ИИ фото: как получить фотореалистичный результат

Запрос «ИИ фото» ведёт на десяток сайтов с кнопкой «сгенерировать», и почти нигде не написано, почему у одного человека выходит кадр, похожий на съёмку, а у другого получается пластиковая картинка с шестью пальцами. Разница почти всегда упирается в формулировку запроса, и сервис тут играет вторую роль.

Разберём, как устроено описание фотографии, что нейросети даётся легко, а что до сих пор нет, и как отличить сгенерированный снимок от настоящего. Подбором сервиса займёмся отдельно: сравнение генераторов есть в подборке нейросетей для создания картинок, а самому известному из них, Midjourney, посвящена своя статья.

Масштаб явления к делу отношение имеет. Вклад ИИ в валовой продукт России к 2030 году оценивают примерно в 5,5% [1], и визуальный контент занимает в этой цифре заметную долю.

Что называют ИИ-фото

За этим словосочетанием стоят три разные задачи, и путать их дорого.

Генерация с нуля. Опишите сцену словами, и модель нарисует несуществующий кадр. Этим и занимается ИИ генератор фото, о нём дальше пойдёт речь.

Обработка своего снимка. Замена фона, удаление лишнего, ретушь. Здесь исходник ваш, а нейросеть работает поверх него. Этот сценарий мы разобрали в статье про нейросеть для редактирования фото.

Улучшение качества. Мелкий или мутный кадр вытягивается до пригодного размера, детали дорисовываются. Задача соседняя и решается другими сервисами, и как улучшить качество фото, мы рассказали отдельно.

Дальше речь про первую задачу. Слово «фото» здесь описывает результат, который выглядит снятым на камеру, хотя никакой съёмки за ним не стояло.

Что получается хорошо, а что до сих пор нет

Сначала хорошая часть. Предметная съёмка на однотонном фоне, интерьеры, пейзажи, еда, абстрактные фоны и текстуры выходят убедительно почти с первой попытки. Свет модель строит грамотно, материалы различает, глубину резкости имитирует.

Дальше начинается список, который генераторы у себя на сайтах не пишут.

Руки и пальцы. Классическая беда стала реже, хотя никуда не делась: крупный план кисти с предметом до сих пор ломается.

Текст в кадре. Вывеска, этикетка, обложка книги и номер на двери проверяют модель на прочность: латиницу новые поколения держат сносно, а кириллица разваливается почти всегда.

Повторяемость человека. Один и тот же персонаж в двух разных сценах получается похожим, хотя и не тем же самым, и для серии постов это критично.

Мелкая механика. Отражения в зеркале, тени от нескольких источников, украшения, шнурки, зубы. Модель рисует правдоподобно, а при увеличении собирается ерунда.

Известные люди и узнаваемые бренды. Часть сервисов такие запросы блокирует, часть выдаёт карикатуру. Юридическая сторона тут отдельная, и мы к ней вернёмся.

Как написать запрос на фотографию

Фотозапрос отличается от обычного одной вещью: в нём есть камера. Модель училась на настоящих снимках вместе с их подписями, поэтому слова из языка фотографов работают в нём как рычаги.

Оптика и план

Начните с того, что вы снимаете и с какого расстояния. Крупный план, средний и общий задают композицию раньше всего остального.

Дальше добавьте оптику. Портретный объектив даёт размытый фон и мягкие черты, широкоугольный растягивает пространство, макро вытаскивает фактуру. Слова вроде «85mm», «широкоугольный», «макросъёмка» модель понимает буквально.

Третьим рычагом работает тип носителя: просьба про плёночную съёмку добавит зерно и характерный цвет, а упоминание студийной съёмки уберёт случайности.

Ракурс и композиция

Точка съёмки меняет кадр сильнее, чем набор предметов в нём. Вид сверху годится для раскладки на столе, съёмка с уровня глаз даёт нейтральный репортажный кадр, нижняя точка добавляет объекту весомости.

Скажите модели и про кадрирование: вертикаль для сторис, горизонталь для обложки, квадрат для карточки товара. Формат лучше задать словами и параметром сразу, иначе сервис отдаст свой стандартный.

Ещё один приём, о котором почти не пишут: назовите, где в кадре пустое место. Просьба оставить свободное поле слева выручает, когда поверх картинки ляжет текст.

Свет

Свет делает кадр правдоподобным сильнее, чем что угодно ещё. Опишите его двумя параметрами: откуда падает и какой он.

Боковой свет из окна, контровой на закате, рассеянный пасмурный, жёсткий полуденный, тёплый ламповый вечером. Каждая формулировка меняет картинку целиком, и подбирать её быстрее, чем переписывать всё описание.

Отдельно упомяните время суток. «Раннее утро» и «синий час» дают модели готовую палитру, поэтому цвет не приходится описывать словами.

Что убрать из кадра

Половина неудачных генераций получается из-за того, что в запросе не сказано, чего быть не должно.

Напишите прямо: без текста и надписей, без логотипов, без людей на заднем плане, без лишних предметов на столе. Часть моделей понимает отдельный параметр для исключений, часть достаточно попросить словами.

И держите описание коротким. Запрос на пятнадцать существительных модель разбирает хуже, чем на пять: лишние детали конкурируют друг с другом, и побеждают случайные.

