Способна ли одна нейросеть понять другую лучше, чем это делает человек? Вопрос, на первый взгляд, кажется философским, но любой, кто хоть раз пытался добиться от генератора изображений (будь то Midjourney, Stable Diffusion или DALL-E) внятного результата, знает ответ. Зачастую мы тратим часы, подбирая нужные слова, меняя их местами и гадая, почему вместо кинематографичного шедевра на экране появляется нечто сюрреалистичное с лишними конечностями. Мечта о кнопке «Сделать красиво» разбивается о суровую реальность промпт-инжиниринга. Однако этот барьер довольно просто преодолеть, если делегировать рутинную работу по составлению описаний текстовому ассистенту, превратив его в своего личного креативного директора.
Зачем нужен посредник?
Стоит ли усложнять цепочку, добавляя в неё ещё одно звено? На самом деле, ChatGPT выступает здесь не как лишняя инстанция, а как квалифицированный переводчик с человеческого языка на язык визуальных образов. Обыватель, как правило, мыслит абстрактными категориями: «мрачный лес», «весёлый щенок», «киберпанк-город». Для генератора изображений этих данных катастрофически мало. Ему нужна конкретика: тип освещения, фокусное расстояние объектива, стиль рендеринга, детализация текстур и даже название плёнки. И вот тут текстовый ИИ становится настоящим спасательным кругом. Ведь в его базе данных содержится колоссальный объём знаний о фотографии, живописи и кинематографе. Он способен «распаковать» простое слово “красиво” в три абзаца технических терминов, которые графическая нейросеть воспримет как чёткое руководство к действию.
Ролевая модель
С чего начинается качественная генерация? С правильной настройки вашего собеседника. Не стоит сразу требовать описание картинки. Сначала нужно задать контекст. Самый действенный метод — присвоить чат-боту роль. Это довольно старый трюк, но он по-прежнему творит чудеса. Попробуйте начать диалог с такой фразы:
«Ты — профессиональный фотограф с 20-летним стажем, специализирующийся на портретной и пейзажной съёмке. Твоя задача — составлять подробные, технически грамотные промты (текстовые описания) для генерации фотореалистичных изображений».
Такая преамбула переключает алгоритм в режим эксперта, и он начинает использовать специфический лексикон, о котором вы могли даже не подозревать. А ведь именно лексика определяет львиную долю успеха.
Анатомия идеального запроса
Из чего же состоит «скелет» запроса, который мы отправляем в ChatGPT? Тут важна последовательность. Сначала вы обозначаете объект (кто или что?), затем действие (что делает?), далее следует окружение (где?), и, наконец, технические параметры и стилистика. К слову, именно на последнем этапе многие спотыкаются. Обычному пользователю сложно держать в голове названия объективов или типы освещения. А чат-бот подставит их сам, если его об этом попросить. Просьба может звучать так:
«Опиши сцену, где рыцарь стоит у дракона, но добавь параметры для фотореализма: освещение, тип камеры, плёнку и настройки рендера».
Результат вас удивит. Бот насытит текст такими маркерами, как «volumetric lighting», «8k resolution», «Unreal Engine 5 render» или «shot on 35mm lens».
Работа с портретами
Лица людей — это, пожалуй, самый сложный аспект генерации. Глаза смотрят в разные стороны, кожа выглядит пластиковой, эмоции неестественны. Чтобы этого избежать, нужно требовать от ChatGPT максимальной детализации текстур. Запрос к текстовому помощнику может выглядеть следующим образом:
«Напиши промт на английском для создания ультра-реалистичного портрета пожилого моряка. Обязательно укажи детали: морщины, поры кожи, влажный блеск в глазах, жёсткий свет (rembrandt lighting). Используй сравнения с работами известных фотографов, например, Стива Маккарри».
Почему на английском? Дело в том, что большинство графических нейросетей обучались на англоязычном датасете, и понимание запросов на этом языке у них в разы лучше. Кириллицу они часто игнорируют или интерпретируют неверно. Так что пусть ChatGPT сразу выступает и в роли переводчика.
