Ещё пару лет назад само словосочетание «нейросеть рисует по фотографии» звучало как фантастика из дешёвого сериала, а сегодня тысячи дизайнеров, блогеров и просто любопытных обывателей каждый день скармливают Midjourney собственные снимки и получают на выходе нечто совершенно неожиданное. Кто-то грезит о стилизованном портрете в духе комиксов Marvel, кто-то хочет перенести фактуру любимой вазы на архитектурный концепт, а кто-то просто пытается понять, почему результат раз за разом выходит «мимо». Дело в том, что сама механика работы с референсами в Midjourney довольно неочевидна — за лаконичным синтаксисом команд скрывается целая россыпь нюансов, от которых зависит итоговое качество картинки. Но чтобы не тратить часы на слепые эксперименты, стоит разобраться в логике инструмента ещё до первого промта.
Что такое reference и зачем он нужен?
Само понятие «референс» пришло из мира классического дизайна и иллюстрации, где художник всегда опирался на визуальный образец — фотографию, набросок, кусок ткани с нужной текстурой. В Midjourney этот принцип получил цифровое воплощение через специальные параметры, позволяющие «показать» нейросети конкретное изображение и попросить её учесть его при генерации. Не стоит путать это с обычной загрузкой картинки в начале промта (image prompt) — там модель скорее вдохновляется общей композицией и цветовой гаммой. А вот reference-параметры работают точечно: один отвечает за стиль, другой — за персонажа, третий — за конкретный объект. Кстати, именно такое разделение появилось не сразу. Ранние версии Midjourney (до пятой) вообще не умели разграничивать «что рисовать» и «как рисовать», сваливая всё в одну кучу. Сейчас же инструментарий стал куда более скрупулёзным.
Три типа референсов: стиль, персонаж, объект
Первое, с чего начинается грамотная работа — понимание, какой именно тип ссылки нужен в конкретной ситуации. Один из самых востребованных вариантов — style reference, вызываемый параметром —sref. Суть его проста: нейросеть анализирует визуальный стиль загруженного изображения (цветовая палитра, манера штриховки, общее «настроение») и переносит эти черты на новую генерацию. Допустим, у вас есть фотография заката с характерными тёплыми лиловыми тонами — Midjourney способна окрасить в ту же гамму совершенно другой сюжет, будь то городской пейзаж или портрет.
Следующий важный инструмент — character reference, активируемый через —cref. Вот тут-то и начинается самое интересное для тех, кто хочет генерировать картинки именно по своему фото. Параметр «запоминает» внешность персонажа — черты лица, причёску, общий силуэт — и воспроизводит их в новых сценах. Хотите увидеть себя в латах средневекового рыцаря? Или на мостике космического корабля? Character reference создан именно для таких махинаций. Но есть ложка дёгтя: модель не копирует лицо с фотографической точностью. Она скорее «вдохновляется» обликом и переосмысляет его внутри выбранного стиля.
Ваш личный ИИ-отдел маркетинга, который работает 24/7 📈
Ускорьте создание контента в 10 раз! Этот мульти-ИИ сервис позволяет писать безупречные продающие посты, генерировать уникальные фото для соцсетей, создавать рекламные промо-ролики с нуля и писать для них музыку в пару кликов. Идеальное решение для предпринимателей, маркетологов и SMM-специалистов. Всё в едином удобном интерфейсе — больше не нужно переключаться между десятком вкладок.
Делегируйте рутину искусственному интеллекту и увеличивайте продажи. Начните работу здесь 👉 https://clck.ru/3RNCRL
Ну и, наконец, object reference — параметр —oref, появившийся позже остальных. Он тяготеет к предметам: мебели, технике, украшениям, архитектурным элементам. Нужно перенести дизайн конкретного стула в интерьер мечты? Или вписать реальную сумку в фэшн-иллюстрацию? Именно для этого object reference и задуман. Впрочем, работает он пока не так гладко, как хотелось бы, — мелкие детали иногда «плывут», а пропорции нейросеть норовит подправить на свой вкус.
Как правильно загрузить фото и составить промт?
Техническая сторона довольно проста. Сначала нужно загрузить своё фото в чат Discord (или на любой хостинг с прямой ссылкой на изображение), скопировать URL картинки и вставить его в промт после соответствующего параметра. Выглядит это примерно так: /imagine prompt: knight in silver armor —cref [ссылка на ваше фото]. Никаких сложных настроек на этом этапе нет. Но подводные камни всплывают чуть позже.
