом. Фотошоп предложил ей ценник и неделю ожидания. Нейросеть сделала все за четыре минуты, и мама до сих пор показывает эту картинку подругам.
Такой сценарий - самый частый и самый понятный в генерации изображений: у вас два снимка, снятых в разное время, в разных местах, часто разными людьми. А нужен один кадр, где все герои вместе. Разберу, как создать одно фото из двух нейросетью без дизайнера, без фотошопа и без магии - просто по шагам.
Как нейросеть соединяет два снимка на самом деле
Забудьте про старые методы «склеить в фотошопе». Современные генеративные модели не накладывают одну картинку на другую. Они смотрят на оба изображения, вычленяют людей, их черты лица, освещение, ракурс - и генерируют новую сцену с нуля, где персонажи уже существуют вместе.
Принципиальная разница именно здесь. Старый монтаж вставляет второго человека в кадр как наклейку: сразу видно швы, разные градации шума, несовпадение теней. Генеративная модель заново рисует всю сцену - она согласует масштаб, направление света, положение камеры и естественные тени. Именно поэтому результат иногда выглядит подозрительно правдоподобно.
Обратная сторона: модель должна сохранить лица максимально близко к исходникам. Дешевые сервисы с этим справляются плохо - на выходе от человека остается узнаваемой только прическа. Поэтому качество конкретной модели здесь решает всё.
Nano Banana - модель, которая делает это лучше всех
Честно говоря, задача «взять два фото людей и посадить их в одну сцену» стала реально решаемой с приходом Nano Banana (Google Gemini Image). Это не фильтр и не шаблон, а полноценный редактор, который понимает инструкцию на естественном языке.
Что она умеет конкретно в нашей задаче:
- Берет персонажей из двух разных изображений и сохраняет их внешность - лица, возрастные особенности, даже очки.
- Согласует освещение: если на первом фото солнечный день, а на втором закат, модель приведет все к единому свету.
- Понимает описание сцены: улица, кафе, студия, праздник - задаете словами.
- Работает и с обратной задачей - объединять не людей, а объекты и фоны.
Доступ к Nano Banana и другим флагманским моделям из России дает сервис 3GPT - там же рядом лежат GPT и Claude, оплата российской картой, через СБП или криптой. Для задачи «сделать совместный кадр из двух снимков» этого более чем достаточно.

Пошагово: как соединить две фотографии в одну
Покажу на самом частом случае - совместный портрет двух людей, снятых отдельно. Вся работа занимает минут пять.
Шаг первый. Заходите в 3GPT и выбираете модель Nano Banana. Она находится прямо в списке моделей, переключение - одно нажатие.
Шаг второй. Загружаете два изображения. Первое фото модель будет считать «изображением 1», второе - «изображением 2». На это важно ссылаться в промпте, чтобы модель не путалась, кого откуда брать.
Шаг третий. Пишете запрос. Вот шаблон, который у меня работает стабильно: «Возьми девушку с первого изображения и мужчину со второго. Создай естественную совместную фотографию, где они стоят рядом на городской улице днем и смотрят в камеру».
Шаг четвертый, если нужен максимальный реализм. Добавляете фразу: «Согласуй масштаб, направление света, положение камеры и естественные тени, сохрани лица и особенности внешности максимально близкими к исходникам». Такой запрос дает модели свободу перестроить второстепенные элементы, но фиксирует приоритет на естественности.
Шаг пятый. Указываете, что менять нельзя. Например: «Не меняй прическу и не добавляй бороду». Модели любят дорисовывать лишнее, лучше пресечь это заранее.
Если первый результат вышел кривым, не переписывайте весь промпт с нуля. Идите итерациями: «то же самое, но сядь ближе», «сделай вечерний свет», «убери прохожих на фоне». Nano Banana хорошо держит контекст диалога.

Промпты под разные сценарии
Три запроса, которые я использую чаще всего:
Семейный портрет из старого и нового фото. «Создай тёплый домашний портрет: оба человека сидят на диване рядом, мягкий вечерний свет, улыбаются в камеру. Лица сохрани в точности».
Кадр для соцсетей. «Соедини двух людей с загруженных фото в одну фотографию в кофейне: они сидят напротив друг друга за столиком, на столе две чашки, естественное освещение из окна».
Праздничный кадр. «Совместный портрет на празднике: люди стоят рядом, праздничная гирлянда на фоне размыта, боке, теплое освещение, оба смотрят в объектив».
Чем понятнее сцена, тем меньше композиционных решений модель принимает случайно. Но и перечислять каждую мелочь не нужно - задайте основу: место, время суток, позу, куда смотрят люди.
Где еще можно объединить снимки - и почему я выбрал 3GPT
Есть нишевые сервисы типа Facee, где выбираешь шаблон, грузишь две картинки, добавляешь описание и получаешь результат. Для разовой задачи подойдет. Но там жесткие шаблоны, и гибкости нет: хотите нестандартную сцену - увы.
Я держу под рукой 3GPT, потому что там один баланс и один интерфейс на все флагманы: Chat GPT 6, Claude Opus 5.5, Nano Banana, генерация видео. Не нужно заводить аккаунт на каждом зарубежном сервисе и платить иностранным картой. Пополнение российской картой, через СБП или криптой, за 149 рублей в месяц - доступ к моделям, за которые в оригинале пришлось бы платить по отдельности.
И еще один сюжет использования, о котором часто забывают: Nano Banana отлично обрабатывает и одиночные снимки. Реалистичные портреты, стилизация, замена фона - всё это здесь, без установки чего-либо на компьютер.

Частые ошибки, из-за которых результат выглядит плохо
Первая ошибка - загружать снимки в плохом качестве. Модель не сможет «дотянуть» размытое лицо 300 на 400 пикселей до портрета. Исходники должны быть резкими, лучше от 1000 пикселей по длинной стороне.
Вторая - снимать людей в сильно разных ракурсах. Если на одном фото человек анфас, а на другом снимок в полоборота и сверху, модели сложнее согласовать. Старайтесь брать снимки примерно с одного уровня глаз.
Третья - писать расплывчатый промпт «сделай красиво». Нейросеть не телепат, она соберет случайную сцену и случайно же её решит. Конкретика: место, свет, поза, взгляд.
Четвертая - сдаваться после первой генерации. В обсуждениях на Reddit практикующие маркетологи и дизайнеры сходятся в одном: первые две-три итерации почти никогда не оказываются финальными даже у опытных пользователей. Две-три прогона - норма, а не сбой.
Бонус: вместо фото - живой ролик
Когда совместный кадр готов, его можно оживить. В 3GPT есть генерация видео: загружаете готовое изображение, пишете «люди слегка поворачиваются друг к другу и улыбаются» - и через пару минут получаете короткий ролик. Такие видео отлично заходят в поздравлениях: статичная картинка стала нормой, а движение - нет.
Еще один плюс платформы: в 3GPT есть готовые ИИ-агенты под конкретные задачи - выбрали агента, общаетесь в чате, модель можно менять прямо в диалоге. Когда закончится творческая часть и понадобится, скажем, написать подпись к новому совместному кадру - сделаете это там же, не переключаясь.

С чего начать прямо сейчас
Самый быстрый путь такой: откройте 3GPT, возьмите два своих фото - хотя бы селфи и снимок друга - и вставьте промпт из статьи, поменяв детали сцены под себя. Пять минут на первую итерацию. Три года назад эта задача стоила денег и требовала навыков монтажа, сегодня она решается одной строкой текста. Пользуйтесь, пока коллеги всё еще клеят снимки в редакторе вручную.