Нейросеть для фото: что умеет и какая нужна под задачу

Кратко. Нейросеть для фото закрывает три разные задачи: рисует кадр с нуля по описанию, правит уже снятое (фон, лишние предметы, размер) и собирает портрет конкретного человека по его селфи. Инструменты под них разные, и самая частая ошибка это взять генератор картинок и ждать от него сходства с собой.

Три задачи, которые называют одним словом

Ты вбиваешь «нейросеть для фото» и получаешь три непохожих продукта вперемешку, а какой из них твой, выдача не подсказывает. Первая задача: получить изображение по тексту, без исходника. Вторая: поправить снимок, который уже лежит в галерее. Третья: получить портрет себя, в котором тебя узнают знакомые.

Промах начинается там, где задачи смешивают. Допустим, человек открывает бесплатный генератор, пишет «мужчина 30 лет в костюме на фоне города», получает симпатичного незнакомца и решает, что нейросети врут про сходство. Генератор ничего про сходство и не обещал: он рисует человека вообще, а не тебя конкретно.

Понять, какая задача твоя, можно по одному вопросу: есть ли исходник и чьё лицо должно оказаться в кадре. Исходника нет и лицо неважно: первая колонка таблицы. Снимок есть, лицо твоё, мешает что-то вокруг: вторая. Лицо твоё, а обстановки, одежды и света на нужном снимке никогда не было: третья, и она же самая дорогая по вычислениям.

Дальше разберём все три по очереди: что внутри, сколько стоит, где потолок.

Генерация с нуля: кадр, которого никогда не снимали

С этого началась вся шумиха: пишешь текст, получаешь картинку, исходник не нужен. Кот в скафандре за десять секунд, и никто не пострадал.

Внутри работает диффузионная модель. Она училась на огромном наборе пар «изображение и подпись» и умеет ровно одно: убирать шум из случайного пятна, шаг за шагом подтягивая его к описанию. Отсюда два свойства, которые сбивают новичков. Результат каждый раз новый, даже если текст не менялся ни на букву. И описание работает как чертёж: скажешь про свет, план, ракурс и одежду точнее, кадр окажется ближе к тому, что было в голове.

Для тебя это значит, что промпт пишут как задание оператору, а не как отзыв. Работают конкретные существительные и параметры съёмки, а не оценки. Строчка «красивое атмосферное фото мужчины» даёт усреднённую открытку, потому что «красивое» модель понимает как среднее по всей обучающей выборке. Строчка «мужчина в сером свитере у окна, боковой мягкий свет, портретный план по грудь, размытый фон комнаты» даёт понятный кадр, потому что каждое слово там указывает на что-то видимое. Отдельно задаётся то, чего в кадре быть не должно: лишние руки, надписи, рамка, подпись художника.

Из русскоязычных инструментов без подписки на момент написания живут два. Кандинский от Сбера доступен через сайт Fusion Brain и внутри ассистента ГигаЧат, он же умеет дорисовывать и редактировать готовое. Шедеврум от Яндекса построен на модели YandexART и открывается с сайта или из мобильного приложения. Оба разбирают русский промпт без перевода, и это экономит время: формулировку не приходится гонять через переводчик и терять оттенки.

Midjourney работает по-другому: там платная подписка, бесплатной пробы на сайте нет. Оплата иностранной картой для российского пользователя добавляет отдельную возню.

Для чего эта группа хороша: фон для презентации, обложка поста, концепт интерьера, иллюстрация к тексту, картинка на превью ролика. Для аватарки с твоим лицом она не годится вообще, и никакая доработка промпта этого не меняет.

Нейросеть для фотографий, которые уже сняты

Снимок с отпуска удачный, только за плечом маячит чужой пляжный зонт. Здесь исходник твой, и лицо на нём остаётся твоим: модель работает вокруг него.

Что умеет эта группа инструментов:

• убрать из кадра лишнее: провода, прохожего за спиной, мусорный бак, чужой логотип на футболке;
• дорисовать края, когда снимок обрезан слишком плотно и не влезает в нужный формат;
• заменить фон или размыть его, оставив резким только тебя;
• поднять разрешение старого файла и вытянуть детали, которые пропали при сжатии;
• раскрасить чёрно-белый снимок и залечить царапины на скане из семейного альбома.

Самый известный представитель здесь это генеративная заливка в Фотошопе. Она работает на моделях Firefly и списывает генеративные кредиты, которые входят в подписку и обновляются раз в месяц. Условия по кредитам Adobe меняет, поэтому остаток смотри в своём аккаунте. Кредиты закончились: ждёшь следующего месяца или докупаешь пакет отдельно.

