Промпты для генерации изображений и видео: двенадцать приёмов контроля

Почему порядок слов в промпте меняет картинку?

Модель читает промпт слева направо и в том же порядке распределяет внимание. Начинаете с объекта — она потратит детализацию на фактуру и придумает композицию сама. Начинаете с раскладки — композиция становится условием, и объект встраивается в неё.

Пропорция кадра в сервисе переключается до запуска, поэтому в текст её писать не нужно. А вот раскладку внутри кадра переключателем не задать: где стоит объект, сколько он занимает по высоте, что остаётся свободным. Это и есть первая фраза промпта.

Формулировка «правая треть кадра остаётся пустой» держится на всех проверенных моделях, включая самую дешёвую. Если под кадром будет заголовок или подпись, место под него размечается здесь, а не в редакторе потом.

Сколько предметов держит одна сцена?

От пяти до двенадцати конкретных существительных и два-четыре ограничения по свету и материалу. Меньше пяти — сцена выходит пустой, и модель заполняет её случайным реквизитом. Больше двенадцати — кадр рассыпается: предметы налезают друг на друга и теряют форму.

Считаются именно существительные. «Уютная кофейня утром» содержит ноль якорей: «уютный» у модели усредняется до стоковой картинки, одинаковой у всех, кто написал это слово. «Деревянная стойка, следы от чашек, кофемолка, стопка стаканов, ценник мелом, запотевшее окно» — шесть якорей, к каждому модель привязывает пиксели.

Оценочные слова места существительных не занимают, но и работы не делают. «Красиво», «профессионально», «качественно», «8K» можно выбросить из любого промпта, ничего не изменится.

Прилавок {заведение} утром: {предмет 1}, {предмет 2}, {предмет 3}, {предмет 4}, {предмет 5}, {предмет 6}. Свет {температура}, из окна слева, тени мягкие. Палитра приглушённая: {цвет 1}, {цвет 2}, {цвет 3}

Подставьте своё: заведение, шесть конкретных предметов, температура света, три цвета палитры

Что писать вместо слова «премиально»?

Три отдельных строки: из чего сделано, чем освещено, какие три-четыре цвета в кадре. Одно слово «премиально» модель понимает как усреднённую рекламу и берёт готовое решение, похожее на сотню чужих генераций.

Материалы называются точно: шлифованная сталь, латунь, травертин, лён, толстое стекло с фаской, конденсат на поверхности. Свет описывается источником и направлением: софтбокс сверху слева, узкий контровой по правому краю, отражённый от стены. Палитра задаётся тремя цветами: костяной, тёплый песочный, латунный блик.

Три параметра дают три независимые оси. Поменяли палитру, оставили материалы и свет — получили тот же кадр в другом настроении. С «премиально» такой правки не сделать: менять нечего.

{Объект} на {поверхность}. Материалы: {материал 1}, {материал 2}, {материал 3}. Свет: {источник и направление}, {второй источник}, отражение мягкое. Палитра: {цвет 1}, {цвет 2}, {цвет 3}. Фон однородный, без предметов

Подставьте своё: объект, поверхность, три материала, два источника света, три цвета

Как съёмочные параметры заменяют прилагательные?

Модели обучались на подписях к фотографиям, где рядом с кадром стоят фокусное расстояние и диафрагма. Поэтому «f/1.8» модель читает как адрес, а «размытый фон» — как пожелание. Просят эти две записи одного и того же, а попадают в разные места.

Работает один доминирующий набор. Если в промпте одновременно макро, широкоугольник и портретное фокусное, параметры конфликтуют, и модель выбирает случайно. Выберите одну оптику на кадр и опишите её полностью.

Тот же принцип работает со способом съёмки. «Съёмка с рук» даёт живость надёжнее слова «живо», «со штатива» даёт статику надёжнее слова «стабильно».

Как убрать нейросетевой глянец из кадра?

Слово «фотореалистично» модель понимает как отполированную рекламу и добавляет идеальный свет, вылизанную кожу и симметричную композицию. По этому набору генерацию и опознают с первого взгляда.

Выключают этот режим обстоятельствами съёмки. «Снято на телефон, без обработки», «любительский снимок», «свет из окна кухни», «кадр слегка завален» — у такой фотографии другой набор признаков, и он совпадает с тем, что люди считают настоящим кадром.

Для отзывов, распаковок и любого контента, который должен выглядеть снятым покупателем, это главный приём. Добавьте к нему бытовой беспорядок в кадре: кружка, крошки, скомканное полотенце. Идеально убранный стол выдаёт постановку сильнее, чем свет.

Как заставить модель написать в кадре нужное слово?

Пока надпись растворена в описании сцены, модель считает её частью сюжета и рисует нечто похожее на буквы. Кавычки превращают строку в объект, который надо воспроизвести дословно.

Записывается надпись отдельной строкой, вне описания сцены, с указанием места и размера: надписи в кадре, ровно эти и никаких других, сверху крупно «Зерно», снизу мелко «до 15 сентября». Оговорка «и никаких других» закрывает вторую половину проблемы: модели любят дорисовывать декоративную крошку из псевдобукв там, где её никто не просил.

