Короткий ответ
Нейросеть для генерации изображений — это модель «текст — изображение»: большинство таких моделей начинают со случайного шума и шаг за шагом очищают его по вашим словам. Выбирайте сервис по управляемости (референсы, правка, фиксированные настройки), работе с текстом и размером, условиям о правах и загружаемых данных. Предсказуемый результат дают бриф, референсы и одно изменение за раунд.
Как нейросеть превращает случайный шум в картинку
Нейросеть для генерации изображений нужна тем, кто хочет получить картинку по одной фразе, без фотографа. Википедия называет такой инструмент моделью «текст — изображение»: она принимает запрос на естественном языке и выдаёт подходящее ему изображение. Большинство современных моделей — диффузионные. Статья Википедии о них объясняет принцип: сеть учат обращать процесс зашумления, поэтому она может начать с чистого случайного шума и шаг за шагом очищать его, пока не проступит картинка.
Очисткой управляют слова: в той же статье сказано, что такие генераторы соединяют диффузию с текстовыми энкодерами и модулями перекрёстного внимания. Проще говоря, модель не ищет готовую картинку в каталоге, а проявляет новую туда, куда указывает текст. Поэтому один и тот же запрос редко даёт одинаковый результат: каждый запуск начинается с нового шума. А о вашем магазине и фирменных цветах модель ничего не знает, пока вы их не покажете или не опишете.
Kandinsky 3 изнутри: три части одной открытой модели
Открытые модели публикуют своё устройство. В блоге Сбера сказано, что Kandinsky 3.0 разработала команда Sber AI. Страница модели на GitHub называет её открытой диффузионной моделью «текст — изображение» из трёх частей: текстовый энкодер Flan-UL2 на 8,6 млрд параметров, латентная диффузионная U-Net на 3 млрд и энкодер-декодер MoVQ на 267 млн. По этой схеме удобно понимать и любой другой генератор.
Каждая часть отвечает на свой вопрос покупателя. Авторы пишут, что улучшили понимание текста и качество картинки, увеличив соответственно текстовый энкодер и U-Net: первый читает ваши слова, вторая рисует. Данные обучения решают, что модель рисует уверенно: в версию 3.0 добавили больше данных, связанных с русской культурой, чтобы она умела генерировать картинки на эти темы. На той же странице указана лицензия Apache 2.0 — строка, которую стоит найти до любой коммерческой работы.
Что сравнивать в генераторах картинок до оплаты
Начинайте с управляемости: именно она отличает инструмент от игрового автомата. Руководство Google по моделям Nano Banana говорит, что они смешивают до 14 референсных изображений, правят присланную картинку по тексту, меняют стиль и цветокоррекцию, а итерировать советует в многоходовом диалоге. Руководство OpenAI по генерации изображений предлагает правку готовых картинок, новые изображения по референсам и маски для локальных изменений. И честно предупреждает, что форме маски модель может следовать не с полной точностью.
Потом смотрите на результат. Google заявляет встроенную генерацию в 1K, 2K и 4K; OpenAI принимает произвольные размеры, если стороны кратны 16 пикселям и не длиннее 3840; Stability AI для сервиса Stable Image Core указывает 1,5 мегапикселя. С надписями по-разному: OpenAI пишет, что её модели всё ещё могут ошибаться с точным размещением и чёткостью текста, а Google советует сначала сгенерировать текст, а потом картинку с ним. Русский язык Google относит к тем, на которых запросы работают лучше всего.
Последнее — условия. Дополнительные условия Gemini API гласят, что Google не претендует на сгенерированный контент и может создавать такой же или похожий для других. На бесплатном уровне присланное идёт на улучшение продуктов Google, его могут читать живые рецензенты, и условия просят не отправлять чувствительные, конфиденциальные и персональные данные; на платном уровне запросы так не используются. Adobe сообщает, что модели Firefly обучены на лицензированном контенте и общественном достоянии с истёкшим авторским правом.
Бриф на одну страницу до первого промпта для картинки
Управляемый результат начинается до того, как открыт сервис. Запишите, где будет жить картинка, в каком формате, что на ней должно быть и на что она не должна походить, плюс три-четыре критерия для проверки. Руководство Google советует сообщать контекст и цель: логотип для минималистичного бренда люксового ухода за кожей получится лучше, чем просто «логотип». Одно фото нужного света в референсах скажет больше абзаца. А ограничения формулируйте через то, что должно быть в кадре: Google называет это семантическим негативным промптом — пустая безлюдная улица вместо «без машин».
Закрепите всё, что сервис позволяет закрепить. В документации Stability AI есть отдельное поле негативного промпта, а сид описан как значение, которое направляет случайность генерации; если его не указать, берётся случайный. Сервис возвращает сид вместе с картинкой, так что удачный результат можно повторить, а соотношение сторон выбирается из списка от 21:9 до 9:21. Записанные в бриф, эти настройки не дают каждому раунду менять три вещи сразу.
Одно изменение за раунд: как доводить сгенерированную картинку
Ощущение лотереи появляется, когда каждый раз меняется всё. Руководство Google прямо говорит не ждать идеала с первой попытки и предлагает уточнения вроде «оставь всё как есть, измени только выражение лица персонажа». Сложную сцену оно советует строить по шагам: фон, потом предмет на переднем плане, потом деталь поверх. Превратите это в порядок работы: за раунд меняется одна переменная — свет, затем кадр, затем материал.
Ведите журнал: промпт, референсы, сид или диалог, модель и дата. Модели меняются от версии к версии, и старый результат может не вернуться. Выбирайте по критериям брифа, а не по первому впечатлению. Потом доводите выбранную картинку руками: кадрирование, ретушь, текст в программе вёрстки.