Рядом крутится мелочь помельче: мобильные редакторы с автоматическим «улучшением» портрета. С ними стоит держать руку на тормозе. Ползунок разглаживания кожи, подтянутый до упора, стирает поры и превращает мужское лицо в манекен, и это читается даже на маленьком превью. Взрослому портрету фактура идёт на пользу: морщины у глаз, щетина, неровный тон выглядят живыми.

Граница между второй задачей и третьей проходит ровно по лицу. Пока ты правишь фон, одежду и мусор по краям, снимок остаётся документальным: так всё и было, просто чище. Как только просишь «перенеси меня в другую сцену целиком», начинается генерация, и правила там другие.

Портрет конкретного человека: сходство это отдельная работа

Модель, которая видела миллионы мужчин, ни разу не видела тебя. Понятие «мужчина сорока лет с бородой в сером пиджаке» она знает, а тебя нет: твоего лица не было в обучении, и взяться ему неоткуда. Чтобы в кадре появился ты, модели надо показать твоё лицо и заставить его запомнить. Именно на этом шаге сервисы делятся на два лагеря.

Перенос лица в готовую сцену. Сцену берут готовую (кабинет, вечерняя улица, студийный свет), твои черты переносят в неё с нескольких селфи. Быстро, недорого, порог входа минимальный. Слабое место в мелочах: форма носа немного гуляет от кадра к кадру, родинка или шрам пропадают, борода теряет свой контур. На превью размером с ноготь этого никто не заметит, на большом экране заметят.

Обучение личной модели. Сервис берёт 15-20 твоих фото и дообучает поверх большой модели маленький дополнительный слой. Этот приём называется LoRA, мы объясняли его простыми словами в отдельной статье. После обучения модель держит твоё лицо как самостоятельное понятие и вытаскивает его в любую сцену, хоть в спортзал, хоть в переговорку. Дороже, ждать дольше, зато сходство ощутимо выше.

Само слово «похожесть» стоит разложить. Совпадение по пикселям тут никому не нужно. Нужно, чтобы коллега, увидев кадр, сказал «о, это ты», а не «это кто?». Держится это на трёх вещах: пропорции лица (расстояние между глазами, ширина челюсти, линия скул), характерные приметы (форма бровей, залысины, шрам, родинка) и мимическая привычка, то самое выражение, с которым ты обычно смотришь. Первое приличная модель обычно забирает с трёх фото. Второе и третье появляются только после обучения на нормальной подборке.

Ещё одна засада ждёт на стороне заказчика. Своё лицо мы знаем по зеркалу, а фото показывает его без отражения, поэтому собственный портрет часто кажется чужим, даже снятый настоящей камерой. Если кадр вызывает ощущение «вроде я, но не я», покажи его двоим знакомым и спроси не «красиво ли», а «похоже ли». Ответ со стороны обычно расходится с личным впечатлением.

Ориентир простой. Кадр уходит в мессенджер и будет жить размером с иконку: хватит переноса лица. Фото увидят люди, которые знают тебя в лицо, и будут его разглядывать: нужна личная модель.

Что нужно на входе и сколько это занимает

Качество исходников решает больше, чем выбор сервиса. Модель видит только то, что ты загрузил, и достраивать недостающее будет наугад.

1. Быстрый режим: три селфи, снятых фронтально при нормальном свете. Лицо целиком в кадре, глаза открыты, ничего его не перекрывает.
2. Личная модель: 15-20 снимков, обязательно из разных дней. Разный свет, разный фон, разные ракурсы, пара кадров по пояс и пара крупных.
3. Чего на исходниках быть не должно: тёмных очков, шапки по брови, чужих людей в кадре, тяжёлых фильтров и бьюти-режима. Отфотошопленное лицо модель заучит как твоё настоящее и будет рисовать именно его.
4. Формат: обычные jpeg с телефона подходят, тянуть зеркалку и снимать в raw смысла нет.

Подробный чек-лист по съёмке исходников у нас лежит в отдельном материале про селфи для нейросети: там разобрано, почему десять кадров, снятых за одну минуту у одного окна, работают хуже пяти кадров из разных мест.

До загрузки имеет смысл потратить пять минут на пользовательское соглашение сервиса и найти там два пункта. Первый: получает ли площадка право использовать твои снимки для обучения своих моделей и для рекламы. Второй: можно ли удалить загруженное и обученную на нём модель по запросу. Если ни того, ни другого в документах нет, лучше поискать другой сервис: это твоё лицо, и разбрасываться им на всякий случай не стоит.

По времени всё зависит от режима. Перенос лица в готовую сцену укладывается в минуты: первые кадры приходят почти сразу после оплаты, пакет целиком собирается за 10-20 минут. Обучение личной модели занимает около двадцати минут, потому что модель надо сначала натренировать и только потом запускать на ней генерацию.

