Коротко
Что такое референс для нейросети и почему одной картинки мало?
В Википедии референс определяется как вспомогательное изображение, которое художник или дизайнер изучает перед работой, чтобы точнее передать детали. С нейросетью смысл тот же, только изучает его модель.
И вот тут самое интересное. Дизайнер-человек уточнит, какую деталь ты хочешь взять из картинки. Нейросеть уточняет редко и выбирает сама.
Документация ChatGPT говорит об этом прямо: одной картинки мало, назови, куда в ней смотреть и какой результат нужен. Если изображений несколько, назови каждое и объясни, как они связаны.
Покажу на примере. Ты прикладываешь фото чужой карточки товара, которая тебе нравится, и пишешь «сделай такую же для нашего товара».
Какую «такую же»? Сетку? Цвета? Шрифт? Ракурс? Плашки с цифрами?
Модель угадает часть, а остальное додумает. Отсюда ощущение, будто генерация по референсу - лотерея.
По сути это бриф. Как с подрядчиком: пачка картинок «чтобы было красиво» и те же картинки с подписями «отсюда шрифт, отсюда сетка, товар только наш» дают два разных результата.
Как назначить роль каждому образцу?
На обучении для дизайнеров было упражнение: набор из девяти карточек товара для маркетплейса. Во вложении - фото товара, три слайда инфографики другого товара той же компании как пример стиля и ТЗ на девять слайдов. Промпт я писал по такой схеме:
- стиль строго по примеру: сетка, шрифты, цвета, плашки;
- логотип возьми с примера, без перерисовки;
- товар только с наших фото.
Результат: девять карточек за пять минут, и восемь из них, по-моему, годились для загрузки сразу. Ключевая строка: какие элементы примера переносишь, а какие оставляешь в примере.
В документации ChatGPT ровно эта схема разобрана для двух картинок: «Изображение 1 - фото товара для правки. Изображение 2 - образец стиля. Сохрани товар, ракурс и композицию с первого, возьми линии, приглушённую палитру и мягкие тени со второго».
| Тип образца | Что написать рядом | Что запретить |
|---|---|---|
| Фото товара | «Это наш товар, сохрани форму, цвет и детали» | Менять пропорции, добавлять элементы |
| Пример стиля | «Бери сетку, шрифты, цвета, плашки» | Переносить чужой товар и тексты |
| Логотип | «Перенеси как есть, размер и место - как сейчас» | Перерисовывать, менять начертание |
| Макет или сетка | «Повтори расположение блоков» | Копировать содержимое блоков |
| ТЗ текстом | «Тексты и цифры бери только отсюда» | Придумывать характеристики |
Последняя строка важнее, чем кажется. Когда характеристики товара лежат в инструкции или ТЗ, у нейросети меньше поводов фантазировать. Как подготовить сам документ к чтению без потерь, я разбирал в статье скан, PDF или Word.
Набор образцов: меньше, но с ролью у каждого
Тянет приложить побольше: вдруг поможет. Часто мешает. Десять картинок «для вдохновения» могут тянуть в разные стороны, и результат выйдет средним по всем.
Рабочий набор выглядит так:
- содержание - фото именно того товара или объекта, который нужен в кадре, при необходимости с нескольких ракурсов;
- стиль - примеры, где нравится одно и то же, скажем, сетка и плашки;
- обязательные элементы - логотип, фирменный знак, если они должны быть точно;
- текст - ТЗ или характеристики отдельным файлом или прямо в промпте.
В одном примере нравится одно, в другом - другое? Подпиши: «с примера 5 бери только цвета, с примера 6 - только расположение блоков». Так в одном наборе живут образцы, которые без подписи спорили бы друг с другом.
Про качество образца - приятная новость: на обучении хватило мутного скриншота логотипа, подробности ниже. Для образца понятная роль важнее идеального файла.
Куда положить образец: чат, редактор картинки или папка агента?
Этот вопрос на обучении задал дизайнер из группы. Мы правили сгенерированную картинку через редактор: выделяешь область, пишешь комментарий, нейросеть меняет только это место. Удобно, как правки точками в макете.
И тут вопрос: «Мне больше интересно, можно ли сюда вставить референс вот этот вот логотип». Попробовал перетащить - не вставляется.
Сработало через обычный чат. Я приложил скриншот логотипа и написал: «замени логотип на тот, который я тебе приложил, только лучше качество, потому что я приложил тебе скрин; размер оставь как сейчас». Логотип встал куда нужно. Скриншот был мутным, но я попросил качество получше, и нейросеть перенесла логотип чётче.