Где генераторы бессильны: вёрстка, повторяющиеся герои, правила бренда
Производители сами описывают слабые места. OpenAI называет четыре: сложный запрос может обрабатываться до двух минут, точный текст даётся трудно, повторяющиеся персонажи и элементы бренда могут «плыть» между генерациями, а точная раскладка элементов в макете — сложная задача. Google ограничивает число персонажей, которые сохраняют сходство в одном рабочем процессе. Вывод простой: меню или карточка для Wildberries — сначала вёрстка, а бренд — набор правил, которых модель не видела, пока вы их не дали.
Есть пределы и не технические. OpenAI пишет, что все запросы и сгенерированные изображения фильтруются по её правилам контента. Stability AI возвращает размытую картинку с особой причиной завершения, если результат нарушил правила модерации. Лицо реального человека, чужой логотип или известный персонаж — вопрос к юристу раньше, чем к промпту.
Кому принадлежит сгенерированная картинка и как честно об этом сказать
Пользовательское соглашение и авторское право отвечают на разные вопросы. В докладе января 2025 года Бюро по авторскому праву США пришло к выводу, что охрана не распространяется на материал, целиком созданный ИИ, а одних промптов недостаточно, чтобы пользователь стал автором; выбор одного из вариантов авторством тоже не считается. Охраняться может различимый в результате человеческий вклад, творческие изменения, творческий отбор и компоновка. В одном из случаев из доклада охраняемыми как составное произведение признали отбор и расположение сгенерированных картинок вместе с написанным человеком текстом комикса.
Российское право тоже исходит из человека: по статье 1228 Гражданского кодекса РФ автором результата интеллектуальной деятельности признаётся гражданин, творческим трудом которого он создан. Конкретный проект ни один из этих текстов не решает: с договором или товарным знаком идите к специалисту. С маркировкой проще. Google сообщает, что все изображения её моделей содержат водяной знак SynthID, по описанию Google DeepMind невидимый и рассчитанный выдерживать кадрирование, фильтры и сжатие с потерями; Adobe — что результаты Firefly несут Content Credentials с отметкой об ИИ. Но сказать клиенту, что именно сгенерировано, должен автор.
Неделя практики с генератором картинок и что добавит курс
Многое можно отработать самому за неделю на настоящей задаче: три обложки для рассылки в Telegram, иллюстрация для меню кофейни, баннер к сезонной распродаже. Напишите бриф на одной странице и выберите одну нейросеть для генерации изображений. Прочитайте её страницы об ограничениях и условиях, сделайте три раунда с одним изменением в каждом и запишите все попытки. Доведите одну картинку руками и сверьте с критериями из брифа; бесплатный рабочий лист промпта в библиотеке VITON13 SCHOOL даёт брифу готовую структуру.
Неделя в одиночку не даёт метода, который держится от задачи к задаче, и взгляда со стороны. Курс «Нейросети для дизайнеров» в VITON13 SCHOOL состоит из восьми модулей: визуальная концепция, арт-дирекция, генерация изображений с контролем кадра, стиля и детализации, системный промптинг с шаблонами и переменными, бренд-системы, интерфейсы, отбор и доводка, права и этика. На выходе — мудборд и письменная концепция, библиотека визуальных промптов, короткий гайд по бренд-системе и набор экранов интерфейса; практический проект подстраивается под вашу задачу. Актуальные условия — на странице курса.
Практический чеклист
- Напишите бриф на страницу: где живёт картинка, формат, что на ней должно быть и по каким критериям её принимать.
- Соберите два-три референса и формулируйте ограничения через то, что должно быть в кадре, а не только чего быть не должно.
- Прочитайте страницы об ограничениях и условиях выбранного сервиса, включая то, что происходит с загруженными файлами.
- Зафиксируйте сид или работайте в одном диалоге, меняйте одну переменную за раунд и записывайте промпт, модель и дату.
- Набирайте весь текст вручную в программе вёрстки и скажите клиенту, какие части работы сгенерированы.
Вопросы и ответы
Почему один и тот же промпт для картинки каждый раз даёт новый результат?
Диффузионная модель начинает каждую генерацию со случайного шума и очищает его по вашему тексту, поэтому новый старт даёт новую картинку. Сервисы, где можно задать сид, например Stability AI, позволяют повторить исходную точку и менять по одной настройке.
Может ли нейросеть написать на плакате читаемый текст?
Иногда, но ненадёжно. OpenAI признаёт, что её модели всё ещё ошибаются с точным размещением и чёткостью текста, а Google советует сначала создать текст. Меню, цены и обещания набирайте сами в программе вёрстки поверх сгенерированной картинки.
Можно ли загружать фото клиентов в бесплатный генератор картинок?
Сначала прочитайте условия. В условиях Gemini API сказано, что на бесплатных сервисах присланное помогает улучшать продукты Google и может читаться рецензентами, а пользователей просят не отправлять чувствительные, конфиденциальные и персональные данные. Платные уровни устроены иначе.
Принадлежат ли мне права на картинку, созданную по моему промпту?
Бюро по авторскому праву США считает, что одни промпты не делают вас автором; охраняться может ваш различимый вклад, творческие правки и компоновка. Российский закон связывает авторство с творческим трудом гражданина. Для договора или товарного знака обсудите свой случай с юристом.
Как получить цельную серию картинок, а не случайные результаты?
Напишите бриф с критериями, используйте одни и те же референсы, зафиксируйте сид или оставайтесь в одном диалоге и меняйте одну переменную за раунд. Производители признают, что повторяющиеся персонажи и элементы бренда могут «плыть», поэтому сверяйте каждую картинку с записанными правилами.