Знакомая история: коллега показывает картинку, сделанную нейросетью, — красиво, детально, как с обложки. Вы открываете тот же сервис, пишете примерно то же самое и получаете что-то среднее и невыразительное.
Дело редко в сервисе. Почти всегда — в описании.
Что происходит, когда вы пишете два слова
Напишете «мужчина в костюме» — получите мужчину в костюме. Формально всё верно. Но кроме этих двух слов в кадре есть ещё сотня решений: где стоит камера, какой свет, что на фоне, во что именно одет, какое выражение лица, что резко, а что размыто.
Ни одно из них вы не приняли. Значит их приняли за вас — и не случайным образом, а самым усреднённым. Модель училась на миллионах снимков и в отсутствие указаний выдаёт их среднее арифметическое: ровный фронтальный свет, нейтральный фон, стандартная поза. Технически безупречно и совершенно безлико.
Подробное описание работает наоборот: вы забираете решения себе.
Из чего складывается хорошее описание
Профессионалы описывают не предмет, а сцену — примерно как режиссёр объясняет оператору задачу на съёмку. Порядок примерно такой.
Кто в кадре и какой. Не «женщина», а «женщина 30–35 лет, спокойный прямой взгляд, лёгкая полуулыбка». Отдельно стоит попросить живую кожу — с порами и неровностями. Без этого выходит глянцевый манекен.
Что делает и во что одет. Материал, крой, детали. «Шерстяное пальто нараспашку поверх серого свитера» вместо «в пальто».
Что вокруг. По планам: что близко и в деталях, что вдали и размыто.
Свет. Самый недооценённый пункт. Откуда бьёт основной источник, чем подсвечены тени, есть ли контровой свет сзади. Именно свет отличает случайный кадр от снятого.
Оптика. Фокусное расстояние, диафрагма, что в фокусе. «Снято на 85 мм при f/1.8, резкость на глазах, фон растворён» — понятная инструкция, а не украшение.
Чего быть не должно. Прямые запреты работают не хуже описаний: не менять черты лица, без надписей в кадре, без лишних предметов.
Почему запреты особенно важны
Нейросети любят дорисовывать текст — вывески, упаковки, надписи на стенах. В русскоязычной сцене он почти всегда выходит нечитаемым набором букв, и это первое, что выдаёт машинную картинку. Одна фраза «без надписей в кадре» экономит больше, чем кажется.
Сколько писать
Хорошее описание для сложной сцены — это несколько абзацев, тысяча знаков и больше. Кажется избыточным ровно до первого сравнения: поставьте рядом результат по двум словам и по подробному описанию, и вопрос отпадёт.
Разбор с готовыми примерами и результатами по каждому из них есть вот здесь: https://art.umnetix.ru/promty/
Главная ошибка новичка
Она не в длине описания, а в порядке действий. Люди пишут запрос, получают не то, переписывают целиком и пробуют снова. И так по кругу, пока не надоест.
Работает другое: менять по одному блоку за раз. Не понравился свет — правьте только свет. Не тот фон — только фон. Тогда видно, какая формулировка на что влияет, и через несколько итераций вы уже понимаете, как разговаривать с моделью. Иначе каждый запуск — лотерея.
