Как описать человека словами, чтобы модель нарисовала нужного
Слово «красивая» модель понимает как среднее по интернету: гладкое лицо, симметрия, двадцать пять лет, никакой истории. Нужного человека дают шесть вещей, названных отдельно: возраст, сложение, черты лица, кожа, волосы и состояние. Дальше разбираю каждый слот, даю конструктор описания и показываю, как проверить его одним словом.

Почему «красивая девушка» дает не то
Модель усредняет то, чему училась. Оценочное слово не описывает ничего проверяемого, поэтому модель подставляет самый частый вариант из своего опыта. У слова «красивая» этот вариант один и тот же у всех, кто его пишет.
Дальше начинается перебор: человек генерирует двадцать кадров, все они похожи друг на друга, и он решает, что модель не умеет делать лица. Умеет. Просто ей не сказали, какое.
Проверка, которая закрывает вопрос. Прочитайте свое описание и спросите по каждому слову: можно ли по нему сказать, выполнено оно или нет. «Красивая» - нельзя. «Резкие скулы, узкие губы, глубоко посаженные глаза» - можно.
Оценка описывает ваше отношение, а модели нужно описание внешности.
Шесть слотов
Держите в голове шесть слотов, и человек в кадре перестанет быть случайным. Слоты заполняются по одному, в любом порядке, но пропускать их нельзя - пропущенный слот модель заполнит сама, средним значением.
1. Возраст. Самый сильный слот из шести. Меняет все: пропорции лица, кожу, взгляд, осанку. Пишется числом или десятилетием: a woman in her early forties. Слово «молодая» не работает, потому что у модели своя молодость.
2. Сложение. Рост, вес, ширина плеч, тип фигуры. lean and tall, broad shoulders, heavy build, small and wiry. Без этого слота модель ставит в кадр стандартную модельную фигуру, даже когда сцена ее не предполагает.
3. Черты лица. Форма лица, нос, скулы, губы, посадка глаз, брови. Три-четыре конкретных признака достаточно: angular jaw, high cheekbones, thin lips, deep set eyes. Это единственный слот, где перечисление длиннее четырех пунктов начинает работать против вас.
4. Кожа и фактура. То, что отличает живое лицо от маски: поры, веснушки, морщины, шрам, следы солнца, щетина. visible pores, freckles across the nose, fine lines around the eyes, no makeup. Про отсутствие макияжа надо писать прямо, иначе он появится сам.
5. Волосы. Длина, тип, цвет, состояние, укладка или ее отсутствие. dark hair pulled back, a few grey strands loose. Состояние важнее цвета: свежая укладка и второй день после нее дают разных людей.
6. Состояние и взгляд. Что человек сейчас делает и как смотрит. direct confrontational gaze, looking away, thinking, tired at the end of a long day. Этот слот делает из внешности человека, и его пропускают чаще остальных.
Шесть слотов: возраст, сложение, черты, кожа, волосы, состояние. Пропущенный слот заполнит модель.
Конструктор описания
Слоты собираются в одну строку в том же порядке. Вот заготовка, в которую подставляются ваши значения:
a [возраст] [пол], [сложение],
[3-4 черты лица], [кожа и фактура],
[волосы], [состояние и взгляд]
И заполненный пример:
a woman in her early forties, lean and tall with square shoulders,
angular jaw, high cheekbones, deep set eyes, thin lips,
visible pores and fine lines around the eyes, no makeup,
dark hair pulled back with a few grey strands loose,
looking straight into the lens, calm and unimpressed
Такое описание занимает четыре строки и дает конкретного человека, а не тип. Оно же становится вашим постоянным блоком: если человек нужен в нескольких кадрах, строка копируется без изменений.
ГлавноеПовторяемость лица словами не дается. Описание задает типаж, а конкретное лицо между кадрами держит только референс: консистентный персонаж.
Порядок слов внутри строки почти не влияет, а вот их количество влияет сильно. Двадцать признаков модель начинает игнорировать выборочно, и вы теряете контроль над тем, какие именно сработали.
Проверка одним словом
Самый быстрый способ понять, работает ли слот, - поменять в нем одно слово и сравнить два кадра.
