Как сгенерировать фото нейросетью: пошагово

Генератор хочется представить фотоаппаратом с очень длинным тросиком: описал сцену, нажал кнопку, получил снимок. Аналогия удобная и почти во всём неверная. У фотоаппарата есть момент съёмки, свет, который реально упал на лицо, и стекло объектива с конкретным фокусным расстоянием. У генератора нет ни первого, ни второго, ни третьего. Он собирает правдоподобную картинку из закономерностей, выученных на огромном числе изображений, и слова «35 мм» для него — подсказка о том, как кадр должен выглядеть.

OpenAI пишет об этом прямо в руководстве по запросам для GPT Image: параметры камеры в тексте стоит считать подсказкой внешнего вида, точную физику они не обещают. Там же совет просить «фотореалистично» или «настоящая фотография» явно, если цель именно такая, и описывать кадрирование и фактуру. Без этих слов модель охотно уходит в открытку.

Точнее другая картина. Генератор похож на фотографа, который ни разу не был на вашей улице и снимает по описанию в телефонном разговоре. Что вы не назвали, он додумает сам — уверенно и чаще в сторону «красиво», чем «правдиво». Как устроено это додумывание изнутри, от шума к картинке, разобрано в статье «Как нейросеть создает изображение». Чем генерация отличается от фильтра и правки вашего снимка — в материале «Нейросети для картинок».

Несколько слов, без которых дальше неудобно. Запрос — текст, которым вы описываете кадр. Опорный снимок (референс) — ваша фотография, которую модель получает вместе с текстом, чтобы взять с неё лицо, свет или предмет. Черновик — первый результат, который без проверки в работу не идёт. Правка — повторный запуск от уже готового файла с одной конкретной задачей.

Перед первым словом запроса ответьте себе на четыре вопроса. Это несколько минут, и они избавляют от лишних генераций: модель перестаёт заполнять пробелы случайным героем и случайным небом.

• Кто или что в кадре. Один главный объект. «Девушка в пальто» — слишком широко. «Женщина лет тридцати, короткие тёмные волосы, без шапки, смотрит мимо камеры» — уже кадр. С предметами так же: «керамическая чашка, матовая глазурь, пар над поверхностью» вместо «чашка кофе».
• Свет. Источник и характер: окно слева, облачный день, без вспышки. Или одна настольная лампа справа, тёплый оттенок, жёсткая тень. Реалистичный снимок ломается, когда свет на лице и тень на стене идут из разных сторон.
• Фон. Глубина и детали: размытый двор, пустая стена, стол с царапиной. «Красивый фон» модель понимает как декорацию и часто перегружает кадр.
• Формат. Портрет для обложки — вертикаль, карточка товара — квадрат, баннер на сайт — горизонт.

Формат лучше задать до генерации, чем обрезать потом. У моделей GPT Image в руководстве OpenAI названы три рекомендованных размера: 1024×1024 (квадрат), 1536×1024 (альбомный) и 1024×1536 (портретный). Свой размер тоже можно задать, если обе стороны кратны 16 пикселям, а соотношение сторон укладывается между 1:3 и 3:1. При перегенерации из квадрата в вертикаль композицию модель придумывает заново, и лицо может уехать к краю.

Запишите ответы в заметке. Потом она станет каркасом запроса и списком для проверки, так что держите её рядом с полем ввода.

Слово «реалистично» в одиночку почти ничего не даёт. Рабочий порядок такой.

1. Тип снимка: «фотография», «портрет по пояс», «уличный снимок», «предметная съёмка на белом фоне».
2. Герой или предмет — из заметки.
3. Окружение и глубина: что за спиной и насколько оно размыто.
4. Свет: направление, мягкость, цвет словами («тёплый вечерний», «холодный дневной»).
5. Оптика: «как на 35 мм, небольшая глубина резкости, глаза в фокусе». Это подсказка вида, но от «мыльной» картинки она часто спасает.
6. Запреты: «без текста на одежде», «без лишних людей», «без искажений широкого угла».