Одна крупная надпись держится почти везде. Мелкий текст держат не все модели, и разница между ними не совпадает с ценой.

Когда промпт стоит писать конфигом, а не прозой?

Когда в сцене сходятся несколько независимых систем: окружение, объект, материалы, свет, частицы. Проза на такой сцене начинает противоречить сама себе, и модель выбирает, что игнорировать. Структура снимает конфликт: у каждого параметра своё место, и повторный запуск отличается ровно тем полем, которое вы поменяли.

Записывается это как список пар «поле: значение», по строке на параметр. Формальный синтаксис не нужен, скобки и кавычки роли не играют. Работает сама разбивка на поля.

Побочная польза важнее основной: конфиг удобно хранить и переиспользовать. Библиотека из двадцати промптов, написанных прозой, — это двадцать разных текстов. Библиотека из двадцати конфигов — одна схема с двадцатью наборами значений, и по ней видно, какое поле испортило дубль.

Как получить шесть вариантов товара одной генерацией?

Просьба «покажи кружку в шести цветах» даёт шесть разных кружек в шести разных ракурсах. Модель воспринимает каждую ячейку сетки как самостоятельную задачу и решает её заново. Витрина, собранная из таких кадров, выглядит как товары шести разных продавцов.

Держит сетку якорь: явный запрет менять всё, кроме одного параметра. «Одна и та же кружка, тот же ракурс, тот же свет, тот же фон, та же контактная тень. Между ячейками меняется только цвет глазури». Список неизменного перечисляется полностью, иначе модель посчитает несказанное разрешённым.

Приём закрывает частую задачу селлера: карточка с цветовыми вариантами, размерный ряд, одна модель одежды в трёх принтах. Одна генерация вместо шести экономит кредиты, но главное здесь другое: свет и ракурс во всех ячейках одинаковые.

Зачем видеопромпту тайм-коды?

В нашем разборе видеопромптов есть правило: одно действие на сцену. Оно родилось из наблюдения, что за пять секунд модель не успевает доиграть три события, обрубает их на середине и устраивает в кадре суету. Правило рабочее, и отменять его нечем.

Такты решают ту же задачу с другой стороны. Они не добавляют событий, а раздают им время: «0–2 с», «2–4 с», «4–6 с», в каждом интервале своё движение камеры и своё действие. Модель получает расписание вместо списка, и события перестают конкурировать за одни и те же секунды.

Разница в записи мелкая, разница в результате большая. Три события подряд без интервалов модель читает как «покажи всё сразу». Те же три события с тайм-кодами она читает как последовательность, и последнее из них доигрывает до конца.

Сумма тактов должна совпадать с длиной ролика. Три такта по три секунды в шестисекундном ролике дают скомканный финал: модель ужимает последний интервал вдвое.

Как назначить склейку самому?

Фраза-замок против внутренней склейки нужна, когда ролик должен быть одним планом. Если сюжету нужны два плана, спорить с моделью бессмысленно: она всё равно порежет, просто в случайном месте посреди движения.

Дешевле назначить рез самому. В промпт вписывается, где он проходит и какой он: «резкий рез», «плавный переход», «уход в затемнение». Модель ставит переход туда, куда вы сказали, и ролик перестаёт разваливаться на середине жеста.

Записывается это тем же тактовым синтаксисом, только между интервалами появляется строка про переход. Крупный план, рез, средний план — привычная монтажная логика, которую модель понимает лучше, чем запрет.

0–3 с: крупный план {первый объект}, {действие}. Резкий рез. 3–6 с: средний план, {второй объект} рядом с {первый объект}, {второе действие}, камера стоит неподвижно

Подставьте своё: два объекта и два действия

Как запретить товару плыть в ролике?

Видеомодели плывут именно на предметах. У бутылки меняется уровень жидкости, у кроссовка появляется лишняя дырка для шнурка, этикетка дышит, логотип перетекает сам в себя. На пейзаже это незаметно, на карточке товара это брак, который нельзя выложить.

Общая просьба «сохрани товар» работает плохо: модель не знает, что именно вы называете сохранностью. Работает перечень конкретных артефактов, потому что каждый из них модель умеет распознать: «форма, цвет и надписи сохраняются весь ролик, без деформаций, растекания, дрожания и мерцания».

Ставится замок в конец промпта, после описания движения. Четырёх-пяти артефактов достаточно, длинный список перетягивает внимание на себя и начинает мешать основному описанию.

Как собрать ролик из нескольких сцен?

Проблема многосценного ролика не в длине, а в расхождении. Девять кадров, сгенерированных по отдельности, не сходятся между собой: свет прыгает, палитра плывёт, чашка в третьем кадре другого цвета, чем в первом. Собранный из них ролик выглядит нарезкой из разных съёмок.

