Kitobni o'qish: «Создаём фото и видео российскими нейросетями»

К читателю

Эта книга — практическая мастерская по созданию изображений и короткого видео российскими нейросетями. Она не пытается выбрать «лучшую модель вообще»: версии и интерфейсы меняются слишком быстро. Главный предмет книги — переносимый рабочий процесс: задача, бриф, референс, промпт, серия вариантов, отбор, локальная правка, движение, монтаж и проверка.

Четвёртая редакция — финальная содержательная версия перед публикацией. В ней сохранён каркас из 28 глав, но убраны повторяющиеся учебные конструкции, уточнена терминология, обновлены быстро меняющиеся сведения о сервисах и переработан правовой блок. Схемы и сравнительные протоколы служат методическими иллюстрациями; они не выдаются за результаты конкретной модели, если такая генерация не была выполнена в самом сервисе.

Основной принцип: нейросеть генерирует варианты, но ответственность за постановку задачи, отбор, достоверность, права и финальное качество остаётся у автора.

Как читать книгу. Названия кнопок и моделей меняются быстрее, чем принципы визуального производства. Поэтому основное внимание уделено брифу, композиции, референсам, локальной правке, движению, непрерывности сцены и проверке. Для функций, тарифов и правовых условий указана дата проверки — 26 сентября 2026 года. Перед коммерческим проектом всегда сверяйте действующие правила конкретного сервиса.

ЧАСТЬ I. КАРТА ИНСТРУМЕНТОВ И ОСНОВЫ

Сначала отделим модель от приложения и научимся управлять кадром: задачей, композицией, светом, промптом и визуальным паспортом.

Глава 1. Не модель, а рабочий процесс

Главная ошибка новичка - искать «волшебную нейросеть». Для устойчивого результата важнее цепочка действий, чем название модели.

Визуальная генерация похожа на съемку, в которой камера, художник по свету и часть декораций каждый раз заново интерпретируют техническое задание. Даже хороший промпт не гарантирует один идеальный кадр. Нормальный процесс включает варианты и отбор. Поэтому полезно заранее принять простое правило: первая генерация - это эскиз, а не финал.

Рабочий цикл удобно строить из восьми шагов: задача -> формат -> референс -> промпт -> серия вариантов -> отбор -> локальная правка -> проверка в целевом размере. Для видео добавляются еще три шага: движение -> первый кадр -> монтаж. Если пропустить задачу и сразу писать промпт, генератор начинает принимать решения за вас: выбирает ракурс, количество объектов, настроение, плотность деталей. Иногда результат красив, но непригоден для проекта.

Перед генерацией задайте себе три вопроса. Где будет использоваться материал? Что должен заметить зритель первым? Что в кадре нельзя менять? Например, для книжной обложки критичны свободная зона под название и читаемый силуэт; для товарной карточки - форма продукта; для клипа - непрерывность героя; для исторической сцены - детали эпохи.

Удачная работа с нейросетью всегда двухуровневая. На уровне смысла вы управляете задачей: герой, действие, история, эмоция. На уровне изображения вы управляете съемкой: план, оптика, угол камеры, свет, фон, палитра, глубина резкости. Когда эти уровни смешаны в длинную фразу, модель теряет приоритеты. Лучше писать блоками.

Управляемая итерация

Сначала определите носитель и соотношение сторон, затем функцию кадра. Не меняйте одновременно героя, локацию, свет и стиль. Если результат не подходит, назовите одну причину брака и меняйте только связанную с ней переменную. Для видео добавьте вопрос: что должно измениться от первого кадра к последнему?

Практика

Возьмите один сюжет и сделайте три серии: меняйте только план, затем только свет, затем только настроение. Сохраните промпты и подпишите варианты. Цель — увидеть причинную связь между формулировкой и результатом.

ПРОМПТ. Опиши рабочий цикл для моей задачи [задача]: формат → бриф → референсы → промпт → варианты → отбор → правка → анимация/монтаж → контроль качества (QA). Укажи, где нужно принять решение человеку.

[ ] формат задан

[ ] функция кадра понятна

[ ] за итерацию меняется минимум параметров

[ ] промпт сохранён

От идеи к воспроизводимому процессу

Четвёртая редакция предлагает относиться к генерации как к производству, а не как к лотерее. Любой удачный результат должен быть воспроизводим: понятно, какой был бриф, какой референс, какая версия промпта и что изменилось после правки.

Рис. 30. Производственный цикл визуального проекта.