Пример уличного портрета. Подставьте своё, копировать вслепую не нужно:

Фотография женщины лет тридцати, короткие тёмные волосы, бежевое пальто без логотипов. Она стоит у входа в жилой дом и смотрит в сторону от камеры. Облачный день, мягкий свет слева, фон размыт. Снимок как на 50 мм, лёгкое зерно плёнки. Без текста на стенах, без лишних прохожих.

Пример предметной съёмки:

Предметная фотография керамической чашки с паром над чаем, вид сверху под углом тридцать градусов. Белый стол с лёгкой текстурой, одна мягкая тень справа. Без надписей на чашке, без рук в кадре.

Формулировки на другие случаи собраны в гайде про работу с картинками, общие приёмы — в гайде «Как писать промпты». Там же разобрано, почему одну сцену выгоднее повторять с маленькими правками, чем переписывать запрос целиком.

Слова, которые тянут картинку в иллюстрацию

Даже при слове «фотография» модель уходит в плакат, если дальше идут «эпичный», «фэнтези», «обои на весь экран», «киношный шедевр». Для реалистичного кадра лучше приземлённые существительные: материал, погода, расстояние до объекта, одна конкретная камера. Сравните два хвоста одного запроса. Плохо: «фэнтезийный портрет, светящиеся глаза, сверхдетализация». Лучше: «обычный портрет на улице, мягкий дневной свет, лёгкое зерно, без ретуши».

Деловому портрету нужны одежда и фон словами офиса или студии, но без названий брендов и без текста на бейджах. «Живому» кадру нужно несовершенство: чуть растрёпанные волосы, морщинка у глаза, неровный шов на пальто. Идеал в запросе часто превращается в восковую маску на выходе — модель честно выполняет слово «безупречный».

Разные семейства по-разному держат кожу, текст и правку, и подробные обзоры уже вышли: GPT Image от OpenAI, Nano Banana от Google с отдельным разбором версии 2.1, FLUX Klein от Black Forest Labs. Здесь только то, что нужно для выбора под фото, и только со слов самих разработчиков.

Все эти семейства уже доступны в чате GPThub, во вкладке «Картинка».

Первый запуск делайте без десяти уточнений: одна сцена, один формат, один уровень детализации. У GPT Image 2.6 появилась настройка сложности (complexity) с тремя уровнями — низким, средним и высоким. По руководству OpenAI она отвечает за то, сколько модель планирует кадр перед отрисовкой. По умолчанию стоит высокий уровень, и чем он выше, тем дольше ответ и тем выше шанс непрошеных изменений. Качество отрисовки (quality) задаётся отдельно, и путать эти две ручки не стоит. Для простого портрета на однотонном фоне логично начать с низкого или среднего уровня и поднимать его, только если кадр разваливается.

Сохраните удачный черновик в полном размере, следующий шаг опирается на файл на диске. Память о «примерно таком же» тут плохой помощник.

Если у вас есть свои снимки

Реалистичность иногда проще собрать от опоры: ваша фотография задаёт лицо, свет или вещь, текст — всё остальное. На странице Nano Banana 2.1 у Google (обновлена в октябре 2026 года) названы пределы такой смеси: до 14 опорных изображений, до 4 героев и до 10 предметов в одном кадре. Это потолок возможностей, рекомендации там нет. Два-три снимка с ясной ролью проще и модели, и вам при проверке.

OpenAI в руководстве по запросам советует то же другими словами — пронумеровать каждый входной снимок и назвать его роль: герой, стиль, одежда или фон. Потом объяснить, что откуда берётся и куда переносится. На деле это выглядит так: «Снимок 1 — лицо и причёска. Снимок 2 — свет и цвет. Одежда по описанию ниже». Фраза «сделай как на фото» без номера оставляет выбор модели. Если черты смешались, уберите лишние опоры и оставьте одну.

Чужое лицо в опорном снимке — отдельный разговор, к нему вернёмся в разделе про закон.

