Создание идеального женского образа в нейросетях — это всегда лотерея? На первый взгляд, кажется, что достаточно вбить слово «красивая девушка» и нажать кнопку генерации, чтобы получить шедевр цифрового искусства. Но реальность, увы, часто разочаровывает: с экрана на нас смотрит пластиковая кукла с безжизненным взглядом, странной анатомией или вовсе тремя руками. Обыватель часто бросает попытки после пары неудач, сетуя на глупость искусственного интеллекта. Но чтобы не ошибиться, нужно понять саму логику машинного «воображения» и научиться говорить с алгоритмом на его языке, который состоит из тегов, весов и специфических терминов.
С чего начинается запрос?
Первый шаг — это фундамент. Не стоит надеяться, что нейросеть угадает ваши мысли. Ей нужна конкретика, причем довольно жесткая. Описывать героиню лучше всего с определения её этнической принадлежности, возраста и общего стиля. Если вы напишете просто girl, алгоритм выдаст усреднённое, скучное лицо, обученное на миллионах стоковых фото. А вот если уточнить — 25 years old norwegian woman (25-летняя норвежка) или japanese cyberpunk girl (японская девушка в стиле киберпанк), — результат кардинально изменится. К слову, возраст здесь играет роль не только цифры, но и маркера зрелости кожи, взгляда и общей харизмы. Львиная доля успеха зависит именно от этого первого блока слов.
Детализация внешности
Важно ли описывать каждую родинку? Безусловно. ИИ тяготеет к идеализации, «замыливанию» кожи, превращая портрет в глянцевую обложку дешёвого журнала. Чтобы вернуть жизнь, приходится использовать так называемые «грязные» текстуры. В промт (запрос) стоит включать такие слова, как detailed skin texture (детальная текстура кожи), freckles (веснушки), pores (поры), skin imperfections (несовершенства кожи). Это придает изображению тот самый антураж реальности. Глаза — отдельная история. Часто они получаются мутными. Спасают ситуацию теги detailed iris (детализированная радужка) и expressive eyes (выразительные глаза). А ещё не стоит забывать про причёску: messy hair (растрепанные волосы) выглядят куда живее, чем идеально уложенная hairstyle.
Свет и атмосфера
Свет творит чудеса. Он может превратить скучный портрет в драматичную сцену из кино. Если вы хотите мягкости и романтики, ваш выбор — golden hour (золотой час) или soft lighting (мягкое освещение). Для более жёстких, характерных образов подойдет cinematic lighting (кинематографичный свет), rembrandt lighting (свет Рембрандта) или chiaroscuro (кьяроскуро — контраст света и тени). К тому же, объём изображению добавляет volumetric fog (объёмный туман) или god rays (лучи бога, пробивающиеся сквозь препятствия). А вот плоское фронтальное освещение, как от вспышки в лоб, лучше исключить, если только это не творческая задумка в стиле «полароид».
Стиль: Фотореализм или Арт?
Вам нужно фото или картина? Этот выбор определяет набор технических тегов. Для фотореализма мы используем названия конкретной техники. Довольно часто в ход идут shot on Sony A7RIV (снято на Sony), 85mm lens (портретный объектив), f/1.8 (диафрагма для размытия фона), hyperrealistic (гиперреализм), 8k, UHD. Эти слова заставляют нейросеть имитировать оптические свойства реальных камер, включая боке и глубину резкости. А если душа просит живописи, тут вступают в игру имена художников (style of Artgerm, Alphonse Mucha, Greg Rutkowski) или названия техник (oil painting, watercolor, digital art). Тем более, что смешивание стилей порой дает совершенно неожиданный, уникальный результат.
Одежда и окружение
Нельзя не упомянуть и про гардероб. Одежда должна соответствовать контексту. Странно видеть девушку в вечернем платье (evening gown) посреди постапокалиптических руин, если только это не специфический контраст. Описывайте материалы: silk (шёлк), denim (джинса), leather (кожа), lace (кружево). Нейросеть отлично понимает фактуры. Окружение (background) тоже задает тон. Это может быть busy street (оживленная улица), cozy cafe (уютное кафе) или абстрактный studio background (студийный фон). Главное — не перегружайте сцену лишними деталями, иначе фокус с героини сместится на мусорные баки на заднем плане.
Готовые формулы промтов
Сложно ли составить запрос с нуля? Да, поначалу. Поэтому разумно разобрать несколько рабочих сценариев, которые можно брать за основу и модифицировать под свои нужды. Рассмотрим их в формате повествования, чтобы вы уловили логику построения фразы, ведь порядок слов имеет значение: то, что стоит в начале, для алгоритма важнее всего.