Глава 2. Карта российских визуальных сервисов

Названия YandexART, Шедеврум, Алиса AI, Kandinsky и GigaChat часто смешивают. Для практики полезно разделять модель, приложение и режим: модель генерирует, приложение даёт интерфейс и хранение, режим определяет конкретную операцию — генерацию, редактирование, оживление или сборку клипа.

По состоянию на 26 сентября 2026 года Шедеврум создаёт изображения, 4-секундные видео с частотой 24 кадра в секунду и клипы; в справке указаны модели изображений Exp и v.2.7, а также несколько видеомоделей. Алиса AI генерирует и редактирует изображения и оживляет загруженные фото. GigaChat API официально поддерживает генерацию изображений через встроенную функцию text2image. Возможности семейства Kandinsky зависят от конкретной точки доступа, поэтому в книге отделяется технология от интерфейса.

Главный вывод: выбирать нужно не «лучшую нейросеть вообще», а инструмент под этап. Быстрые варианты и короткие клипы — одна задача, диалоговое редактирование фото — другая, подготовка промпта и генерация изображения через экосистему Сбера — третья. Конкретные версии и точки доступа могут меняться, поэтому перед важным проектом проверяйте актуальную справку.

Матрица выбора

Выбирайте инструмент по операции. Если нужно быстро перебрать визуальные идеи — полезна площадка с сериями вариантов. Если нужно сохранить фото и поменять одну деталь — удобнее редактор. Если важна длинная подготовка брифа — начинайте с чат-модели. Один проект вполне может проходить через несколько сервисов.

Практика

Составьте таблицу: генерация с нуля, редактирование фото, русский текст, оживление, монтаж. Для каждого доступного сервиса отметьте количество попыток, удобство повторения промпта и качество сохранения героя.

ПРОМПТ. Сравни доступные мне российские сервисы только для задачи [задача]. Для каждого укажи этап, входной материал, ожидаемый результат и что нужно проверить вручную.

Актуальная карта функций на 26 сентября 2026 года

Шедеврум: изображения через YandexART; в справке доступны Exp для изображений с русским текстом и v.2.7 для более чёткой детализации. Видео — 4 секунды, 24 кадра в секунду; клип собирается из 3–30 фрагментов. Алиса AI: генерация изображений, в том числе с русскими надписями, редактирование загруженных фотографий и оживление изображений. GigaChat API: генерация изображений через встроенную функцию text2image. Kandinsky — семейство моделей Сбера для создания и редактирования мультимедийного контента; конкретные режимы и точки доступа проверяйте непосредственно перед проектом.

Рис. 1. Карта операций: выбираем не «лучшую нейросеть», а подходящий этапу инструмент.

Протокол кросс-сервисного сравнения

Что выбрать для какой задачи

Генерация с нуля: выбирайте сервис, где удобно быстро получать серии вариантов и повторять запрос. Локальное редактирование фото: важнее режим, который сохраняет исходное лицо и меняет только указанную область. Русская надпись: используйте режимы, которые прямо заявляют работу с кириллицей, но длинный текст по-прежнему надёжнее верстать вручную. Оживление: начинайте с чистого первого кадра и одного действия. Клип: оценивайте не один красивый ролик, а возможность собрать последовательность и заменить только неудачный фрагмент.

Возьмите один бриф и одну целевую пропорцию. В каждом сервисе создайте не меньше четырёх вариантов без изменения смысла запроса. Оценивайте не «красивее/хуже», а шесть наблюдаемых параметров: соответствие композиции, сохранение количества объектов, анатомию, работу с русским текстом, управляемость повторной правки и число попыток до пригодного результата. Итоговая таблица должна содержать факты, а не общий рейтинг: «потребовалось 2 итерации», «лицо изменилось при замене фона», «текст потребовал ручной вёрстки».

Глава 3. Как устроен сильный промпт

Промпт для изображения должен отвечать на вопрос «что находится в кадре и как это снято», а не демонстрировать литературный стиль автора.

Универсальная структура: главный объект -> характеристики -> действие или состояние -> среда -> композиция -> камера -> свет -> цвет -> визуальный стиль -> ограничения. Необязательно использовать все блоки. Чем важнее элемент, тем раньше он должен появляться и тем конкретнее его формулировка.