Сколько попыток закладывать

Один запуск даёт один вариант, поэтому удобно сделать три-четыре черновика подряд с одним текстом и выбирать по глазам и рукам, а не по общей «красоте». Менять стоит не только слова, но и формат: вертикаль 1024×1536 и горизонт 1536×1024 при том же описании дают разную композицию.

Спорные детали в первом проходе не трогайте, сначала свет и ракурс, потом украшения и узор на пальто. И не переключайте модели каждый раз: разные семейства по-разному понимают «мягкий свет» и «35 мм». Сравнивать их имеет смысл, когда один и тот же текст уже дал приемлемый черновик хотя бы на одной.

Фото от нейросети проверяют строже, чем иллюстрацию или плакат, потому что зритель ждёт снимка, и одна лишняя фаланга превращает его в подделку.

Лицо и руки. Зрачки одного размера, уши симметричны, линия зубов без «лестницы» — это смотрят на увеличении, превью для такой проверки мало. На крупном плане считают пальцы и суставы: ладонь часто выходит правдоподобно, а один палец теряет сегмент. Обрезка края кадра лишнюю фалангу не убирает, она просто прячет её до первого внимательного зрителя.

Текст и логотипы. Вывески, бирки и экраны телефонов — слабое место почти всех семейств. Буквы плывут или меняются при увеличении, и такой кадр для рекламы с точной маркировкой не годится, даже если композиция удачная.

Свет и физика. Тень под носом и тень на асфальте должны идти от одного источника, иначе мозг считывает кадр как коллаж. Блики на очках и отражение в окне сверяют по тому же правилу: откуда приходит свет и что он должен отражать.

Кожа и волосы. Пластиковая гладкость — признак перегиба в глянец, который модель любит, когда в запросе звучит «идеально». Лёгкие поры и неровный блик выглядят правдоподобнее выставочной кожи.

Край кадра. Руки, сумки и ветки обрезаны странно, потому что модель не думала о монтаже. Иногда проще перегенерировать в другом формате, чем дорисовывать край правкой.

Слабые места признают и сами разработчики. В карточке Nano Banana 2.1 от 6 октября 2026 года Google пишет, что мелкий текст на размере 1K часто размыт, герой на выходе не всегда совпадает с опорным снимком, а лево и право модель иногда путает. ByteDance в анонсе Seedream 5.0 Pro признаёт, что мелкому тексту и попиксельной точности правки ещё есть куда расти. Список проверки поэтому нужен при любой модели.

Схема маршрута от кадра до правки, иллюстрация GPThub

Проверяйте и на большом мониторе, и на телефоне, потому что мягкий на маленьком экране кадр на мониторе часто рассыпается. Для серии кадров одного героя заведите таблицу в заметке: номер попытки, модель, две строки запроса, что не так. Через десяток генераций без такой таблицы дубли сливаются, и повторить удачный свет уже не получится.

Когда базовый кадр близок к нужному, сцену целиком не переписывают. Подайте сохранённый снимок и опишите одну правку.

• «Тот же человек и тот же ракурс. Убрать прохожего на заднем плане. Свет слева сохранить».
• «Тот же предмет. Заменить фон на светло-серый без градиента. Тень не двигать».
• «Тот же портрет. Слегка приглушить насыщенность кожи. Черты лица не менять».

В руководстве OpenAI по генерации картинок редактирование описано отдельным режимом: на вход идут снимок и текст, на выходе изменённый файл, а несколько входных картинок служат опорами. Там же честное предупреждение — повторные правки всё равно могут сдвинуть то, что вы хотели сохранить. Совет простой: повторять важные ограничения в каждой правке и смотреть каждый результат. Если кусок кадра должен остаться пиксель в пиксель, одобренную правку вклеивают в исходник в графическом редакторе.

Правку удобно дробить — сначала фон, потом одежда, потом мелкая деталь лица. Если смешать всё в одном абзаце, модель часто перерисовывает черты, и получается «похожий, но другой» человек. После каждой удачной правки снова сохраняйте файл: цепочка «исходник, правка 1, правка 2» выручает, когда последний шаг портит глаза.