Сколько стоит нейросеть для фото и где кончается бесплатное

Разница в деньгах объясняется тем, где именно тратятся вычисления. Генератор картинок можно раздавать бесплатно потому, что модель обучили один раз и для всех. Портрет конкретного человека так не работает: под тебя нужен или отдельный проход с твоими селфи, или собственная обученная модель, и её считают персонально. Поэтому к бесплатному «портрету как у тебя» стоит относиться с подозрением и сначала смотреть, что сервис делает с файлом: ставит ли метку и в каком размере отдаёт.

Считать удобнее за один пригодный кадр, месяц подписки тут плохая мерка. У генераторов картинок счёт легко уезжает: перебираешь формулировки, пятнадцать попыток уходят в корзину, зато шестнадцатая попадает. С портретными сервисами иначе: платишь один раз за пакет, но отбраковку закладывай заранее. Чем больше кадров в пакете, тем больше выбор, из которого собирается набор под несколько площадок.

Для сравнения с офлайном: час съёмки у фотографа в крупном городе стоит 8-25 тысяч рублей, ретушь идёт отдельным прайсом по 300-1500 рублей за кадр, готовые файлы приходят через 3-14 дней.

Чего ии-нейросеть для фото не сделает

Некоторые вещи нейросеть не сделает, сколько ни переписывай промпт. Список короче, чем кажется, но он жёсткий.

• Документы. Паспорт, виза, водительское удостоверение: там принимают только съёмку по регламенту. Сгенерированный кадр отклонят, и спорить бесполезно.
• Конкретные вещи. Твоя машина с твоим номером, твоя гитара с царапиной на деке, твой цех: модель нарисует похожий предмет, а не этот.
• Репортаж и другие люди. Свадьба, корпоратив, ребёнок на руках: всё, где важен момент и реальные лица рядом, снимается камерой.
• Мелкая геометрия. Пальцы, текст на вывеске, узор на галстуке, дужки очков, цепочка на шее: тут генерация ломается чаще всего. Мы собрали типичные поломки в справочник артефактов, по нему легко проверять свои кадры перед публикацией.
• Правки уровня «сдвинь руку на пять сантиметров». Точного управления композицией у генераторов нет, вместо этого перегенерируют кадр целиком.

Есть ещё одна вещь, которую стоит держать в голове при размещении. Площадки постепенно вводят пометки о сгенерированном содержимом, и часть из них читает метаданные файла. Для делового профиля правило простое: если фото подаётся как рабочий портрет, оно должно выглядеть как рабочий портрет, а не как обложка фантастического романа. Сцена с драконом на фоне в резюме вызовет вопросы независимо от того, чем её сделали.

Отдельная оговорка про сходство. Даже обученная модель иногда промахивается: подводит подбородок, съезжает форма глаз, лицо молодеет. Нормальная практика здесь это отбраковка: оставляешь кадры, где узнаёшь себя сразу, остальные удаляешь без сожалений.

Кому какой инструмент подходит

Развилка занимает минуту, пока стоишь в очереди за кофе, если честно ответить на один вопрос: чьё лицо должно быть в кадре.

• Нужна картинка без людей или с безымянным человеком (фон, обложка, иллюстрация): бесплатный генератор, Кандинский или Шедеврум.
• Есть удачный снимок, мешает фон или посторонний предмет: редактор с генеративной заливкой.
• Старая фотография рассыпается в пикселях при увеличении: апскейл и восстановление.
• Нужна одна аватарка в мессенджер, и разглядывать её никто не будет: перенос лица в готовую сцену, трёх селфи достаточно.
• Нужен набор портретов под соцсети, анкету знакомств и рабочий профиль, где лицо должны узнавать: обучение личной модели.
• Нужен документ или репортаж: фотограф с камерой, здесь нейросети делать нечего.

Как это устроено у нас

Мы делаем третью задачу из трёх: портреты конкретного мужчины, по одному человеку в кадре.

Быстрый режим работает так. Загружаешь три селфи, выбираешь сцены в каталоге, где их больше 600: студия, улица, деловой кабинет, спортзал, поездка. Первые кадры приходят через пару минут после оплаты, весь пакет собирается за 10-20 минут. Пакет на 10 фото стоит 490 ₽, на 25 фото 990 ₽, на 56 фото 1 990 ₽.

Профи-режим это обучение личной модели: 15-20 фото на вход, около двадцати минут ожидания, на выходе 60 кадров в пяти стилях за 3 490 ₽. Сходство там заметно выше, поэтому в него идут, когда фото пойдут людям, которые знают тебя лично.

Что важно знать заранее: кадры приходят вертикальными в пропорции 3:4, других ориентаций и автоматической обрезки под форматы площадок нет, квадрат под аватарку вырезаешь сам. Кадры из каталога сразу идут в 2K. В «Профи» часть кадров своей модели можно увеличить бесплатно. Готовое лежит в личном кабинете, файлы скачиваются в полном размере, оплата проходит через Robokassa с автоматическим чеком.

Частые вопросы