Почему нейросеть рисует лишние пальцы и кривые буквы

Нейросети создают фотореалистичные портреты, но руки и надписи до сих пор нередко получаются с лишними пальцами и кашей вместо слов. За этим стоит не глупость, а особенность того, как такие модели учатся и рисуют.

Фото: Luisfi, CC BY-SA 3.0, Wikimedia Commons

Как нейросеть на самом деле рисует

Большинство популярных генераторов изображений, включая Kandinsky от Сбера и Шедеврум от Яндекса, работают по схожему принципу. Модель учится на огромных наборах картинок с подписями и запоминает статистические связи: что обычно изображено на фото с подписью «собака на траве» и как выглядят такие кадры.

При создании картинки модель шаг за шагом превращает случайный шум в изображение, ориентируясь на текстовое описание. Она не знает, что у человека пять пальцев, как не знает и анатомии. Она знает, как обычно выглядят пиксели рядом друг с другом на похожих изображениях.

Поэтому на уровне общего впечатления картинка выходит убедительной, а в деталях, где нужна точная структура, появляются ошибки.

Почему страдают руки

У рук много причин оказаться сложной задачей. Они часто занимают на снимках небольшую часть кадра, а значит, у модели меньше информации о них. Пальцы сгибаются, перекрываются, держат предметы и под разными углами выглядят совершенно по-разному.

Кроме того, в обучающих данных руки редко подписаны подробно. Подпись «женщина в красном платье» ничего не говорит о положении пальцев. Модель видит множество вариантов, где пальцы то видны, то спрятаны, и усредняет их. Отсюда лишние или слипшиеся пальцы, неправильная длина и странные суставы.

Важна и особенность восприятия. Человек очень чувствителен к ошибкам в лицах и руках, поэтому небольшая неточность воспринимается как явный дефект, а такая же ошибка в листве дерева остаётся незамеченной.

Почему надписи превращаются в кашу

С текстом на картинке ситуация ещё сложнее. Для модели буквы это не символы с определённым значением, а мелкие графические элементы. Она знает, что на вывеске обычно что-то написано, и рисует нечто, похожее на буквы, но не обязательно корректное.

Для кириллицы проблема заметнее: в обучающих наборах русскоязычных подписей и вывесок меньше, чем англоязычных, а набор букв шире. Поэтому надписи на русском чаще получаются со странными символами, зеркальными буквами и придуманными словами.

Ошибка в одной букве ломает слово целиком, а картинке прощается любая неточность формы. Именно поэтому надписи и сложнее рук: допустимый допуск у них практически нулевой.

Приёмы, которые помогают

Часть проблем можно смягчить при формулировке запроса. Если руки не обязательны, можно задать композицию, в которой они скрыты: в карманах, за спиной, вне кадра или в перчатках. Крупный план лица или предмета тоже обходит проблему.

Полезные приёмы:

• описывать позу конкретно, например «руки сложены на столе»;
• использовать негативные подсказки, если сервис их поддерживает, например «без лишних пальцев»;
• генерировать несколько вариантов и выбирать удачный;
• не просить сразу длинный текст на картинке, а ограничиваться одним коротким словом;
• добавлять подпись позже в графическом редакторе, а не требовать её от нейросети.

Последний пункт самый надёжный. Текст почти всегда лучше наложить поверх готовой картинки в Canva, Photoshop или даже в простом редакторе на телефоне. Так получается чёткий шрифт и правильные слова, без риска опечатки.

Редактирование вместо перегенерации

Если картинка почти удалась, не обязательно начинать заново. Многие сервисы позволяют выделить проблемную область и перерисовать только её: этот режим называют inpainting. Можно выделить кисть руки, повторить запрос и получить новый вариант, не затрагивая остальную картинку.

Помогает и обычная ретушь: исправление пальцев вручную, использование фрагментов из других вариантов, склейка лучших частей. Профессиональные дизайнеры нередко работают именно так, считая нейросеть быстрым черновиком, а не готовым результатом.

Для маркетплейсов вроде Ozon и Wildberries такие картинки применяют для баннеров и обложек. Но в карточках товара, где важна достоверность, к сгенерированным изображениям нужно относиться аккуратно: покупатель должен видеть реальный товар, а не придуманную картинку.

Что уже улучшилось и что дальше

Новые поколения моделей заметно лучше справляются с руками и короткими надписями, чем первые версии. Разработчики увеличивают объёмы обучающих данных, улучшают подписи к ним, добавляют специальные модули для работы с текстом. Некоторые современные системы способны корректно написать слово или заголовок на английском, а иногда и на русском, хотя стабильность зависит от конкретной модели.

При этом полностью проблема не решена. Длинные тексты, сложные позы, схемы и чертежи по-прежнему требуют проверки. Поэтому каждое изображение, которое пойдёт в публикацию или рекламу, стоит рассматривать вблизи, обращая внимание на пальцы, зубы, украшения и буквы.

С распространением ИИ-графики растёт и значение маркировки: в России обсуждаются требования отмечать синтетический контент, а по сообщениям СМИ, в 2026 году Минцифры публиковало проект закона на эту тему. Для читателя ошибки в руках и надписях остаются одним из простых признаков, что перед ним картинка от нейросети. Но признак этот постепенно исчезает, и скоро проверять подлинность придётся другими способами.