Отсюда простое правило по местам:
- комментарий в редакторе - для точечной правки словами: «убери блик», «сдвинь надпись»;
- чат - для правки с образцом: логотип, цвет из брендбука, фото товара;
- папка агента - для серий, где образцы участвуют в каждой задаче.
С папкой всё ещё проще. В первый день того же обучения в ответ на вопрос «куда класть файлы упражнения» я сказал: «просто вставьте их туда как референс в эту папку». Агент читает файлы папки сам, прикладывать их к каждому сообщению не нужно. Но у этого удобства есть обратная сторона.
Почему агент мог взять образец не оттуда?
Во второй день обучения участник посмотрел результат агента и спросил: «Это в одном упражнении, да?» Он засомневался, не подсмотрел ли агент готовый образец в папке соседнего упражнения.
Доказать это по записи нельзя. Но в промпте и правда не было запрета заглядывать в другие папки, а значит, исключить такое тоже нельзя. Проверка простая: дать похожее задание в чистой папке и сравнить.
Похожий риск есть и в обычном чате. В папке одного упражнения лежали фото двух разных товаров, а промпт описывал один. Пришлось предупредить группу: второй файл не загружайте. Загрузишь оба - нейросеть получит два образца для одной задачи.
Что делать:
- одна задача - одна папка, в ней только образцы этой задачи;
- в промпте имена файлов: «образец стиля - пример-1.png и пример-2.png, товар - фото-товара.jpg»;
- явный запрет: «другие папки не открывай, другие файлы как образец не используй»;
- после результата вопрос агенту: «какие файлы ты использовал как образец?».
Как держать рабочую папку в порядке и почему файлы туда лучше добавлять через агента, я разбирал в статье гигиена рабочей папки агента. А какие файлы агент вообще видит и как ограничить его доступ - в статье что агент видит на твоём компьютере.
Скриншот вместо описания правки
На обучении в одной из карточек текст артикула стоял под другим углом, чем само изделие. Описывать это словами - «в правом нижнем углу, где текст рядом с изделием» - долго, и модель всё равно может промахнуться.
Я сказал группе: «Скрин делаем, ему в чат кидаем». И дописали к скриншоту: текст артикула стоит под другим углом, чем изделие, поверни его так же, для белого и для чёрного фона. Чем закончилась эта правка, на записи не видно, но логика совпадает с советом документации.
Документация ChatGPT про изображения во входе советует ровно это: назови, какой объект в кадре, укажи важную область и опиши нужный результат с ограничениями.
Тот же приём годится для ошибок в программах: скриншот плюс твои действия перед ней. Подробно про это - в статье как принести агенту ошибку. А как формулировать саму правку картинки, чтобы модель не перерисовала всё целиком, я разбирал в статье улучшить картинку, а не рисовать заново, там же есть короткий приём «референс по стилю».
Где взять референс, если своего нет: мудборд и галерея стилей
Мудборд - это коллаж из изображений, текста и образцов, который передаёт общую идею или настроение темы. В нашем упражнении мудборд - работа маркетинга: он выбирает идею визуала и уже потом брифует дизайнеров. С нейросетью его можно получить за одну генерацию.
На обучении мы приложили одну страницу брендбука и попросили фотореалистичный мудборд под новую линейку товаров. Нейросеть сама разложила сетку и сама расставила короткие подписи. Группе результат понравился.
Дальше мудборд превращается в референс. Пишешь, например: «возьми среднее изображение в нижнем ряду и сделай его отдельно в максимальном качестве». Это и есть ключевой визуал, который прикладываешь к следующим задачам.
Когда команда никак не договорится о стиле, запусти один и тот же объект в пяти разных стилях из библиотеки промптов. На обучении каждый выбрал один промпт из пяти, а потом все посмотрели результаты друг у друга. Спорить о картинках проще, чем о словах.
Частые вопросы
Частые вопросы
Главный вывод
Чем конкретнее ты разрешил, что брать из образца, тем меньше нейросеть решает сама.
Практический шаг: возьми последний запрос, где ты прикладывал картинку «для примера», и допиши под каждым файлом одну строку - что с него брать. Сравни результат.
Как ты сейчас передаёшь нейросети образец: одной картинкой «сделай так же» или с подписью, что именно взять?