Чаще всего ломается не картинка, а связь между действием и ограничениями
Запрос «сделай красиво» оставляет модели слишком много свободы. Но и длинная инструкция из пяти действий работает плохо: требования начинают конкурировать. Надёжнее задать одно главное действие, точно назвать цель и отдельно перечислить то, что должно остаться неизменным.
Как мы считали и что означают цифры
В выборку вошли 396 уникальных генераций TrendMeBot за семидневный срез. Для них система выполнила 513 проверок: часть изображений оценивалась повторно после автоматической корректировки. Мы не анализировали личности пользователей, содержание частных фотографий и персональные данные — только обезличенные технические признаки результата.
Проверка сравнивает изображение с исходным запросом и референсом по четырём направлениям: выполнение инструкции, сохранение личности и сцены, визуальные дефекты и пригодность результата к использованию. Один кадр может получить несколько причин одновременно, поэтому суммы отдельных ошибок не равны числу генераций.
Какие ошибки встречались чаще всего
Главный сигнал — instruction_ignored: модель сделала правдоподобное изображение, но не выполнила основное действие. На втором месте no_transform, когда результат слишком близок к исходнику. Далее идут несовпадение с запросом и проблемы физической сборки сцены.
Количество уникальных генераций, где причина встретилась хотя бы в одном кандидате. Причины могут пересекаться.
Действие сформулировано расплывчато
«Улучши», «сделай нормально» и «обработай красиво» не задают измеримого изменения. Модель выбирает безопасный минимум: немного меняет свет или возвращает почти тот же кадр.
В одном запросе несколько конкурирующих задач
Замена фона, одежды, позы, текста и лица одновременно превращает точную правку в новую генерацию. Чем больше независимых операций, тем выше шанс потерять хотя бы одну.
Не названа точная цель
Фраза «убери лишнее» понятна человеку из контекста, но модели приходится угадывать. Лучше назвать объект, его положение, цвет или роль в кадре.
Не указано, что сохранять
При замене фона модель может заодно поменять одежду, ракурс или черты лица. Короткий список инвариантов удерживает результат ближе к исходнику.
Исходник не содержит достаточно информации
Если объект закрывает половину лица или человека нужно удалить со сложного узорчатого фона, скрытую область приходится выдумывать. Точный промпт не восстановит данные, которых нет.
Формула запроса: действие → цель → сохранение → критерий результата
Рабочий запрос не обязан быть длинным. Его задача — убрать четыре вида неопределённости. Сначала глагол говорит, что сделать. Затем цель показывает, с чем именно. Ограничения удерживают важные части исходника, а критерий результата объясняет, как выглядит завершённая работа.
один конкретный глагол
объект и положение
что нельзя менять
признак готовности
Убери человека слева. Главного героя, одежду, позу и освещение не меняй. Естественно восстанови стену и тень за удалённым человеком.
Эта формула особенно полезна для удаления объектов, замены фона, улучшения качества, локальной ретуши и работы с надписями. Для творческого портрета ограничения можно ослабить, но главная задача всё равно должна оставаться одна.
Как переписать запрос, не превращая его в техническое задание
«Улучши фото»
→Проверяемо«Улучши резкость лица, выровняй экспозицию и убери цветной шум. Лицо, одежду, фон и кадрирование не меняй»
«Поменяй фон, одежду, позу, добавь текст и сделай как обложку»
→По шагам«Сначала замени только фон на спокойную студию. Человека, одежду и позу сохрани»
«Убери всё лишнее»
→Точная цель«Убери красную банку и белый провод со стола. Остальные предметы и тени сохрани»
«Сделай совсем другой образ, но ничего не меняй»
→Приоритет«Сохрани лицо и позу. Одежду и фон можно изменить под фэнтези-портрет»
Почему одного красивого кандидата недостаточно
Человек быстро замечает явный дефект, но автоматическая система должна различать две разные неудачи. Первая — изображение технически плохое: сломаны руки, лицо или перспектива. Вторая сложнее: картинка выглядит убедительно, но отвечает не на тот запрос. Для пользователя обе одинаково бесполезны.
353 из 396 генераций завершились кандидатом, который прошёл финальную проверку.
117 генераций дошли до второго кандидата. Это не означает, что все первые результаты были ужасными: иногда retry нужен именно из-за невыполненного действия.
Автоматическая проверка не заменяет вкус пользователя, но отсекает варианты, которые не стоит выдавать как готовую работу.
Чек-лист перед генерацией
- Оставьте одно главное действие.Если нужны фон и одежда, сначала измените фон, затем редактируйте результат.
- Назовите цель так, чтобы её можно было указать пальцем.Не «лишнее», а «красная банка справа от ноутбука».
- Зафиксируйте 2–4 важных элемента.Лицо, одежда, поза, фон, логотип или расположение объектов.
- Опишите признак готовности.Объект исчез, фон восстановлен, лицо узнаваемо, надпись читается без лишних букв.
- Оцените исходник.Сильная темнота, перекрытия и мелкие детали увеличивают объём того, что модели приходится выдумывать.
- Не путайте эстетическое качество с выполнением задачи.Сначала проверьте действие и сохранение важных деталей, затем свет и красоту.
Лучший запрос похож не на заклинание, а на короткую постановку задачи
Нейросеть не обязана понимать скрытое намерение. Чем яснее действие, цель и границы изменения, тем легче отличить хороший результат от просто красивого. А если задача сложная, последовательность из двух точных правок обычно надёжнее одной перегруженной генерации.