Сравните два запроса. «Красивый таинственный город будущего, очень атмосферный, потрясающий» почти целиком состоит из оценочных слов. «Ночной город будущего на берегу реки, невысокие стеклянные башни, мокрый асфальт, редкие беспилотные трамваи, общий план с крыши, холодный синий свет и теплые окна, реалистичная архитектурная визуализация» задает предметные признаки. Второй промпт легче исправлять: можно заменить ракурс, погоду или палитру, не переписывая все.

Слишком длинный запрос не всегда лучше. Когда в нем двадцать равноправных требований, модель вынуждена часть игнорировать. Работайте слоями. Сначала получите композицию. Затем добавьте свет и фактуру. Потом исправьте одну проблемную деталь. Такой итеративный подход быстрее, чем попытка предусмотреть все одним абзацем.

Негативные ограничения полезны, если их немного и они относятся к реальной ошибке: «без текста», «без логотипов», «без лишних людей», «без оружия в руках персонажа». Длинный список запретов иногда начинает конкурировать с основным описанием. Не просите модель одновременно помнить двадцать вариантов того, чего в кадре быть не должно.

Иерархия промпта

Ставьте в начало то, без чего кадр теряет смысл: главный объект, действие и среду. Потом — крупность, ракурс, свет, палитра и стиль. В конце — ограничения. «Красивый» и «атмосферный» заменяйте наблюдаемыми признаками: боковой свет, мокрый асфальт, туман, спокойная симметрия.

Практика

Плохой запрос: «красивый город будущего». Рабочий: «ночной европейский город ближайшего будущего, мокрый асфальт, беспилотный трамвай, общий план на уровне улицы, холодный свет и тёплые окна». Добавьте только те параметры, которые действительно хотите контролировать.

ПРОМПТ. Создай промпт по структуре: объект → действие → среда → план → ракурс → свет → палитра → стиль → свободная зона → ограничения. Бриф: [текст].

Промпт как спецификация, а не как литературный абзац

В финальной редакции полезно различать три уровня запроса. Идея задаёт только направление. Управляемый кадр фиксирует объект, среду и композицию. Производственный промпт добавляет свет, палитру, зону под текст, ограничения и то, что должно оставаться неизменным. Чем ближе проект к публикации, тем меньше в запросе оценочных слов и тем больше проверяемых признаков.

Рис. 2. От расплывчатой идеи к производственному промпту.

Глава 4. Композиция, камера и свет

Модель часто умеет рисовать красивее, чем пользователь ожидает, но композицию все равно приходится задавать сознательно.

Начните с плана. Общий план показывает пространство и отношения объектов. Средний - человека и действие. Крупный - лицо, предмет, эмоцию. Деталь - отдельный элемент. Если не указать план, генератор выберет его сам, часто предпочитая эффектный крупный объект в центре. Для обложек и постеров это может мешать тексту.

Дальше - угол камеры. «На уровне глаз» дает нейтральность. «Слегка снизу» делает объект более монументальным. «Сверху» помогает показать геометрию места. «С высоты крыши» дает городской обзор. Не злоупотребляйте экстремальными ракурсами, если для сцены важна анатомия: руки и ноги на сложной перспективе чаще деформируются.

Свет отвечает не только за красоту, но и за читаемость. Мягкий рассеянный свет лучше сохраняет лицо и одежду. Жесткий контровой свет создает силуэт, но съедает детали. Теплый локальный источник на холодном фоне хорошо выделяет главного героя. Для товарной карточки чаще нужен ровный свет, для хоррора - локальные провалы в тени, для исторической сцены - естественные источники эпохи.

Палитра - еще один инструмент сохранения серии. Вместо «красиво» задайте три-четыре доминирующих цвета: графитовый, темно-синий, янтарный; кремовый, зеленый, терракотовый. Если будущие кадры принадлежат одному проекту, одинаковая палитра связывает их даже тогда, когда нейросеть немного меняет детали.

Камера как смысл

Общий план отвечает «где?», средний — «что делает?», крупный — «что важно?», деталь — «на что смотреть?». Угол камеры влияет на характер сцены: снизу — монументальность, сверху — геометрия, уровень глаз — нейтральность. Сложная перспектива повышает риск деформаций.

Практика

Для обложки сразу резервируйте спокойную область под текст. Свет фиксируйте как якорь серии: например, «тёплая лампа слева, холодное окно справа». Повторяйте направление в соседних кадрах.

Композиция начинается с будущего носителя

Один и тот же сюжет для книжной обложки, поста 16:9 и карточки товара требует разных пустых зон и разной иерархии. Поэтому соотношение сторон нельзя оставлять на конец. Сначала задайте носитель, затем место текста, затем позицию главного объекта. Только после этого имеет смысл уточнять стиль.