Раскадровка сеткой решает это до генерации видео. Все ключевые кадры просятся одним изображением: контактный лист три на три, девять ячеек, один визуальный стиль, одна палитра, один свет на всех. Модель собирает их за один проход и поэтому вынуждена согласовать их между собой.

Дальше каждая ячейка оживляется отдельно как исходный кадр для видеомодели. Раскадровка перестаёт быть бумажной формальностью и становится этапом производства: сначала девять картинок за одну генерацию, потом девять коротких сцен, которые уже совпадают по цвету и свету.

Экономика приёма считается в одну строку. Контактный лист из девяти кадров на GPT Image 2 стоит 13 кредитов в 1K, 15 в 2K и 18 в 4K. Девять отдельных генераций на той же модели — 117 / 135 / 162 кредита в 1K / 2K / 4K. Разница не только в цене: в первом случае кадры согласованы, во втором нет.

Когда отрицания в промпте всё-таки работают?

У правила «обходитесь без отрицаний» есть основание: запрет на объект часто приводит объект в кадр, потому что модель всё равно строит его образ, чтобы понять, о чём речь. Для сюжетных запретов правило действует по-прежнему.

Уточнение касается другого случая. Отрицание работает там, где у модели есть предсказуемый вредный дефолт, который она подставляет всегда. Фальшивые бренд-логотипы на упаковке, декоративная псевдотипографика из нечитаемых букв, аниме-стилизация лиц — это привычки, а не сюжет, и короткий запрет их выключает.

Разница в формулировке. «Без людей в кадре» — сюжетный запрет, отрабатывает ненадёжно. «Без выдуманных логотипов, без мелкого нечитаемого текста» — запрет привычки, отрабатывает почти всегда.

Длина списка важна. Три-пять позиций в конце промпта работают, пятнадцать перетягивают внимание на себя, и модель начинает выполнять список запретов вместо описания сцены.

• Отрицания, которые стоит писать

  Без выдуманных логотипов и брендов, мелкого нечитаемого текста, водяных знаков, пластиковой CG-фактуры и баннерной вёрстки поверх фотографии.

• Отрицания, которые лучше заменить описанием

  «Без людей» меняется на «пустой зал, стулья составлены». «Без беспорядка» меняется на «стол пустой, кроме одного предмета». «Не размыто» меняется на «резкость по всему кадру, съёмка со штатива».

• Куда ставить список

  В самый конец промпта, после описания света и палитры. В начале он забирает внимание у сцены, в середине разрывает связь между объектом и окружением.

Какие приёмы из чужих подборок не сработают?

Подборки промптов кочуют между платформами вместе с синтаксисом, который к нашим моделям отношения не имеет. Параметры вроде «--ar 2:3» или «--v 6» модели либо игнорируют, либо честно рисуют в кадре как текст. Веса в скобках вида «(слово:1.3)» и отдельное поле негативного промпта — тоже чужая механика.

Формат кадра здесь выбирается переключателем до запуска. Если очень нужно закрепить его словами, пишите по-русски: «вертикальный кадр 4:5», «горизонтальный кадр 16:9».

Отдельная история с именами. «В стиле известного оператора» или «как снимает такой-то режиссёр» модель воспроизводит как среднее по подписям к кадрам этого имени, и результат оказывается случайным. Заменяется это описанием: низкий контровой свет, глубокие тени, холодная палитра.

Названия реальных брендов ломаются иначе. Модель рисует похожий логотип, но не тот, а использовать чужой товарный знак в своих материалах всё равно нельзя. Для карточки нужен свой знак или его отсутствие.

Как собрать все двенадцать приёмов в один промпт?

Приёмы не складываются в кучу, у них есть порядок. Он повторяет порядок чтения: рамка кадра, содержимое, обработка, запреты. Если поменять его местами, приёмы начинают спорить между собой.

Полный промпт по этой схеме занимает от сорока до восьмидесяти слов. Дальше растёт риск, что модель начнёт выбирать из ваших условий вместо того, чтобы выполнять их все. Держать все двенадцать приёмов в одном тексте вредно: берите те, что закрывают ваш тип брака.

Проверять сборку дешевле на лёгкой модели. Черновик показывает план, высоту съёмки и работу света — всё, ради чего пишется промпт. Когда эти три вещи подтвердились, тот же текст переносится на модель, которая нужна по качеству.

• Раскладка кадра

  Где стоит объект, сколько занимает по высоте, что остаётся свободным под подпись.

• Объект и материалы

  Пять-двенадцать существительных, из чего сделано, без оценочных слов.

• Свет

  Источник, направление, характер. Для интерьера два источника разной температуры.

• Палитра

  Три-четыре цвета. Этой строкой удобнее всего править настроение, не трогая остальное.

• Оптика

  Одно фокусное и одна диафрагма. Смешивать наборы нельзя.

• Надписи

  Отдельной строкой в кавычках, с местом и размером, с оговоркой про отсутствие другого текста.

• Запреты

  Три-пять сильных дефолтов модели последней строкой. Сюжетные запреты сюда не идут.