В сети представлено множество галерей с поистине грандиозными изображениями, созданными нейросетями. Глядя на них, обыватель часто думает, что где-то существует та самая «волшебная кнопка», нажав на которую можно мгновенно получить шедевр. Кажется, достаточно ввести «красивая девушка на фоне заката», и искусственный интеллект тут же выдаст результат, достойный обложки глянцевого журнала. Однако реальность оказывается куда прозаичнее: вместо впечатляющего арта на экране появляются размытые, непропорциональные или попросту скучные картинки. Удивительно, но чтобы нейросеть вас поняла и сотворила чудо, нужно научиться говорить на её языке, а главный инструмент в этом диалоге – грамотно составленный промт.
Что такое промт и почему он решает всё?
Начнём с основ. Промт (от англ. prompt – побуждение, подсказка) – это текстовое задание, которое вы даёте нейросети для генерации изображения. В представлении многих это простое описание желаемого. Но на самом деле хороший промт – это скорее подробное техническое задание для художника, где вы выступаете в роли заказчика. Чем точнее и детальнее будет ваше ТЗ, тем выше вероятность получить на выходе именно то, что вы задумали. Ведь нейросеть не обладает человеческой интуицией или воображением в привычном нам смысле. Она оперирует гигантскими массивами данных и ищет в них закономерности, соответствующие вашему запросу. Поэтому запрос «дракон» может выдать как мультяшного змея, так и гиперреалистичного ящера из фэнтези-фильма. А вот промт, уточняющий стилистику, освещение и ракурс, уже направляет «мысль» машины в нужное русло.
Задача не из лёгких. Ведь нужно учесть массу нюансов. С одной стороны, не стоит перегружать запрос лишними деталями, которые могут конфликтовать друг с другом. С другой – излишняя краткость порождает неопределённость и случайный результат. Найти этот баланс – и есть искусство. Главный постулат, который стоит запомнить: нейросеть воспринимает слова как теги, придавая большее значение тем, что стоят в начале запроса. Именно поэтому структуру промта стоит продумывать заранее, а не писать его спонтанно. Нужно разложить по полочкам все элементы будущего изображения, от главного объекта до мельчайших деталей заднего плана.
Анатомия идеального запроса
Так из чего же состоит эффективный промт? Сложно ли его сконструировать? На первых порах – да, но со временем процесс доходит до автоматизма. Во-первых, это основной объект или сцена. Это ядро вашего запроса, самое важное, что должно быть на картинке. Например, «старый волшебник в своей библиотеке». Во-вторых, необходимо добавить детали, которые конкретизируют образ и окружение: «старый волшебник с длинной седой бородой, в фиолетовой мантии со звёздами, сидит в кресле у камина в своей круглой библиотеке с книжными полками до потолка». Уже гораздо лучше, не так ли?
Далее следует определиться со стилистикой. Это важнейший аспект, который творит чудеса. Вы можете запросить стиль конкретного художника («in the style of Van Gogh»), целого направления («impressionism», «cyberpunk», «fantasy art») или тип изображения («photorealistic», «watercolor painting», «3D render»). К слову, именно стилистика зачастую становится той самой изюминкой, которая превращает обычную картинку в произведение искусства. Ну и, наконец, в дело вступают технические параметры и модификаторы. Сюда относится всё, что касается света, цвета, ракурса и даже настроек виртуальной «камеры». Слова вроде «cinematic lighting» (кинематографичное освещение), «dramatic light» (драматический свет), «wide angle» (широкоугольный объектив) или «ultra-detailed» (сверхдетализированный) могут кардинально изменить итоговый результат.
Фотореализм: как обмануть глаз?
Одна из самых популярных задач – создание изображений, неотличимых от настоящих фотографий. Здесь на первый план выходят технические уточнения. Нейросети обучены на миллионах реальных снимков, и они «знают», как выглядит изображение, снятое на конкретную камеру с конкретным объективом. Поэтому не стесняйтесь указывать эти параметры. Чем точнее вы опишете «оборудование», тем правдоподобнее будет картинка. Нужно отметить, что упоминание профессиональной техники (например, Sony a7 III, Canon R5) и светосильных объективов (85mm f/1.4, 50mm f/1.8) существенно повышает качество генерации портретов.
Вот как может выглядеть добротный запрос на создание фотореалистичного портрета:
Photorealistic close-up portrait of an old fisherman with a weathered face, deep wrinkles, and a pensive blue eyes, wearing a worn dark blue wool sweater. Shot on a Sony A7III with an 85mm f/1.4 lens, natural morning seaside light, sharp focus on the eyes, cinematic color grading, hyperdetailed, 8K.
