Референс вместо описания

Половина мучений первой недели уходит именно сюда. Человек пишет двенадцатую версию промпта про мягкий контровой свет и холодную тень, а нужный свет уже лежит у него в папке одним кадром.

Один файл, четыре разные работы

Кнопка загрузки одна, работ за ней четыре. Пока вы не сказали, какую именно заказываете, модель решает сама и обычно решает неудачно.

Основа кадра. Модель перерисовывает вашу картинку поверх нее самой. Композиция, поза, геометрия, крупность остаются, меняется исполнение. Так превращают эскиз в фотографию, черновой кадр в чистовой, дневную сцену в ночную. В интерфейсах этот режим подписан как image to image, «редактировать» или просто предлагается по умолчанию при загрузке.

Стиль. С картинки снимается почерк: характер света, палитра, контраст, зерно, поведение оптики. Сюжет при этом ваш, из промпта. Подписи бывают разные: стиль, style reference, «взять стиль».

Персонаж. С картинки берется лицо и телосложение, чтобы человек повторялся от кадра к кадру. Подписи: персонаж, character reference, «сохранить лицо».

Предмет. Ваш товар, упаковка, изделие переносятся в новую сцену без изменений. Это единственный способ показать реальную вещь бренда, потому что описанием такое не собирается никогда.

Названия ролей у сервисов разные, вопрос за ними один: что именно вы просите взять с этой картинки. Ответьте на него до загрузки.

Как загрузить

Порядок одинаковый почти везде.

1. Нажмите кнопку загрузки рядом с полем промпта и выберите файл. Обычный jpg или png с компьютера и телефона подходит.
2. Выберите роль из списка, если он есть. Если списка нет и поле одно, роль называется словами в промпте: «сохрани лицо с фотографии», «возьми свет и цвет с приложенного кадра».
3. Напишите промпт. Референс не отменяет описания: он говорит, как выглядит, а вы говорите, что происходит.
4. Найдите регулятор силы влияния и поставьте среднее значение. Про него весь следующий раздел.

Загрузка нескольких файлов сразу есть не везде. Там, где ее нет, порядок другой: сначала кадр по первому референсу, потом правка полученного результата по второму.

Что годится в референс

Отбор делается до загрузки, и он важнее промпта. Хороший референс отвечает на один вопрос.

• Одна идея на кадр. Картинка, которая нравится вам светом, композицией и цветом сразу, отдаст модели все три вперемешку.
• Главное занимает место. Если нужная фактура видна на пяти процентах площади, кадрируйте до нее и грузите кроп.
• Читаемый свет. По картинке должно быть понятно, откуда бьет источник и где тень.
• Разрешение живое. Скриншот из ленты, пережатый мессенджером, отдает кашу вместо фактуры.
• Без коллажей, надписей и водяных знаков. Модель считает их частью изображения и потащит в кадр.

Референсы берутся отовсюду. Кадр с вашей съемки, фотография товара клиента, работа фотографа, которую вы держите в подборке пять лет, своя же удачная генерация прошлой недели. Так работает вся индустрия: мудборд перед съемкой собирается из чужих кадров, и это нормальный язык профессии.

Важно другое: что именно вы с этого кадра берете. Свет, палитра, характер оптики переносятся и становятся вашим инструментом. Сюжет целиком копировать бессмысленно: вы получите чужую работу в своей задаче и ничему не научитесь.

Сила влияния

Это главный регулятор работы с референсом. Он отвечает на вопрос, насколько плотно модель держится вашей картинки.

Подписи у него разные: сила, влияние, strength, denoise, вес изображения, image weight. Шкала обычно от нуля до единицы или до ста. Смысл везде одинаковый.

Низкие значения. От референса остается общее ощущение: примерно та палитра, примерно то настроение. Композиция уезжает, лицо становится чужим. Годится, когда исходник нужен как отправная точка.

Средние значения. Рабочая зона для большинства задач. Композиция и свет узнаются, исполнение свежее.

Высокие значения. Кадр приближается к копии исходника. Промпт при этом почти перестает работать: вы просите зимнюю улицу, а получаете свой же летний кадр с легким холодком в тенях.

Искать значение нужно вилкой. Сделайте три кадра на одном промпте: низ шкалы, середина, верх. Разброс покажет, где ваша зона, и дальше вы двигаетесь шагами по одной десятой. Правка сразу на половину шкалы не говорит ничего: вы снова меняете все и снова не знаете, что сработало.