Пейзажи и архитектура
Масштаб. Вот что теряется при любительских попытках описать природу. Мы пишем «горы», а получаем холмик. Для создания эпичных полотен стоит использовать другую стратегию. Попросите ChatGPT действовать как концепт-художника для голливудского блокбастера. Примерный запрос:
«Создай промт для широкоугольного пейзажа футуристического мегаполиса. Важно передать атмосферу: туман, неоновые вывески, дождь, отражения на мокром асфальте. Укажи ракурс ‘вид с дрона’ (drone shot) и время суток ‘золотой час’ (golden hour)».
И, разумеется, не забудьте попросить добавить параметры соотношения сторон, если планируете использовать промт в Midjourney (например, –ar 16:9). Чат-бот сам не догадается это сделать, если вы не уточните этот нюанс.
Стилизация под плёнку
Плёночное зерно. Это тот самый «шум», который придает изображению жизнь и спасает от эффекта «пластиковости». Цифровая стерильность часто отталкивает взгляд. Чтобы получить тёплый, ламповый кадр, используйте следующий подход. Скажите боту:
«Мне нужно фото в стиле 90-х. Напиши промт, описывающий вечеринку у бассейна. Добавь специфические термины: ‘Polaroid style’, ‘fujifilm superia’, ‘light leaks’ (засветы), ‘slightly blurred’ (лёгкая размытость), ‘vintage aesthetic’».
Такой запрос заставит нейросеть имитировать несовершенства аналоговой фотографии, что сделает итоговую картинку практически неотличимой от реального снимка из семейного альбома. Это же правило касается и чёрно-белой фотографии. Тут стоит упомянуть такие маркеры, как «noir style», «high contrast», «dramatic shadows».
Макросъёмка
Сложно ли получить качественное макро? Да, если не знать законов оптики. Но ChatGPT их знает. Если вам нужно изображение насекомого, капли росы или текстуры ткани крупным планом, сформулируйте задачу так:
«Составь промт для макросъёмки глаза хамелеона. Укажи использование макрообъектива (macro lens 100mm), малую глубину резкости (shallow depth of field) и эффект боке (bokeh) на фоне».
Бот обязательно добавит слова «sharp focus» и «highly detailed», чтобы генератор не размыл главный объект. А ведь именно расфокус — главная беда при генерации макро-сцен.
Коммерческая фотография
Иногда цель — не искусство, а продажа. Сделать «вкусное» фото еды или гаджета для рекламы — задача не из лёгких. Тут важен свет и композиция. Попросите ChatGPT:
«Напиши промт для рекламной фотографии бургера. Используй термины студийной съёмки: ‘studio lighting’, ‘softbox’, ‘appetizing’, ‘food photography style’, ‘4k’. Фон должен быть нейтральным или размытым».
Текстовый помощник, скорее всего, предложит добавить «splashes of water» (брызги воды) для свежести или «steam» (пар), поднимающийся от котлеты. Эти мелочи и создают тот самый коммерческий лоск, за который фотографы берут немалые деньги. Кошёлёк станет легче, если нанимать профи, а вот нейросеть справится за минуты.
Абстракции и сюрреализм
Полёт фантазии. Иногда хочется чего-то странного, неземного. И тут логика часто мешает человеку придумать нечто действительно безумное. Доверьтесь «галлюцинациям» машины. Запрос может быть предельно коротким:
«Придумай 5 вариантов промтов для абсолютно сюрреалистичного, психоделического изображения, которого не может существовать в реальности. Используй стиль Сальвадора Дали и биомеханику Гигера».
В ответ вы получите наборы слов, которые вам бы и в голову не пришли: «melting clocks inside organic spaceship», «fractal tentacles», «dreamscape geometry». Графическая нейросеть, получив такую «кашу» из концептов, выдаст нечто грандиозное и пугающее.
Освещение
Свет — это кисть фотографа. Без правильного света даже самая интересная композиция выглядит плоско и скучно. Но как объяснить это машине? Довольно просто. В своих запросах к ChatGPT всегда просите акцентировать внимание на типе освещения. Пусть он выбирает между «cinematic lighting» (киношный свет), «volumetric lighting» (объёмный свет с лучами), «bioluminescent» (биолюминесценция для фантастики) или «natural lighting» (естественный свет). Есть ещё один интересный приём — попросить использовать «rim light» (контровой свет), который подсвечивает контур объекта, отделяя его от фона. Это мгновенно добавляет изображению профессионального шика. А вот «flash photography» (свет вспышки) стоит использовать с осторожностью — он может сделать картинку плоской и дешёвой, если это не является художественной задумкой (например, стиль папарацци).
