В сети сейчас льётся рекой поток картинок, сгенерированных нейросетями, и львиная доля из них выглядит откровенно «пластиковой» — словно кадры из дешёвой компьютерной игры середины нулевых. Глянцевые лица без единой поры, неестественно ровный свет, пальцы, срастающиеся в нечто аморфное. Зрелище порой удручающее. Но ведь тот же Midjourney способен выдавать результаты, от которых у профессиональных фотографов перехватывает дыхание — настолько реалистичной получается картинка. Вся суть в том, что между посредственным результатом и фотореализмом стоит не столько мощность алгоритма, сколько умение правильно с ним разговаривать. А начать стоит с понимания того, как вообще устроена механика промтов и какие нюансы в корне меняют качество генерации.
Почему одни промты работают, а другие — нет?
Главная ошибка обывателя. Человек открывает Midjourney, вбивает что-нибудь вроде «beautiful woman in the park» и ждёт шедевра. Получает нечто среднее, разочаровывается и уходит. Дело в том, что нейросеть не умеет читать мысли — она оперирует весами токенов и ассоциативными связями между словами. Чем точнее и богаче описание, тем ближе результат к задуманному образу. Это связано с тем, что модель обучалась на миллиардах пар «текст — изображение», и короткий невнятный запрос просто активирует слишком широкий спектр возможных интерпретаций. Нейросети, по сути, нужна не команда, а подробный бриф — как фотографу перед коммерческой съёмкой.
К тому же стоит понимать одну вещь: Midjourney тяготеет к определённой «дефолтной» эстетике. Если не направить генерацию в нужное русло, алгоритм сам решит, каким будет освещение, ракурс и цветовая палитра. И результат почти наверняка будет «красивым», но при этом — искусственным. Ведь именно эта приглаженная красивость и выдаёт нейросетевое происхождение картинки быстрее всего.
Структура промта для фотореализма
Промт, нацеленный на реалистичное изображение, строится совсем иначе, чем запрос для иллюстрации или арта. Во-первых, в самом начале стоит обозначить тип медиа — и тут лучше всего работают формулировки, привязанные к фотографии: «photo of», «raw photograph», «candid shot», «editorial photograph». Во-вторых, после описания объекта следует детализация технических параметров съёмки. Ну и, наконец, завершает конструкцию блок стилистических указаний — от цветовой гаммы до настроения кадра. Такой трёхчастный скелет промта довольно быстро входит в привычку и начинает работать почти на автомате.
Все топовые нейросети в одной подписке! 🚀
Устали оплачивать десятки сервисов отдельно и постоянно включать VPN? Появилась платформа, которая объединяет более 90 передовых ИИ в одном окне. Пишите тексты с новейшими версиями GPT и Claude, создавайте шедевры в Midjourney и генерируйте видео в Sora и Kling. Тексты, изображения, видео и музыка — всё работает на любых устройствах без «танцев с бубном».
Попробуйте бесплатно прямо сейчас! Переходите по ссылке и получите бонусные токены для старта 👉 https://clck.ru/3RNCRL
Отдельно стоит упомянуть порядок слов внутри промта. Midjourney придаёт больший вес токенам, расположенным ближе к началу строки. Это значит, что самое важное — тип изображения и главный объект — нужно ставить первыми. Детали окружения, освещения и технические параметры камеры идут следом. А вот негативные указания (через параметр —no) лучше приберечь на самый конец. Впрочем, жёстких правил здесь нет — экспериментировать никто не запрещает.
Магия технических деталей камеры
Вот где начинается настоящая изюминка фотореализма в Midjourney. Нейросеть прекрасно понимает названия конкретных камер и объективов — и это творит чудеса. Стоит вписать в промт «shot on Canon EOS R5, 85mm f/1.4» — и картинка моментально приобретает характерное боке, мягкость переходов и ту самую «живую» глубину резкости, которую мы подсознательно ассоциируем с реальной фотографией. Без этого указания алгоритм выдаёт равномерно резкое изображение, которое больше напоминает рендер.