Рис. 3. Три типовых схемы распределения объекта и текстовой зоны.

Глава 5. Визуальный паспорт проекта

Последовательность начинается не с референса, а с перечня признаков, которые вы обязались сохранять.

Если вы планируете серию изображений, клип или комикс, заведите визуальный паспорт. В него входят герой, одежда, палитра, локация, эпоха, степень реализма, тип камеры и то, что запрещено менять. Такой документ делает проект независимым от конкретного сервиса: вы можете перенести описание из Шедеврума в GigaChat или Алису и сохранить смысл.

Для персонажа фиксируйте не абстрактную «красивую девушку», а наблюдаемые признаки: возрастной диапазон, форма лица, цвет глаз, длина и фактура волос, телосложение, базовая одежда, украшения, шрам, очки. Отдельно задайте выражение лица. «Спокойный сосредоточенный взгляд» стабильнее, чем «сильный характер».

Для локации полезно иметь пять якорей: материал стен, тип окон, характер освещения, один узнаваемый крупный объект и один повторяющийся мелкий объект. Например: старая железнодорожная станция, красный кирпич, арочные окна, часы над входом, зеленые металлические скамейки. Якоря помогают зрителю узнавать место в разных планах.

Паспорт не нужно вставлять целиком в каждый промпт. Сократите его до ядра и добавляйте только признаки, видимые в конкретном кадре. Если герой снят по грудь, не тратьте внимание модели на описание обуви.

Паспорт до генерации

Разделите признаки на неизменяемые, допустимо меняющиеся и сюжетно меняющиеся. Для героя зафиксируйте лицо, глаза, волосы, телосложение, одежду и отличительную деталь. Для локации — геометрию, материалы, источник света и два повторяющихся объекта.

Практика

Создайте один нейтральный эталонный портрет и один полный рост. Для локации — широкий эталонный кадр. Эти файлы не заменяйте промежуточными вариантами.

ПРОМПТ. Собери визуальный паспорт проекта: персонаж, локация, стиль. Раздели признаки на неизменяемые, допустимо меняющиеся и сюжетно меняющиеся.

Минимальный паспорт, который реально работает

Паспорт не должен превращаться в страницу мелочей. Для героя достаточно нескольких устойчивых признаков, которые видны в большинстве ракурсов; для локации — геометрии, материалов, света и двух якорей. Если признак невозможно увидеть в кадре, он почти не помогает непрерывность сцены (continuity).

Рис. 4. Шесть групп признаков визуального паспорта.

ЧАСТЬ II. ИЗОБРАЖЕНИЯ

Изображение — фундамент проекта. Здесь мы превращаем генерацию в управляемую работу: варианты, референсы, локальная правка, текст и контроль дефектов.

Глава 6. Шедеврум и YandexART

Шедеврум удобен как творческая песочница: быстрые генерации, стили, лента примеров, видео и отдельная веб-Студия.

В обычном режиме Шедеврума пользователь выбирает генерацию изображения, модель, вводит запрос и получает варианты. На момент подготовки этой редакции справка указывает, среди прочего, модель Exp для изображений с текстом на русском языке и v.2.7 для более четкой детализации [2]. Названия версий меняются, поэтому практический принцип важнее номера: сначала выясните, какая модель ориентирована на вашу задачу - текст, детализацию, портрет или скорость. По актуальной справке Шедеврум предназначен для пользователей старше 18 лет; для несовершеннолетних предусмотрен Детский режим.

Шедеврум хорошо подходит для поиска визуального направления. Создайте четыре-пять вариантов с одинаковой сценой, меняя только стиль: документальная фотография, постер, акварель, 3D, ретрофутуризм. Сохраняйте не только понравившуюся картинку, но и промпт. Так постепенно формируется библиотека формулировок, которые действительно работают именно в этом сервисе.

Веб-Студия расширяет обычную генерацию. По актуальной справке в ней доступны несколько моделей YandexART, редактирование портрета, удаление фона, добавление деталей и повышение качества изображения до 4K [3]. Это меняет стратегию: вместо бесконечной полной перегенерации можно сначала добиться композиции, затем исправлять отдельные зоны.

Для обложек и постеров оставляйте чистую область под текст. Если текст должен добавляться позже в редакторе, прямо пишите: «без надписей, слева свободное темное пространство». Если хотите проверить встроенную генерацию надписи, делайте несколько вариантов и обязательно вычитывайте каждый символ.