Там, где ползунка нет вовсе, сила задается словами. «Держись исходника вплотную, меняй только фон» работает как верх шкалы. «Возьми оттуда настроение и цвет, остальное свободно» работает как низ. Формулировка грубее ползунка, направление она задает.

Что переносится со стилевой картинки, а что нет

Стилевой референс отдает технику съемки. Сюжет остается за вами.

Переносится характер света: жесткий он или мягкий, откуда бьет, какая плотность тени. Переносится палитра и контраст. Переносится зерно и общая фактура изображения. Переносится поведение оптики: сжатие перспективы, глубина резкости, характер размытия.

Не переносится сюжет. Не переносится композиция. Не переносится конкретный предмет и конкретный человек, для них есть свои роли.

Отсюда самая частая ошибка со стилем. В стилевой референс берут кадр с сильным сюжетом: человек в красном платье на фоне моря. Модель считывает не только свет, она тащит красное платье и море в вашу сцену про кофейню. Для стиля годятся кадры, где сюжет тихий, а свет и цвет громкие.

Почему модель не слушается и берет не то

Разбор по причинам. В моей практике других не встречалось.

Слова спорят с картинкой. В промпте остался старый текст про студийный фон, а на референсе улица. Модель получает два разных заказа и усредняет их. Правило: после загрузки референса перечитайте промпт и вычеркните все, что теперь показано картинкой.

В референсе две идеи. Вам нравился свет, а модель взяла позу. Она не знает, что вы смотрели на свет. Кадрируйте исходник до того, ради чего вы его взяли.

Роль не названа. Файл загружен, роль осталась по умолчанию, и модель поняла его как основу кадра. Отсюда кадры, которые повторяют исходник целиком, хотя от него хотели только палитру.

Сила влияния на краю шкалы. На верхе вы получаете копию, на низу референс перестает читаться совсем. Проверяйте этот ползунок первым, до правок промпта.

Соотношение сторон разошлось. Референс вертикальный, вы просите горизонтальный кадр. Модель достраивает недостающее по краям и часто ломает композицию. Приводите к одному формату заранее.

Текст и логотип в кадре. Надпись на футболке, вывеска на фоне, водяной знак фотобанка. Все это модель считает частью картинки и рисует свою кривую версию поверх.

Коллаж вместо кадра. Сетка из четырех картинок читается как одно изображение, и в результате вы получаете кадр с четырьмя сюжетами и швами посередине. Каждый исходник грузится отдельно.

Референс сам сгенерирован. Пластиковая кожа и стерильный свет чужой генерации переезжают к вам вместе с композицией. Если исходник уже отдает признаками ИИ, они наследуются: разбор этих признаков лежит в отдельном материале про то, почему картинка выглядит как ИИ.

Главное

Проверка на минуту: закройте промпт и посмотрите на референс глазами модели. Все, что в нем видно, будет учтено. Не только то, ради чего вы его взяли.

Несколько референсов сразу

Когда роли разведены, работает связка: персонаж с одной картинки, свет со второй, предмет с третьей. Так собирается серия, где человек и товар держатся от кадра к кадру.

Правила простые. Один референс на одну роль. Больше трех файлов в одном запросе почти всегда дают кашу. Если результат поехал, убирайте по одному и смотрите, что изменилось.

Порядок сборки у меня такой. Сначала кадр по главному референсу, обычно это персонаж или предмет. Потом правка полученного по образцу: отдаю модели свой же кадр и называю одно изменение. Дальше свет и цвет, если они не встали сразу.

Промпт при этом остается на своем месте. Референс показывает, как выглядит. Промпт говорит, что происходит и почему смотреть надо именно туда. Как собирается сам промпт, разобрано в материале про устройство промпта.

Что ломается

Референс закрывает половину проблем первой недели и открывает свои. Они приходят позже и тише.

Все работы становятся похожими. Вы нашли исходник, который дает хороший результат, и ставите его везде. Через месяц у вас одна съемка в двадцати вариантах. Референс держит технику, авторство он не держит.

Поиск референса заменяет работу. Час в подборках вместо трех генераций. Референс собирается за пятнадцать минут, дальше начинается кадр.

Референс тащит то, чего вы не замечали. Бирка на одежде, отражение в стекле, кривая рука на заднем плане. Пересмотрите исходник в масштабе один к одному перед загрузкой.

Копия вместо кадра. Сила выкручена наверх, результат неотличим от исходника, и человек считает это удачей. Проверка одна: закройте референс и спросите себя, что нового появилось в кадре.

Папка, которую никто не разбирал. Через полгода в ней четыреста картинок и вы не помните, зачем сохраняли триста из них. Раз в месяц оставляйте то, чем пользовались.