Нужно ли знать фотографию, чтобы этим пользоваться? Вовсе нет. Достаточно запомнить несколько проверенных комбинаций. Для портретов отлично себя показывают связки с фокусным расстоянием от 50 до 135 миллиметров и низким значением диафрагмы (f/1.2 — f/2.8). Для пейзажей и архитектуры — широкоугольные объективы на 24–35 миллиметров при f/8 — f/11. К слову, упоминание конкретной модели камеры тоже вносит свою лепту: Sony A7III даст чуть более холодный, репортажный тон, а Hasselblad — ту самую среднеформатную «объёмность», за которую фотографы готовы отдавать серьёзные деньги. И вот тут кошелёк-то как раз не пострадает — всё бесплатно вписывается в текстовую строку.
Освещение — половина успеха
Без преувеличения. Ни один даже самый скрупулёзный промт не вытянет картинку, если в нём не указан тип света. Разница колоссальная. Попробуйте добавить «golden hour lighting» к портрету на улице — и вместо плоского дневного снимка появится тёплая, обволакивающая атмосфера с длинными тенями и мягким контуром вокруг силуэта. А «overcast diffused light» уберёт жёсткие тени и придаст коже естественную фактуру без пересветов.
Один из самых популярных приёмов для коммерческого фотореализма — «Rembrandt lighting». Это тот самый классический треугольник света на щеке, который придаёт портрету глубину и драматизм. Далее следует «split lighting» — приковывает внимание к текстуре лица, подчёркивая каждую морщину и неровность, что, как ни странно, работает именно на реализм. Ведь настоящие лица — не глянцевые обложки. Кстати, для предметной съёмки отлично подходит «softbox studio lighting» — оно даёт чистый добротный коммерческий результат, напоминающий каталожные фотографии. Но есть и ложка дёгтя: студийный свет без дополнительных уточнений иногда уводит картинку в слишком «идеальную» сторону, так что стоит подмешивать к промту элементы несовершенства.
Несовершенство как инструмент реализма
Звучит парадоксально. Многие гонятся за «идеальной» картинкой, а потом удивляются, почему она выглядит фальшиво. На самом деле реальный мир полон мелких дефектов — и именно они заставляют наш мозг верить увиденному. Пыль на объективе, лёгкое хроматическое виньетирование по краям кадра, зерно плёнки, микроскопическая расфокусировка на заднем плане — всё это не портит снимок, а наоборот, делает его живым.
В промте эти «артефакты реальности» добавляются через специальные фразы. «Film grain» привнесёт зернистость, характерную для аналоговой фотографии. «Lens flare» добавит блик от солнца — тот самый, который фотографы иногда ловят случайно и потом не могут повторить. «Slight motion blur» создаст ощущение, что камера чуть дрогнула в момент спуска затвора, или что объект слегка шевельнулся. Ну и, конечно же, «skin texture, pores, imperfections» — настоящий спасательный круг для портретной генерации. Без этих слов Midjourney норовит «замылить» кожу до состояния пластикового манекена. А с ними — появляются поры, мелкие волоски, естественные неровности тона. Результат бросается в глаза сразу.
Стоит ли указывать конкретного фотографа?
Довольно спорный вопрос, но практика показывает: да, стоит. Midjourney неплохо знает стилистику известных мастеров и умеет перенимать их манеру. Упомяните в промте «in the style of Annie Leibovitz» — и портрет приобретёт характерную кинематографичность, глубокие цвета и сложную световую схему. «Peter Lindbergh style» уведёт в сторону чёрно-белого минимализма с выразительными контрастами. А «Steve McCurry» придаст изображению тот самый колоритный документальный дух с насыщенной палитрой.
Однако тут есть подводные камни. Во-первых, этический момент — не все фотографы рады, когда их имя используется для генерации нейросетевых изображений. Во-вторых, чрезмерная привязка к одному автору может сужать результат до карикатуры на стиль. Гораздо интереснее смешивать: взять световую схему от одного мастера, цветовую палитру — от другого, а композицию задать самостоятельно. Такой комбинаторный подход даёт более самобытный и при этом реалистичный результат. Тем более что нейросеть не копирует стиль буквально, а лишь тяготеет к нему.
Параметры генерации: что крутить и зачем
Промт — это только половина дела. Вторая половина — настройки самого Midjourney, которые задаются через специальные флаги в конце строки. Самый очевидный — —q 2 (или —quality 2). Он увеличивает время генерации вдвое, но зато прорабатывает детали значительно глубже. Для реалистичных изображений это практически обязательная настройка, потому что на стандартном качестве мелкие текстуры — волосы, ткань, листва — часто получаются «мыльными».
