Нейросети рисуют лица и ломаются на буквах
Генераторы картинок давно научились делать убедительные портреты, но всё ещё путают пальцы и коверкают слова на вывесках. Разные модели справляются с этим по-разному, и выбор инструмента зависит от того, что именно нужно получить.
Фото: Krzysztof Puszczyński, CC0, StockSnap
Единого «лучшего» генератора нет: у каждой модели свои сильные стороны. Поэтому полезно понимать, на чём они чаще всего ошибаются и как это обойти.
Почему лица получаются лучше всего
Человеческих лиц в обучающих наборах огромное количество, поэтому модели хорошо усвоили общую структуру: глаза, нос, рот, овал лица, освещение. Портрет крупным планом сегодня чаще всего выглядит правдоподобно даже у бесплатных сервисов.
Проблемы начинаются, когда лицо перестаёт быть главным объектом. На групповых фото дальние лица нередко получаются «смазанными» или искажёнными, а у людей в толпе могут слипаться черты.
Ещё одна особенность: модели склонны делать лица слишком гладкими и «идеальными». Кожа без пор, симметричные черты и одинаковая красота у всех персонажей выдают машинное происхождение. Если нужен живой результат, в запросе стоит описать возраст, мимику, неидеальные детали вроде морщинок или веснушек.
Отдельная сложность: один и тот же человек в разных кадрах. Без специальных приёмов лицо каждый раз получается новым. Для серии иллюстраций с одним героем используют функции закрепления образа, референсные изображения или дообучение, но условия таких функций зависят от конкретного сервиса.
Руки, пальцы и другие слабые места
Про шестые пальцы на руках знают все, и это не случайность. На фотографиях кисть руки видна в десятках положений: сжатая, раскрытая, частично закрытая предметом. Модель плохо понимает анатомию как систему, она учится на внешнем сходстве пикселей.
Поэтому руки чаще всего ломаются, когда держат предметы, сплетаются с другими руками или оказываются в необычном ракурсе. Те же проблемы бывают с зубами, ушами, украшениями и очками.
Новые версии моделей справляются заметно лучше прежних, но полностью проблема не снята. Практичные приёмы такие:
- просить кадр, где руки не в фокусе или спрятаны в карманах, за спиной, за предметом;
- выбирать композицию «по пояс» или «по плечи»;
- генерировать несколько вариантов и брать лучший;
- исправлять проблемный участок через функцию локальной перерисовки, если она есть в сервисе.
В профессиональной работе дефекты часто дорабатывают вручную в графическом редакторе. Нейросеть здесь выступает как черновик, а не как готовый результат.
Почему надписи превращаются в кашу
Текст на картинке для генератора остаётся набором форм. Модель видела много вывесок и обложек, но не «читает» буквы так, как человек, поэтому может нарисовать нечто похожее на слово, в котором лишние или перепутанные символы.
С кириллицей ситуация обычно сложнее, чем с латиницей: русских подписей в обучающих данных меньше. Кроме того, длинные фразы страдают сильнее коротких. Одно слово из пяти букв получается заметно чаще, чем целый лозунг.
Часть современных моделей существенно продвинулась в рисовании текста, особенно на английском языке. Однако полагаться на это в деловых материалах рискованно. Если на макете важна точная надпись, надёжнее добавить её отдельно в редакторе, а нейросети оставить только фон и иллюстрацию.
Хороший рабочий принцип: картинку делает нейросеть, текст добавляет человек.
Как выбирать генератор под задачу
Среди зарубежных инструментов обычно упоминают Midjourney, DALL-E, Stable Diffusion и Flux. Их часто хвалят за детализацию и художественность. Доступность в России, способы оплаты и условия использования меняются, поэтому актуальные условия стоит проверять на сайте сервиса.
Российские аналоги тоже развиваются: Kandinsky от Сбера, Шедеврум от Яндекса, а также генерация изображений в экосистемах GigaChat и Алисы. Для повседневных задач вроде открытки, иллюстрации к посту или карточки товара их возможностей вполне хватает, к тому же они понятнее по языку запросов: русский текст в описании воспринимается без перевода.
Ориентироваться можно примерно так:
- Нужен реалистичный портрет или фотостиль: пробуют модели, ориентированные на фотореализм, и сравнивают результат на одном и том же запросе.
- Нужна надпись на изображении: берут модель, которая хорошо рисует текст, либо добавляют текст вручную.
- Нужен стиль рисунка, арт или сказочная иллюстрация: подойдут почти любые генераторы, различия будут во вкусе.
- Нужна серия с одним героем: важна поддержка референсов и закрепления персонажа.
Самый честный способ сравнить сервисы: отправить один и тот же запрос в несколько генераторов и посмотреть на лица, руки и текст отдельно.
Примеры запросов, которые дают лучший результат
Запрос работает лучше, если в нём есть кто, где, в каком свете и каким объективом снято. Для портрета можно написать так: «женщина около сорока лет, мягкий дневной свет у окна, лёгкая улыбка, натуральная кожа с морщинками, портрет по плечи, фотография». Подобная конкретика уводит от «глянцевого» результата.
Для надписи лучше сокращать текст до одного-двух слов и явно указывать, что именно должно быть написано: «вывеска с надписью КОФЕ». Список нежелательных элементов, если сервис его поддерживает, помогает убрать лишнее: размытие, дополнительные пальцы, искажённые пропорции.
Полезно также указывать формат: квадрат для соцсетей, вертикаль для сторис, горизонталь для обложки. Меняя ракурс и крупность плана, можно обойти слабые места модели, например показать героя со спины или со стороны.
Где это применяют и что будет дальше
Генерация изображений уже используется в рекламе, маркетплейсах, дизайне интерьеров, играх и образовании. Продавцы на Ozon и Wildberries делают с её помощью фоны для карточек товаров, редакции готовят иллюстрации к материалам, архитекторы быстро показывают заказчику варианты настроения помещения. В обучении нейросети помогают создавать наглядные схемы и картинки к урокам.
Спрос на такие инструменты растёт, а вместе с ним требования к качеству. Разработчики улучшают анатомию, учат модели работать с текстом и удерживать одного героя в разных сценах. Ожидается, что генерация станет ближе к видео и трёхмерным сценам, а границы между фотографией и рисунком ещё сильнее размоются.
Вместе с этим растёт и значение маркировки. Правдоподобные лица людей, которых не существует, уже используются в мошеннических схемах и фейках, поэтому доверять картинке без источника стоит осторожно. Признаки подделки: странные руки, неестественный текст на фоне, слишком гладкая кожа, нелогичные тени.
Итог простой. Лица нейросети рисуют уверенно, руки и надписи остаются зоной риска. Выбирать инструмент стоит под конкретную задачу и проверять результат внимательнее, чем кажется на первый взгляд.