В этом промте есть всё: объект, его детальное описание, указание на стиль, конкретная камера и объектив, тип освещения, технические детали и желаемое разрешение. Результат, скорее всего, будет впечатляющим.
Мир фантазий и киберпанка
Совершенно иные правила игры действуют в жанрах, далёких от реальности. Здесь можно дать волю фантазии. Если вы хотите погрузиться в мир мрачного будущего, стоит использовать такие маркеры, как «cyberpunk city», «neon lights», «rainy streets», «holographic ads». А для придания картинке особого антуража можно сослаться на работы культовых художников, например, «in the style of Syd Mead». Промт для создания киберпанк-пейзажа может быть таким:
Expansive cyberpunk megalopolis at night, towering skyscrapers with glowing neon signs in Japanese, flying cars leaving light trails, rain-slicked streets reflecting the vibrant lights, dense smog, wide-angle shot, cinematic atmosphere, style of Blade Runner, ultra-detailed.
Если же ваша душа тяготеет к фэнтези, то и здесь есть свой кладезь ключевых слов. «Epic fantasy landscape», «ancient ruins», «mystical forest», «majestic castle on a cliff», «glowing magical runes» – эти фразы зададут верное направление. Безусловно, стоит упоминать имена известных фэнтези-художников, таких как Фрэнк Фразетта или Борис Вальехо, чтобы нейросеть поняла, какого настроения и стилистики вы от неё ждёте. Это же правило касается и создания персонажей:
Portrait of a powerful elven queen with silver hair and glowing green eyes, wearing intricate ornate armor made of white gold and moonstones, standing in an enchanted ancient forest, ethereal light, fantasy art, highly detailed, by Greg Rutkowski.
А что насчёт художественных стилей?
Хотите картину, будто написанную импрессионистом? Нет ничего проще. Просто укажите это в промте. Секрет в том, чтобы сначала описать сцену, а уже потом добавить маркер стиля. Например, вы хотите изобразить тихую улочку в Париже. Базовый запрос будет звучать как «A quiet street in Paris with a cafe». Довольно скучно. Но стоит добавить пару штрихов, и магия начинается.
Oil painting of a cozy Parisian street in the morning, a small cafe with wicker chairs on the sidewalk, blooming flowers on the balconies, soft morning light, impressionism, in the style of Claude Monet, textured brush strokes.
Этот же принцип работает и с другими стилями. Акварель («watercolor painting»), гравюра («engraving style»), пиксель-арт («pixel art»), студийная зарисовка («studio ghibli style») – всё это доступно. Главное – не смешивать в одном запросе слишком много противоречащих друг другу стилей, иначе нейросеть может «запутаться» и выдать нечто среднее и невнятное. Лучше выбрать одно, но сильное стилистическое направление и дополнить его уточняющими деталями.
Подводные камни: чего стоит избегать?
На пути к идеальной генерации вас поджидает несколько ловушек. Первая и самая частая ошибка – это двусмысленность. Нейросеть понимает слова буквально. Если вы напишете «летучая мышь», вы можете получить как животное, так и бейсбольную биту в полёте. Поэтому всегда стоит уточнять контекст. Вторая проблема – это так называемый «негативный промт». Многие пытаются указать, чего на картинке быть НЕ должно, используя частицу «не» или слова вроде «without». Большинство моделей (особенно ранние) довольно плохо обрабатывают отрицания. Вместо этого лучше сосредоточиться на позитивном описании того, что вы хотите видеть.
Ещё один нюанс – переспам ключевыми словами. Не стоит пытаться впихнуть в один запрос двадцать прилагательных в надежде, что нейросеть выберет лучшие. Это лишь создаст кашу. Лучше выбрать 3-4 самых сильных и точных эпитета, которые описывают суть. И, конечно же, не забывайте про анатомию, особенно когда речь идёт о людях. Руки и пальцы до сих пор остаются слабым местом для многих нейросетей. Хотя современные модели справляются с этим всё лучше, иногда стоит избегать сложных поз или крупных планов кистей рук, если это не критично для вашей задумки.
Процесс создания изображений с помощью ИИ – это не просто ввод текста, а настоящее творчество. Это диалог, в котором вы учитесь понимать машину, а она – вас. Не бойтесь экспериментировать, менять слова местами, добавлять неожиданные детали и смешивать стили. Иногда самые лучшие результаты получаются из случайных и, на первый взгляд, абсурдных запросов. Удачи в покорении цифровых холстов.