Во-первых, качество исходника играет колоссальную роль. Размытое селфи, снятое в полутьме на старый телефон, — не лучший кандидат на роль референса. Нейросеть буквально «читает» пиксели, и если информации в них мало, результат окажется непредсказуемым. Стоит подбирать фотографию с хорошим освещением, чётким фокусом на лице (для —cref) и минимумом посторонних объектов на заднем плане. Во-вторых, сам текстовый промт никуда не девается. Многие новички совершают одну и ту же ошибку: загружают фото и пишут что-то вроде «сделай красиво». А потом удивляются. Ведь reference — не волшебная палочка, а направляющая. Без внятного текстового описания сцены, окружения и настроения нейросеть заполнит пробелы по собственному разумению.
Параметр —cw: тонкая настройка «похожести»
Неочевидная штука. Вместе с —cref можно указать —cw (character weight) — число от 0 до 100, определяющее, насколько сильно нейросеть должна «цепляться» за исходное лицо. При значении 100 Midjourney старается максимально точно воспроизвести черты: форму носа, разрез глаз, овал лица. Результат получается наиболее узнаваемым, хотя и здесь до фотореализма далеко. А вот при значении 0 модель фактически игнорирует лицо и фокусируется на одежде, позе, общем силуэте. Это удобно, когда нужно сохранить стилистику образа, но не привязываться к конкретному человеку.
Золотая середина для большинства задач — где-то в районе 50–70. При таких значениях облик остаётся узнаваемым, но нейросеть получает достаточно свободы для художественной интерпретации. Экспериментировать стоит обязательно: даже разница в десять пунктов иногда кардинально меняет результат. К слову, аналогичный «весовой» параметр —sw (style weight) существует и для стилевого референса. По умолчанию он равен 100, и снижение до 20–30 позволяет лишь слегка «подкрасить» генерацию нужной атмосферой, не перетягивая одеяло на стиль.
Стоит ли комбинировать несколько референсов?
Короткий ответ — да, но осторожно. Midjourney позволяет в одном промте использовать сразу и —cref, и —sref, и даже обычный image prompt. Звучит заманчиво: взять своё лицо, наложить стиль из понравившейся иллюстрации и получить шедевр. На практике же каждый дополнительный референс «отъедает» внимание нейросети. Когда в промте три-четыре конкурирующих визуальных источника, модель начинает метаться между ними, и итоговая картинка выходит сумбурной. Приковывает внимание разве что количество артефактов.
Добротный подход — двухэтапная генерация. Сначала создаётся базовое изображение с одним референсом (например, —cref для лица), а затем полученный результат используется уже как image prompt на втором этапе, где добавляется стилевой —sref. Да, это дольше. Но контроль над процессом несравнимо выше. Тем более, что лимит генераций на платных тарифах Midjourney довольно щедрый — от 200 до неограниченного количества в «релакс-режиме».
Частые ошибки и как их избежать
Львиная доля разочарований связана с завышенными ожиданиями. Люди загружают своё фото и ждут, что нейросеть выдаст фотореалистичный портрет «один в один», только в другом антураже. Так не работает. Midjourney — генеративная модель, а не фоторедактор. Она интерпретирует, а не копирует. И эту грань стоит принять сразу, чтобы потом не ломать голову над вопросом «почему это не похоже на меня».
Ещё одна распространённая промашка — использование группового фото в качестве референса. Когда на снимке два-три человека, модель не понимает, на кого именно ориентироваться, и выдаёт нечто среднее. Результат довольно причудливый, но к задуманному отношения обычно не имеет. Поэтому для —cref нужен одиночный портрет, желательно по плечи или чуть шире. А вот для стилевого —sref групповые фото или пейзажные снимки вполне подходят — там ведь важна не конкретика лиц, а общая визуальная «кухня».
Отдельно стоит упомянуть проблему с очками, головными уборами и необычными ракурсами. Тёмные солнцезащитные очки скрывают глаза, и нейросеть начинает «додумывать» их форму и цвет, зачастую ошибаясь. Шляпы и капюшоны путают алгоритм с формой головы. А снимок в профиль или снизу заставляет модель строить трёхмерное представление лица из минимума информации, что неизбежно ведёт к неточностям. Лучший исходник — фронтальное фото при ровном дневном свете без аксессуаров. Скучно? Возможно. Зато результат куда более предсказуемый.