Первый вариант — классический фотореалистичный портрет. Мы начинаем с субъекта, затем добавляем детали внешности, одежду, окружение и технические параметры. Получается примерно такая конструкция:
Portrait of a beautiful 25 year old french woman, natural curly hair, detailed skin texture, freckles, looking at camera, wearing white linen shirt, sitting in a garden, sunlight filtering through leaves, shot on 35mm lens, depth of field, f/1.8, bokeh, hyperrealistic, 8k.
Здесь мы идем от общего к частному, закрепляя результат «железом» камеры. Заметьте, как описание света (sunlight filtering) вплетено в окружение.
Второй пример — стилизованный, эфирный образ, ближе к фэнтези-арту. Тут лексика меняется на более возвышенную. Мы используем слова, вызывающие определенные ассоциации у модели. Пример запроса может звучать так:
Ethereal elf princess, long silver flowing hair, intricate fantasy armor with gold filigree, glowing blue eyes, magical forest background, bioluminescent plants, soft moonlight, fireflies, dreamlike atmosphere, digital painting, style of WLOP and Artgerm, masterpiece, best quality, highly detailed.
В данном случае акцент делается не на оптике камеры, а на художественных эпитетах (dreamlike, intricate) и именах художников, чей стиль нам импонирует.
Третий сценарий — дерзкий киберпанк. Это направление требует жёсткости, неона и технологий. Промт будет выглядеть совсем иначе:
Cyberpunk girl mechanic, grease on face, wearing futuristic visor and leather jacket, neon lights reflection, rainy street of futuristic tokyo, night, wet asphalt, chromatic aberration, cinematic lighting, sharp focus, unreal engine 5 render, ray tracing.
Здесь мы добавляем технические термины из игровой индустрии (unreal engine 5, ray tracing), чтобы получить характерную «компьютерную», но очень детализированную картинку с правильными отражениями.
Что такое Negative Prompt?
Есть и обратная сторона медали. Это то, чего мы не хотим видеть. Поле Negative Prompt — это своего рода фильтр, куда мы сливаем весь мусор. Обязательно стоит прописывать туда стандартный набор «уродств», от которых алгоритм пока не избавился окончательно. Обычно это выглядит как перечисление дефектов через запятую (в самом интерфейсе нейросети), но суть их такова:
ugly, deformed, disfigured, extra fingers, bad anatomy, cross-eyed, blurry, watermark, text, signature.
Без этого «спасательного круга» вы рискуете получить девушку с шестью пальцами на каждой руке или с подписью художника прямо на лбу. Отдельно стоит упомянуть low quality и worst quality — эти теги в негативе заставляют нейросеть стараться лучше.
Нюансы весовых коэффициентов
Можно ли усилить какое-то слово? Разумеется. В большинстве интерфейсов (как Automatic1111 или Midjourney) используются скобки или цифры. Если вы хотите, чтобы волосы были именно рыжими, и это критично, вы пишете (ginger hair:1.3). Это дает команде приоритет. Однако не стоит перебарщивать. Слишком высокие веса (больше 1.5) могут «сломать» картинку, сделав её пережаренной и неестественной. Это тонкая настройка, требующая скрупулезного подхода и экспериментов.
Эмоциональный спектр
Кукла или живой человек? Разница часто кроется в эмоции. Стандартное лицо нейросетевой модели — спокойно-безразличное. Чтобы вдохнуть душу, нужно прописывать конкретное выражение. Slight smile (лёгкая улыбка) или mysteriuos smirk (таинственная ухмылка) меняют восприятие кардинально. А если добавить laughing (смеющаяся) или crying (плачущая), можно получить очень сильный драматический эффект. Впрочем, сложные эмоции даются ИИ труднее, иногда превращая лицо в гримасу, так что тут придется сделать несколько попыток.
Работа с композицией
Как расположить героиню в кадре? Этот аспект многие упускают, а зря. Слова close up (крупный план) покажут только лицо. Upper body (по пояс) — стандарт для портретов. Full body (в полный рост) — самая сложная задача, так как лицо при этом становится маленьким и теряет детализацию (хотя современные модели справляются с этим всё лучше). Также можно использовать операторские термины: low angle (вид снизу) для придания величия или high angle (вид сверху) для создания ощущения уязвимости. Угол обзора (wide angle) добавит динамики и исказит перспективу, что хорошо для экшн-сцен.
Создание промта — это не просто набор слов, а настоящее конструирование реальности. Это кладезь возможностей для тех, кто готов потратить время на подбор правильных «ключей». Не бойтесь смешивать несочетаемое, добавлять странные материалы или выставлять невозможный свет. Ведь именно в ошибках и экспериментах порой рождаются самые впечатляющие образы, от которых невозможно отвести взгляд. Перевоплощение завершено.