Если правка три раза подряд ломает лицо, вернитесь к лучшему черновику и смените одно — модель или формат кадра, оставив текст прежним. Правка вашей собственной фотографии (дорисовка, увеличение, замена неба) — соседняя задача со своими ловушками, она разобрана в статье «Нейросеть для обработки фото».

Возьмём обычную задачу: нужна горизонтальная обложка для поста о прогулках по городу осенью. Реальный человек в кадре не нужен, нужен правдоподобный прохожий и настроение.

Заметка из шага 1 выглядит так. В кадре — мужчина лет сорока в тёмной куртке, идёт по мокрому тротуару, лицо в три четверти, не в камеру. Свет — пасмурный день, мягкий, без теней. Фон — жёлтые клёны и жилые дома, размыты. Формат — горизонт, 1536×1024, слева запас под заголовок.

Запрос из шага 2: «Уличная фотография. Мужчина лет сорока в тёмной куртке идёт по мокрому тротуару, лицо в три четверти, смотрит вперёд, не в камеру. Пасмурный осенний день, мягкий рассеянный свет. За ним размытые жёлтые клёны и жилые дома. Снимок как на 50 мм, глаза в фокусе, лёгкое зерно. Герой в правой половине кадра, слева спокойная пустая улица. Без вывесок с текстом, без логотипов на одежде, без других людей крупным планом».

Допустим, на черновике всплыли три типичные вещи. На стене дома появляется вывеска с буквами, которых нет ни в одном алфавите. Кожа слишком гладкая для пасмурного дня. Рука, держащая ремень сумки, собрана из четырёх пальцев. Каждая из них ловится списком из шага 4 за минуту, если смотреть на увеличении.

Дальше правки, по одной. Первая: «Тот же кадр и тот же человек. Убрать вывеску со стены, оставить ровную штукатурку». Вторая: «Тот же кадр. Добавить естественную фактуру кожи и лёгкую щетину, черты лица не менять». С рукой проще не спорить. Новый черновик с той же заметкой, но рука в кармане куртки, — честный способ обойти одну из самых известных ошибок генераторов.

Итог — файл, журнал из четырёх строк и понимание, что из заметки сработало. В следующий раз на ту же задачу уйдёт меньше попыток, потому что заметка уже есть.

Сохраняйте PNG или JPEG без лишнего пересжатия, пока правки не закончены. Каждое «сохранить для мессенджера» съедает детали, и на коже первыми пропадают поры, которые отличали реалистичный кадр от плаката.

Крупные разработчики вшивают в файл метки происхождения. Google в посте о Nano Banana 2 от 26 февраля 2026 года пишет, что сочетает невидимый водяной знак SynthID с метаданными C2PA (Content Credentials) — открытого стандарта подписи происхождения. OpenAI в документации по проверке происхождения называет для своих картинок те же два сигнала. Там же сказано, что правка, конвертация или пересылка файла могут стереть метаданные, а сжатие, обрезка и скриншот — ослабить и водяной знак. Как устроены эти метки и что из них переживает пересылку, подробно разобрано в статье о водяном знаке нейросети. Для рабочих материалов ведите короткий журнал: дата, модель, суть запроса, был ли кадр сгенерирован целиком или собран из ваших снимков.

С законом в России картина такая. 8 июля 2026 года Госдума приняла рамочный закон о развитии технологий искусственного интеллекта. По данным «Коммерсанта», он обязывает владельцев крупных интернет-ресурсов обеспечить маркировку аудио- и видеоматериалов, созданных с помощью ИИ, а детали отданы подзаконным актам. В этом пересказе речь только об аудио и видео, так что для картинок ориентир — правила площадки и договор с заказчиком.

Лицо — отдельная история, и она старше нейросетей. Статья 152.1 Гражданского кодекса разрешает обнародовать и использовать изображение человека только с его согласия, и под изображением понимаются в том числе фото, видео и произведения изобразительного искусства. Исключения есть, например съёмка в публичном месте, где человек не главный объект. Если на сгенерированном кадре узнаётся живой человек — знакомый, актёр, коллега, — разговор о согласии никуда не делся. Кому принадлежат сами картинки и где начинаются чужие права, разобрано в материале о правах на картинки нейросети. Эта статья не юридическая консультация, при сомнении решают требования площадки и юрист заказчика.