Возьмите готовое описание и смените только возраст: in her early twenties на in her early forties. Все остальное оставьте нетронутым. Разница между кадрами покажет, сколько весит этот слот в вашей сцене.
Так проверяется любой слот. Правило простое: за один заход меняется одно значение. Поменяли возраст и прическу вместе - получили другого человека и не узнали, что именно его изменило.
Слот проверяется заменой одного слова, а не переписыванием описания.

Чего модель не понимает
Имена людей. Просить лицо конкретного человека бесполезно и юридически опасно: в коммерческой работе чужое узнаваемое лицо это чужое право. Опишите признаки, а не имя.
«Модельная внешность». Слово ничего не сообщает: модельная внешность в разные годы и у разных домов была разной. Опишите, что вы имеете в виду: рост, худобу, резкость черт.
Национальность вместо признаков. Модель понимает происхождение как усредненный тип и часто уходит в карикатуру. Надежнее описывать черты и тон кожи прямо.
Эмоции общими словами. «Счастливая» дает стоковую улыбку. Опишите, что происходит с лицом: the corners of the mouth barely lifted, eyes still serious.
Красоту через отрицание. «Не гламурная», «без вылизанности» модель понимает плохо, потому что запрет не описывает форму. Скажите, что есть: асимметрия, следы возраста, живая кожа.
Что ломается
Описание съезжает в стереотип. Чем короче слот черт лица, тем ближе результат к среднему. Если после трех попыток лицо остается типовым, добавляйте не эпитеты, а признаки: форма носа, посадка глаз, ширина челюсти.
Кожа стерильна, хотя вы просили поры. Модель понимает фактуру буквально в упор и теряет ее на общем плане. На средних и общих планах поры вы не получите, там работают другие признаки: осанка, сложение, состояние волос и одежды.
Возраст спорит с работой. Просите сорок лет, а получаете тридцать: модель тянет к молодости. Помогают следствия возраста, а не число: седые пряди, линии у глаз, сухость кожи рук.
Люди в кадре похожи друг на друга. Если в сцене двое, опишите обоих. Второй человек без описания получает лицо, усредненное из первого, и они выглядят родственниками.
Слишком много признаков. После десяти-двенадцати штук модель перестает держать все сразу. Уберите половину и посмотрите, изменился ли кадр: если нет, эти признаки и не работали. Как устроен промпт целиком и почему длина ему вредит, разобрано отдельно: устройство промпта.
Вердикт автора
Я снимал живых людей семнадцать лет и знаю, что кастинг решает больше, чем свет. Плохо снятый интересный человек смотрится лучше, чем идеально снятый никакой. В генерации ровно то же самое, только кастинг теперь пишется словами.
Что я делаю сам. Начинаю с состояния и возраста, потом добавляю две-три черты, и только потом смотрю на кожу и волосы. Порядок работы, а не порядок слов: сначала решить, кто этот человек, потом описывать его лицо.
Отдельно про красоту. Я беру моделей, которых нельзя назвать красивыми в обычном смысле: сухие, резкие, с запоминающимся лицом. В кадре они работают сильнее, потому что за них цепляется глаз. То же правило переносится в промпт: чем ровнее лицо, тем быстрее его забывают.
И про честность. Реальные люди в кадре имеют возраст, поры и усталость. Кадр, где этого нет, читается рекламой двадцатилетней давности, и бренду он не помогает продавать.
Частые вопросы
Сколько признаков лица оптимально?
Три-четыре. Больше модель начинает терять, меньше уводит в среднее.
Можно ли описать человека по фотографии знакомого?
Опишите его признаки словами, это законно и работает. Загружать чужое лицо как референс без разрешения нельзя.
Как получить одного и того же человека в десяти кадрах?
Описанием не получится. Нужен референс лица, который едет во все генерации серии.
Почему модель всегда делает людей моложе?
Так распределены данные, на которых она училась. Помогают следствия возраста: линии, седина, сухость кожи, осанка.
Нужно ли писать описание по-английски?
Модели устойчивее понимают английский, особенно в частях про фактуру и свет. Смысл при этом важнее языка: плохое описание не спасет ни один язык.