Следующий важный критерий — параметр —style raw. Он снижает влияние «встроенной эстетики» Midjourney и выдаёт более нейтральный результат, ближе к необработанному фотоснимку. Без этого флага алгоритм склонен приукрашивать — добавлять драматизма, подкручивать контраст и насыщенность. Для художественных работ это может быть плюсом, а вот для фотореализма — скорее минус. А ещё есть —ar — соотношение сторон. Казалось бы, мелочь, но квадратный формат 1:1 мозг воспринимает как «соцсеть», тогда как 3:2 или 4:5 ассоциируются с классической фотографией. Даже такой нюанс влияет на восприятие реалистичности.
Как работать с —seed и добиваться стабильности
Задача не из лёгких. Midjourney — штука непредсказуемая, и два промта с разницей в одно слово могут выдать совершенно разные результаты. Но параметр —seed позволяет «зафиксировать» случайное зерно генерации. Это значит, что если один из четырёх вариантов оказался близок к идеалу, можно взять его seed-значение, подправить промт и сгенерировать новую партию с теми же «стартовыми координатами». Композиция и общий тон при этом сохранятся, а детали изменятся в соответствии с новыми указаниями.
На практике это выглядит так: сначала нужно отправить реакцию ✉️ на готовое изображение в Discord, получить от бота информацию с номером seed, а затем подставить его в обновлённый промт через —seed 123456. Процесс не сложный, но кропотливый — с первого раза попасть в «яблочко» удаётся редко. Обычно требуется от трёх до семи итераций, прежде чем картинка полностью удовлетворит задумку. И всё-таки именно этот итерационный подход отделяет случайные удачи от осознанного мастерства.
Описание окружения и контекста
Многие щепетильно прорабатывают главный объект в промте, а фон оставляют на откуп нейросети. Это ошибка. Без чёткого описания среды Midjourney сам додумывает пространство, и результат часто выглядит как студийный коллаж — объект будто вклеен в случайный задник. Для реалистичной картинки среда должна быть описана не менее тщательно, чем главный герой кадра.
Хороший приём — использовать формулу «[объект], [действие], [среда], [время суток], [погодные условия]». Вместо сухого «a man in a jacket» получается нечто вроде «middle-aged man in a worn leather jacket, standing at a rain-soaked bus stop, late evening, neon reflections on wet asphalt, overcast sky with orange city glow». Чувствуете разницу? Во втором случае нейросеть получает кладезь ассоциативной информации — мокрый асфальт, неоновые отражения, вечернее небо с городской засветкой. Каждая деталь тянет за собой цепочку визуальных решений, и итоговое изображение выходит многослойным, атмосферным, правдоподобным. Тем более что именно свет от окружающих предметов — витрин, фонарей, мокрых поверхностей — создаёт тот самый антураж, которого так не хватает «дефолтным» генерациям.
Работа с текстурами и материалами
Текстуры. Вот где всплывают все огрехи ленивого промтинга. Если не указать материал, из которого сделан объект, нейросеть выберет что-нибудь нейтральное и гладкое — а гладкие поверхности мозг считывает как 3D-рендер. Буквально десятилетие назад CG-художники бились над реалистичными текстурами неделями, а сейчас Midjourney воссоздаёт их по одному слову. Но это слово нужно произнести.
«Weathered oak» — и доска покрывается трещинами, потёртостями, выцветшими слоями краски. «Brushed stainless steel» — и металл обретает характерные продольные микроцарапины от шлифовки. «Hand-knitted chunky wool» — и свитер перестаёт быть плоским пятном цвета, превращаясь в объёмную вязаную фактуру с неровностями петель. Нужно отметить, что материалы особенно важны для предметной съёмки: посуда, мебель, одежда, еда — всё это без текстурных указаний выглядит как дешёвый стоковый рендер. А с ними — как добротная каталожная фотография из дорогого журнала.
Негативные промты и параметр —no
Не стоит забывать и об «обратной стороне медали» — том, что нужно исключить из генерации. Параметр —no позволяет указать Midjourney, чего в кадре быть не должно. Это особенно полезно для борьбы с типичными нейросетевыми артефактами. Например, —no cartoon, illustration, painting, anime, 3d render, cgi резко снижает вероятность того, что результат уйдёт в сторону от фотореализма.