Генерация проигрывает там, где нужен факт.

• Конкретный человек: документы, страница реальных сотрудников, медицинская иллюстрация для отчёта.
• Товар как он есть: точная маркировка, цвет упаковки по брендбуку, серийный номер.
• Место, которое должно узнаваться: ваш офис, витрина, вид из окна.

Здесь снимает камера, а нейросеть может только дорисовать фон или убрать лишнее на настоящем снимке. Это уже обработка, и для неё работают другие правила проверки.

Фразы вроде «нейросеть онлайн фото» и «сделать фото ИИ онлайн» обычно означают сервис в браузере вместо установки модели на домашний компьютер. Так работает и вкладка «Картинка» в чате: запрос уходит на сервер, ответ приходит файлом, видеокарта дома не нужна. Если вы пользуетесь сервисом разработчика напрямую, в каких странах он работает, сообщает только сам разработчик на странице поддерживаемых стран.

Слишком короткий запрос. «Красивое фото девушки» даёт случайный кадр: модель заполняет пробелы сама и выбирает самое среднее.

Противоречия. «Студийный свет» и «закат на пляже» в одном абзаце без пояснения, что это коллаж. Модель выполнит оба желания и не выполнит ни одного.

Сразу максимум деталей. Десять предметов в кадре, у каждого своя история. Лучше одна сцена и три-четыре уточнения после первого результата.

Игнор формата. Горизонтальный кадр для сторис, вертикальный для баннера сайта — потом больно обрезать.

Ожидание «как у фотографа». Один сгенерированный кадр редко заменяет съёмку с отбором из сотни дублей. Генерация выигрывает там, где съёмки не было вообще.

Предметное фото кажется проще портрета, потому что нет глаз и пальцев. На деле ломаются материалы — металл превращается в пластик, стекло — в матовую плёнку, дерево — в однородную текстуру.

Помогают те же приёмы, что и с людьми. Назовите материал и износ: «матовая алюминиевая крышка с мелкой царапиной», «стекло с отражением окна, не зеркало». Укажите одну тень и её сторону. Для белого фона добавьте «мягкая тень под предметом», иначе предмет висит в воздухе.

Интерьер без людей часто ломает масштаб: дверь выше человеческого роста, розетка на уровне колена. Сверяйте со знакомыми предметами в кадре — стулом, дверной ручкой, книгой на столе. Если масштаб плывёт, сузьте описание до одной комнаты и одного ракурса «с уровня груди».

Ночной город и неон в запросе часто уводят картинку в постер вместо снимка с телефона. Для реалистичной улицы лучше облачный день, одна вывеска без текста и толпа вдалеке, без «киберпанка» и «HDR».

Если вы прошли все пять шагов хотя бы раз, у вас кроме удачного файла есть рабочий процесс. Запишите модель, формат кадра и две строки запроса, которые дали лучший черновик, — через неделю память подменит детали. Неудачный кадр с лишним пальцем тоже сохраните, он полезен как напоминание, на что смотреть в первую очередь.

Перед отправкой кадра заказчику прогоните его тем же списком: пальцы, текст, свет, края. Чужой монитор и печать на бумаге иногда показывают пластиковую кожу сильнее, чем ваш ноутбук. Если кадр идёт в соцсеть, посмотрите, как он выглядит в круглой аватарке и в узкой колонке ленты. Вертикальный портрет часто теряет макушку при обрезке, и это лечится запасом по краям ещё на этапе формата.

Модели будут меняться быстрее, чем этот список. Между выходом GPT Image 2.5 в сентябре и 2.6 в ноябре прошло меньше двух месяцев, и каждая версия обещает что-то новое. Проверка пальцев, теней и надписей от этого не устаревает — устаревает только число попыток, которое на неё уходит.