«Мусор» в промтах
Чего стоит избегать? Словесного мусора. Многие считают, что чем длиннее промт, тем лучше. Однако это распространенное заблуждение. Если вы попросите ChatGPT написать «очень длинное и красивое описание», он может выдать абзац текста, в котором ключевые слова потеряются. Графическая нейросеть просто проигнорирует середину вашего послания. Поэтому стоит добавлять в инструкцию ограничение: «Пиши промт лаконично, перечисляй параметры через запятую, убирай предлоги и вводные слова, оставляй только суть». Это называется токенизацией смысла. Чем ближе важные слова к началу промта, тем сильнее они влияют на результат.
Итеративный подход
Не стоит ждать чуда с первой попытки. Работа с ChatGPT для генерации фото — это диалог, а не монолог. Получили промт, скормили его Midjourney, посмотрели результат. Не понравилось? Возвращайтесь в чат и пишите:
«Результат слишком тёмный, добавь больше источников света и измени ракурс на вид снизу».
Или: «Слишком мультяшно, добавь параметры фотореализма и убери стилизацию под 3D-рендер». Такая калибровка помогает добиться идеала за 3–4 итерации. Это нормальный рабочий процесс. Тем более, что с каждым разом бот лучше понимает ваши вкусы и предпочтения.
Подводные камни
И всё же, есть нюансы. ChatGPT иногда «заигрывается» и начинает выдумывать несуществующие термины или имена художников. Он может написать «style of Artstation», что дает слишком размытый результат, или смешать несовместимое, например, «акварель» и «фотореализм». Конечно, современные генераторы пытаются сглаживать эти противоречия, но иногда на выходе получается визуальная каша. Поэтому критическое мышление отключать не стоит. Пробегитесь глазами по сгенерированному тексту перед тем, как отправлять его в работу. Если видите откровенные противоречия, лучше попросите переписать.
Тонкости настройки камеры
Интересный момент. Вы можете просить ChatGPT имитировать конкретные модели камер. Промт, включающий фразу «shot on iPhone 15 Pro», даст совершенно иную картинку, нежели промт с «shot on Hasselblad X1D». В первом случае вы получите глубокую резкость, типичную для смартфонов, и, возможно, слегка перенасыщенные цвета. Во втором — благородное боке, мягкие полутона и невероятную детализацию. Это мощнейший инструмент управления стилистикой. Не забывайте указывать это в своих запросах к текстовому ассистенту. Ну и, конечно же, плёнка. Kodak Portra 400 даст тёплые, приятные скинтоны, а Ilford HP5 — контрастную чёрно-белую классику. Чат-бот знает характеристики этих плёнок и подберет соответствующие прилагательные для описания.
Генерация вариаций
Бывает так, что идея хороша, но хочется разнообразия. Попросите ChatGPT:
«Напиши 5 вариантов одного и того же сюжета (девушка под дождём), но в разных стилях: киберпанк, нуар, ренессанс, аниме и пиксель-арт».
Это сэкономит вам кучу времени. Вы сразу получите палитру решений и сможете выбрать то, которое лучше всего резонирует с вашим видением. Такой подход особенно полезен, когда нет четкого ТЗ, и нужно просто найти вдохновение. Кладезь идей откроется перед вами за считанные секунды.
Постоянное обучение
Нейросети обновляются. То, что работало для Midjourney v4, может быть неактуально для v6. Параметры меняются, алгоритмы понимания текста эволюционируют. Поэтому стоит периодически просить ChatGPT: «Учитывай особенности последней версии [название нейросети]». Хотя база знаний чат-бота имеет временной лаг (отсечку по дате), он все равно знает фундаментальные принципы построения кадра, которые не меняются столетиями. Композиция, золотое сечение, правило третей — всё это вечные постулаты, которые сделают любое изображение гармоничным.
Путь к мастерству лежит через эксперименты. Не бойтесь давать ChatGPT странные, сложные, противоречивые задания. Комбинируйте несочетаемое, требуйте невозможного, играйте со светом и тенью руками своего цифрового ассистента. В конечном итоге, именно этот творческий тандем человека и машины открывает двери в мир, где единственным ограничением остается лишь ваша собственная фантазия. Пусть каждый ваш запрос превращается в маленький шедевр, который надолго приковывает взгляд.