Но есть нюанс. Этот параметр работает не как строгий запрет, а скорее как «просьба» — нейросеть понижает вес указанных концептов, но не гарантирует их полное отсутствие. Поэтому нет смысла перегружать —no десятками слов — лучше ограничиться пятью-шестью самыми критичными. Впрочем, даже минимальный набор негативных указаний заметно повышает «фотографичность» результата. Да и привычка добавлять —no blurry, deformed, ugly к каждому реалистичному промту формируется буквально за пару дней.
Upscale и финальная доводка
Сгенерированное изображение — ещё не финальный продукт. Даже при максимальных настройках качества Midjourney выдаёт картинку, которая нуждается в доработке. Первый шаг — апскейл. В пятой и шестой версиях Midjourney встроенные апскейлеры стали значительно лучше, чем в ранних итерациях, но для профессионального использования (печать, крупноформатные баннеры) стоит задуматься о внешних инструментах. Topaz Gigapixel AI и Magnific AI — два довольно мощных решения, которые не просто увеличивают разрешение, а дорисовывают детали на основе контекста.
После увеличения идёт цветокоррекция. Даже самый реалистичный результат Midjourney выигрывает от лёгкой обработки в Lightroom или Capture One. Подтянуть тени, чуть увести баланс белого в тёплую сторону, добавить виньетку — и изображение начинает выглядеть так, словно прошло через руки настоящего фотографа. К слову, некоторые создатели контента идут ещё дальше и добавляют EXIF-метаданные камеры к файлу — но это уже, пожалуй, излишняя скрупулёзность.
Разница между версиями Midjourney для реализма
Нельзя не упомянуть, что от версии к версии Midjourney менял свой «характер». V3 и V4 тяготели к иллюстративности — красивой, стильной, но далёкой от фотографии. Перелом наступил с выходом V5 весной 2023-го: именно эта версия впервые научилась правдоподобно передавать руки, текстуры кожи и сложные световые сцены. V5.2 ещё сильнее сдвинулась в сторону «эстетизации», что некоторых разочаровало — картинки стали слишком «журнальными».
А вот V6 и особенно V6.1 — настоящий прорыв для тех, кто грезит о фотореализме. Модель стала гораздо лучше понимать длинные промты, научилась читать текст (пусть и не всегда идеально) и начала точнее следовать указаниям по композиции. Особый интерес вызывает режим —style raw именно в шестой версии: он выдаёт результат, практически неотличимый от необработанного RAW-файла профессиональной камеры. Многие считают, что нейросеть пока не способна заменить живого фотографа, но на самом деле грань с каждым обновлением размывается всё сильнее.
Практический пример: разбор промта по частям
Разложить по полочкам всегда проще на конкретном примере. Возьмём промт: «Raw photograph of an elderly Japanese fisherman mending a net on a wooden dock, early morning, misty harbor background, shot on Fujifilm X-T5, 56mm f/1.2, natural diffused light, film grain, skin texture with deep wrinkles and sun spots, muted earthy tones —ar 3:2 —style raw —no illustration, cartoon, 3d». Что здесь происходит? Первым идёт тип медиа — raw photograph. Он задаёт реалистичный контекст и понижает «художественность». Затем — детальное описание персонажа с конкретным действием и окружением. Указание камеры и объектива привносит характерную оптическую эстетику Fujifilm — чуть приглушённые тона с плёночным оттенком. Освещение задано через natural diffused light и подкреплено временем суток. Несовершенства — film grain, deep wrinkles, sun spots — делают лицо живым и убедительным.
Ну, а финальные параметры закрепляют всё техническими гарантиями: соотношение сторон 3:2 (классическое для фотокамер), режим raw и исключение нефотографических стилей. Результат — внушительный по степени реализма кадр, который вполне мог бы попасть в документальный фотоальбом. И всё это — без единого нажатия на затвор камеры.
Фотореализм в Midjourney — это не вопрос удачи и не махинации с секретными командами. Это навык, который складывается из понимания оптики, света, текстур и логики нейросетевой интерпретации текста. С каждой итерацией промт становится точнее, глаз — острее, а результат — ближе к тому изображению, которое существовало только в воображении. Удачи в экспериментах — и пусть каждая следующая генерация оказывается чуточку реалистичнее предыдущей.