Шедеврум как лаборатория

Используйте быстрые серии для сравнения одной переменной. Один базовый запрос, затем четыре версии стиля; лучший стиль — четыре версии ракурса; лучший ракурс — варианты света. Это эффективнее случайной перегенерации.

Практика

Практикум: одна северная станция на рассвете в четырёх вариантах — документальное фото, кинопостер, акварель, реалистичная обложка с пустой зоной под текст.

[ ] один базовый промпт

[ ] варианты сравниваются по одной переменной

[ ] выбран мастер-кадр

Визуальный эксперимент: одна переменная

Чтобы понять характер модели, не меняйте одновременно стиль, ракурс и свет. Сначала получите базовый сюжет. Затем создайте серию только по стилю. Выберите лучший вариант и только после этого исследуйте ракурс. На третьем проходе — свет. Такой протокол превращает случайные генерации в сравнимый эксперимент.

Рис. 5. Контролируемая серия: стиль → ракурс → свет.

Глава 7. Алиса AI как визуальный редактор

Сильная сторона Алисы AI — диалоговый сценарий. Можно создать изображение, загрузить свою фотографию, описать изменение и продолжить работу в одном контексте.

Актуальная справка Яндекса указывает, что Алиса AI умеет менять фон, стиль и настроение, редактировать одежду, макияж и причёску, добавлять и удалять объекты, реставрировать старые фото и раскрашивать чёрно-белые снимки. Отдельный режим оживляет изображение в короткое видео. Поскольку параметры генерации могут меняться, перед проектом сверяйте актуальную справку сервиса и не переносите параметры из старых инструкций.

Практический принцип — одна правка за проход. Сначала фон, затем одежда, затем отдельный предмет. Чем меньше изменений одновременно, тем выше шанс сохранить лицо, позу и композицию.

Диалоговое редактирование

Дробите изменения. Сначала фон, затем одежда, затем предмет. В каждом запросе явно пишите, что нельзя менять: лицо, возраст, позу, свет на человеке. Для оживления используйте одно короткое действие и при необходимости фразу «камера статична».

Практика

Пример: «замени только фон на вечернее кафе; человека, лицо, одежду и освещение на лице не менять». Для видео: «она медленно переводит взгляд к окну, волосы слегка движутся, камера статична».

ПРОМПТ. Измени только [элемент] на [новое состояние]. Лицо, возраст, позу, одежду, свет на человеке и композицию не менять.

Редактирование без разрушения исходника

При работе с реальным фото полезно вести список инвариантов: лицо, возраст, поза, масштаб человека, направление света. Каждый запрос должен менять одну логическую группу. После прохода проверяйте не только то, что изменилось, но и то, что по условию должно было остаться прежним.

Рис. 6. Диалоговая правка: один запрос — одно изменение.

Глава 8. Kandinsky и GigaChat

Kandinsky — семейство генеративных моделей Сбера для создания и редактирования мультимедийного контента. Команда Kandinsky в 2026 году описывает изображения, видео и синхронное аудио как направления семейства.

GigaChat полезен как текстовый соавтор и как точка генерации изображений. Официальная документация GigaChat API описывает встроенную функцию text2image. Сначала можно обсудить идею, бриф и композицию, затем перейти к визуализации.

Не следует автоматически считать, что любая возможность Kandinsky доступна в каждом интерфейсе GigaChat. Видео, специальные режимы и редактирование могут находиться в других продуктах или API. Поэтому книга отделяет творческий метод от конкретной кнопки.

Чат как препродакшн

До генерации попросите GigaChat предложить три композиции словами: план, положение объекта, свободная зона, свет, палитра. Выберите одну и только затем превращайте её в промпт. Так чат помогает думать, а не перегружать картинку случайными идеями.

Практика

Сравните одинаковый бриф в двух экосистемах по пяти параметрам: композиция, анатомия, текстуры, соответствие стилю, пригодность для правки. Не сводите сравнение к «красивее/хуже».

GigaChat как арт-директор до генерации

Сильная роль чат-модели в визуальном проекте — не только «нарисуй», но и препродакшн. Сначала сформулируйте цель, аудиторию, носитель и запреты. Затем попросите три композиционных решения словами. После выбора одной композиции сократите её до промпта. Это уменьшает число случайных решений, которые генератор принимает вместо автора.

Рис. 7. Бриф и препродакшн до первой генерации.