Промты для фото нейросетей: как описывать картинку словами
Заказ фотографу, только словами
Когда клиент приходит к фотографу, он не говорит «сделай красиво». Он называет объект, где снимать, какое нужно настроение и куда пойдёт результат. Промт работает так же. Схема из шести блоков: объект и его детали, действие или поза, свет, окружение и фон, стиль съёмки, назначение кадра.
Разница между «фото чашки кофе» и «чашка кофе на деревянной стойке кафе, утренний свет из окна слева, неглубокая резкость, стиль журнальной съёмки, горизонтальный кадр для обложки» видна сразу: второй промт даёт предсказуемый результат, первый уходит в лотерею. К этому навыку примыкает общая дисциплина общения с моделями, она разобрана в гиде как ставить задачи нейросети.
Свет, ракурс, оптика: слова, которые работают
Внутри фото-промта есть словарь, который модели понимают буквально. Свет: жёсткий и мягкий, утренний и вечерний, контровой, студийный. Ракурс: крупный план, с уровня глаз, сверху, сбоку. Оптика: малая глубина резкости, широкоугольный, телеобъектив. Каждое такое слово сдвигает результат сильнее, чем десять прилагательных восторга.
Отдельная сила в ссылках на жанры и эпохи: «плёночная фотография», «репортажная съёмка», «натюрморт в стиле старых мастеров». Модели учились на миллионах подписанных снимков, и жанровые слова включают готовые пачки признаков: плёнка добавит зерно и приглушённые цвета, репортаж добавит живость и случайность в кадре.
Ошибки, которые съедают результат
Первая: перегруз. Промт на пятьдесят слов внутренне противоречив: чёткий студийный свет плюс уютный домашний интерьер плюс драматические тени. Модель усредняет противоречия и выдаёт кашу. Лечится сокращением: шесть блоков схемы, в каждом одна формула.
Вторая: отсутствие формата. Квадрат, вертикаль, горизонталь, разрешение под конкретное место в макете. Сгенерировали шикарный кадр, а он не влезает в баннер, и переделка съедает вечер, поэтому формат ставят в конец промта первым делом. Третья: отсутствие библиотеки. Каждый сотрудник сочиняет промты с нуля, удачные забываются, ошибки повторяются, а новички наступают на те же грабли, что и команда полгода назад. Библиотека решает: удачный промт это актив компании, как удачный шаблон письма или чек-лист сделки. Как организовать такие внутренние активы вокруг нейросетей, рассказано в материале про генерацию изображений в бизнес-задачах.
От фото к движению
Освоив статичный кадр, команды естественно переходят к движению. Схема та же: описание сцены превращается в короткий ролик, только в промт добавляются глаголы движения камеры и динамики: камера медленно приближается, свет перетекает из утреннего в вечерний, пар поднимается от чашки. Навык накопительный: библиотека фото-промтов становится библиотекой видео-промтов, а понимание света и оптики переносится на движущиеся кадры без потерь. Продолжение темы с живыми примерами разобрано в статье про оживление фотографий нейросетью.