Практические сценарии использования
Изюминка reference-инструментов — в их универсальности. Один из самых популярных сценариев — создание аватарок для социальных сетей. Загрузил своё фото через —cref, в промте описал стилистику (аниме, пиксель-арт, масляная живопись), получил на выходе стильный аватар, который не спутаешь с чужим. К тому же это не бьёт по бюджету: базовая подписка на Midjourney стоит около десяти долларов в месяц, а генераций хватает с запасом.
Другой колоритный вариант — раскадровка для видеороликов и презентаций. Дизайнеру нужно показать клиенту, как будет выглядеть рекламный персонаж в разных сценах. Раньше для этого приходилось рисовать от руки или нанимать иллюстратора. Сейчас же достаточно задать один референс лица и менять только текстовое описание окружения — на пляже, в офисе, на горном склоне. Модель старается сохранить узнаваемость персонажа от кадра к кадру, что для раскадровки более чем достаточно.
Ну, а для интерьерных дизайнеров настоящим спасательным кругом стал —oref. Клиент присылает фотографию дивана, который хочет оставить в обновлённой гостиной. Дизайнер вставляет снимок как объектный референс и генерирует варианты интерьера, где этот диван (пусть и слегка переосмысленный) органично вписан в новую концепцию. Безусловно, точность пока оставляет желать лучшего, но как инструмент визуализации идеи — решение внушительное.
Как добиться максимальной «похожести»?
Вопрос щепетильный. Нужно отметить, что стопроцентного сходства с фотографией добиться в Midjourney на сегодняшний день невозможно — для этого существуют другие инструменты вроде InsightFace или специализированных LoRA-моделей в Stable Diffusion. Но приблизиться к узнаваемому портрету вполне реально. Первое — выставить —cw 100. Второе — минимизировать текстовое описание внешности в промте, потому что слова вроде «blue eyes» или «curly hair» начинают конкурировать с визуальным референсом, и нейросеть оказывается «между двух огней». Третье — использовать несколько разных фотографий одного человека, загружая их через пробел после —cref. Midjourney усредняет облик по нескольким источникам, и это, как ни парадоксально, часто даёт более стабильный результат, чем одно-единственное идеальное фото.
И ещё один неочевидный нюанс. Версия модели имеет значение. На момент написания статьи наиболее «послушной» в отношении character reference считалась шестая версия (v6 и v6.1). Пятая справлялась заметно хуже, а экспериментальная «Niji» (заточенная под аниме) по-своему трансформировала черты лица, делая их более мультяшными. Выбор версии зависит от задачи: для реалистичных портретов стоит оставаться на v6, а для стилизованных иллюстраций можно смело переключиться на Niji.
Несколько слов о правах и этике
Тема неоднозначная, но обойти её не получится. Загружая чужую фотографию в качестве референса, пользователь берёт на себя ответственность за результат. Midjourney в своих условиях использования прямо указывает: генерация изображений реальных людей без их согласия — зона риска. Да и самим здравым смыслом стоит руководствоваться. Одно дело — сделать стилизованный портрет друга ему же в подарок. Совсем другое — создавать коммерческий контент с чужим лицом. Грань тонкая, но она существует, и игнорировать её не стоит.
Что дальше? Развитие технологии
Буквально полгода назад character reference казался довольно грубым инструментом — лица «плавали», сходство было условным. Сейчас результаты заметно точнее. Команда Midjourney регулярно обновляет алгоритмы, и каждая итерация добавляет стабильности. Можно ожидать, что через пару обновлений границы между «генерация по описанию» и «генерация по фото» станут ещё более размытыми — в хорошем смысле. Вполне вероятно, что в будущих версиях появится возможность задавать не просто лицо, а мимику, конкретную позу и даже освещение с исходного снимка.
Для тех, кто только осваивает этот инструментарий, совет один: не стоит бояться тратить генерации на «пустые» эксперименты. Каждый неудачный результат — это ведь тоже опыт. Попробовали —cw 100 и лицо «поплыло»? Снизили до 60 — стало лучше. Добавили второй референс и получили хаос? Значит, в следующий раз стоит работать поэтапно. Midjourney — это скорее творческий партнёр, чем послушный исполнитель, и чем лучше вы его «чувствуете», тем ярче будут результаты. Удачи в экспериментах — пусть каждая генерация приближает вас к тому самому идеальному кадру, который задумывался ещё до первого клика.