Остаётся вопрос, что делать с почти удачным результатом. Дешевле доработать такой кадр, чем гнаться за идеалом с нуля: почти все сервисы перерисовывают выделенный участок и расширяют границы кадра. Приведите композицию в порядок за две-три генерации, а мелочи чините точечно.

Своё лицо и свои товары

Три сценария, где генерация встречается с вашим материалом.

Портрет по своей фотографии. Загрузите снимок, и сервис сделает из него стилизованный образ. Сходство при этом плавает, а добиваться его приходится отдельными приёмами, и мы подробно описали их в статье про нейросеть-портрет по фото.

Карточка товара. Предмет ставится в сгенерированную обстановку, фон меняется, добавляется свет. Для маркетплейсов это самый частый сценарий, и требования площадок к таким изображениям мы пошагово разобрали в статье про нейросеть для карточек товара.

Фон и обстановка под свою съёмку. Самый недооценённый вариант: снимаете предмет сами, а окружение генерируете. Реальный объект остаётся настоящим, поэтому и доверия к кадру больше.

Общее правило для всех трёх: чем меньше вы просите модель дорисовать поверх настоящего, тем достовернее результат.

ИИ фото бесплатно: чем платит бесплатный уровень

Бесплатные генерации есть почти везде, и цена у них тоже есть почти везде. Просто она не написана на витрине.

Водяной знак. Скачанный файл несёт логотип сервиса, а снятие знака открывает подписка.

Разрешение. Бесплатный кадр обычно выходит мелким, и для печати или для большого экрана его не хватит.

Права на результат. Самый неочевидный пункт. У части сервисов изображения, созданные на бесплатном уровне, остаются за сервисом, и коммерческое использование открывает только платный тариф. Проверяйте это в пользовательском соглашении конкретного сервиса до того, как поставите картинку в рекламу.

Очередь и лимиты. Бесплатные генерации идут общим потоком, а число попыток в сутки конечно.

Как устроены бесплатные уровни у разных сервисов и где проходит граница, мы разобрали в статье про бесплатные нейросети.

Как отличить ИИ-фото от настоящего

Навык полезен в обе стороны: и чтобы не поверить подделке, и чтобы понять, что выдаёт ваш собственный результат.

Смотрите на периферию кадра. Центр модель прорабатывает, а по краям начинается каша: слипшиеся пальцы у второстепенных людей, кривая геометрия зданий, повторяющийся узор на плитке.

Проверьте текст и мелкие детали: ошибки чаще всего собираются в буквах на вывесках, цифрах на часах, украшениях и узорах на ткани.

Оцените свет и тени. Тень от предмета должна совпадать по направлению с источником, а в сгенерированном кадре она нередко идёт сама по себе.

Обратите внимание на кожу и глаза. Слишком ровная кожа, симметричные блики в зрачках и стеклянный взгляд выдают генерацию быстрее прочего.

Технические способы проверки и юридическую сторону подделок мы разобрали в статье про дипфейки. Отдельно держите в голове маркировку: российское регулирование ИИ движется в сторону обязательной пометки сгенерированного контента.

Промпты для ИИ-фото

Пять заготовок под задачи, с которыми к генератору приходят чаще всего: меняйте в них предмет, а каркас оставляйте как есть.

Предметная съёмка для маркетплейса. «Крупный план: стеклянная банка мёда на светлом деревянном столе, однотонный светлый фон, рассеянный дневной свет, студийная предметная съёмка, высокая детализация, без текста и логотипов».

Фон для поста в Telegram-канал. «Общий план: рабочий стол с ноутбуком и чашкой кофе, вид сверху, мягкий утренний свет, спокойные бежевые тона, без людей, вертикальный кадр».

Интерьер для сайта услуг. «Средний план: небольшая парикмахерская, два кресла и зеркала, тёплый ламповый свет вечером, широкоугольный объектив, без людей, без надписей».

Еда для меню кафе. «Крупный план: тарелка сырников со сметаной и ягодами, деревянный стол, боковой свет из окна, портретный объектив, размытый фон, естественные цвета».

Атмосферный кадр для обложки. «Общий план: заснеженная улица маленького русского города вечером, тёплый свет в окнах домов, синий час, плёночная фотография, лёгкое зерно».

Каркас у всех пяти одинаковый: план, объект, обстановка, свет, техника, исключения. Разберитесь с этой схемой один раз, и переписывать запрос придётся заметно реже, а общий каркас любого запроса мы описали в статье что такое промпт.

Частые вопросы

Коротко: с чего начать

Фотореализм собирается из трёх вещей: правильно названного плана, описанного света и списка того, чего в кадре быть не должно. Сервис на результат влияет меньше, чем эти три слоя.

Начните с одного кадра, который вам действительно нужен: фон для поста, снимок товара, иллюстрация к статье. Напишите запрос по схеме выше, получите четыре варианта и доработайте лучший вместо того, чтобы переписывать описание с нуля.

Отдача от навыка неравномерна по отраслям. По расчётам PwC, премия к зарплате за ИИ-навыки доходит до 118% в потребительском секторе и падает до 16% в госсекторе [2]. Работа с визуалом как раз ближе к первому полюсу, потому что результат видно сразу и он измеряется продажами. Возьмите одну задачу этой недели и доведите её до готовой картинки.