Нейросеть для описания фото: что она видит и как получить промпт

Кратко. Описать фото умеют чат-боты с поддержкой картинок: ChatGPT, Gemini, GigaChat и Алиса AI. Загружаешь снимок, и сеть словами рассказывает, что на нём: люди, свет, фон, одежда, настроение. Мужчине это нужно для трёх вещей: вытащить промпт из понравившегося кадра, проверить, что сеть видит на твоём селфи, и сделать подпись или alt-текст.

Нейросеть для описания фото: что это и кому нужно

Если тебе нужно описать фото для школьного сочинения по картине, это другая история, и нейросеть тут скорее помешает учителю поверить, что писал ты. Здесь про взрослую задачу: у тебя есть снимок, и ты хочешь, чтобы сеть объяснила его словами.

Обычно генератор получает текст и рисует картинку. Описание работает в обратную сторону: на входе картинка, на выходе текст. Для этого не нужен отдельный сервис, достаточно чат-бота, который принимает изображения.

Зачем это мужчине, которому нужны фото, а не тексты:

1. Ты увидел классный портрет в чужом профиле и хочешь такой же по настроению. Описание даёт готовый промпт.
2. Ты собираешься загрузить селфи в генератор и хочешь понять, что сеть на нём заметит, кроме твоего лица.
3. Тебе нужна подпись к посту или alt-текст к фото на сайте, а придумывать лень.

Какие нейросети умеют описать фото

Годится любой чат-бот, который понимает изображения. Работают они похоже: прикрепляешь снимок скрепкой и пишешь, что хочешь узнать.

У Яндекса функция живёт в Умной камере: фотографируешь предмет или берёшь снимок из галереи, Алиса рассказывает, что видит, а дальше можно задавать уточняющие вопросы голосом или текстом. Сбер для GigaChat пишет, что модели распознают изображения и документы и используют их в ответе. Представь: ты фотографируешь пиджак на вешалке в магазине и спрашиваешь, с чем его носить. Бот сначала опишет вещь, потом ответит.

Отдельно про ChatGPT и работу с картинками у нас есть разбор ChatGPT для фото.

Как описать фото нейросетью: запросы, которые работают

Простое «опиши фото» даёт вялый пересказ: «на изображении мужчина в тёмной куртке стоит на улице». Правда, но толку ноль. Сеть отвечает ровно на тот вопрос, который задан, поэтому вопрос надо делать конкретным.

Вот запросы под разные задачи:

• Для разбора кадра: «Опиши этот портрет как фотограф: план, ракурс, откуда свет, какой он, что на фоне, как одет человек, какое настроение».
• Для промпта: «Составь промпт для генерации похожего портрета. Опиши сцену, свет, объектив, цветовую гамму и позу. Внешность человека не описывай».
• Для подписи: «Придумай три короткие подписи к этому фото для поста, без хэштегов и без слов вроде „вдохновение“».
• Для alt-текста: «Опиши фото одной фразой до 120 символов для alt-текста на сайте».

Если ответ длинный и водянистый, скажи прямо: «Короче, списком, только то, что видно». Чат-боты хорошо слушаются второго захода.

Ещё один приём: проси описание в двух вариантах, по-русски и по-английски. Русский удобно читать и править, а английский пригодится для генераторов, которые с ним работают увереннее. Скажем, ты хочешь понять, почему чужой портрет выглядит дорого. Бот ответит, что свет мягкий и идёт из большого окна сбоку, фон на три шага позади и размыт, а одежда однотонная. Три причины вместо смутного «ну, красиво».

Промпт по фото: как вытащить стиль из чужого кадра

Допустим, ты листаешь ленту и видишь портрет парня на ночной улице: мокрый асфальт, неон, свет сбоку, взгляд мимо камеры. Хочется так же. Загружаешь скриншот и просишь промпт.

Сеть выдаст что-то вроде: «портрет по пояс, ночная городская улица после дождя, розовый и синий неон, боковой свет слева, мелкая глубина резкости, объектив 85 мм, спокойное выражение лица, взгляд в сторону, тёмная кожаная куртка». Это уже рабочий материал.

Дальше две вещи. Первое: проверь, не описала ли сеть самого человека («темноволосый мужчина с бородой, лет тридцати»). Такие слова из промпта убирай, иначе генератор начнёт рисовать чужую внешность поверх твоей. Второе: не жди копии. Описание передаёт сцену и свет, а конкретный фон, складки на куртке и отражения в лужах генератор нарисует свои. Как устроен промпт и зачем нужен негативный, разобрано в статье что такое промпт и негативный промпт.

И про чужое: брать настроение и свет с чужого кадра нормально, так учатся все фотографы. Выдавать чужое фото за своё или копировать чужое лицо уже нет.

Что нейросеть видит на твоём селфи

Самое недооценённое применение. Перед тем как загружать селфи в генератор, спроси бота: «Опиши всё, что видишь на этом фото, включая мелкие детали и фон». Ответ покажет то, что ты сам давно перестал замечать.

Было: тебе кажется, что это нормальное селфи у окна. Стало, по версии бота: «мужчина в очках с бликом на левом стекле, свет сверху, тень под глазами, за спиной сушилка с бельём, на лице следы от подушки». Каждая из этих деталей может переехать в генерацию. Блик на очках превратится в странное пятно, сушилка в невнятную конструкцию на фоне.

Полезные вопросы к своему снимку:

1. «Откуда падает свет и есть ли жёсткие тени на лице?»
2. «Что на фоне может отвлекать?»
3. «Лицо резкое или смазано?»
4. «Как выглядит выражение лица: спокойное, напряжённое, уставшее?»

Четвёртый вопрос неприятный, но честный. Если бот видит «уставшее», его увидит и тот, кто будет смотреть твою анкету. Как снять исходники так, чтобы генератору было с чем работать, мы писали в тексте про селфи для нейросети.

Подписи и alt-текст: описать фото для поста и сайта

Alt-текст это короткое описание картинки для тех, кто её не видит: незрячих людей с экранным диктором и поисковиков. Если у тебя сайт, портфолио или страница услуг, alt у фото нужен, и нейросеть пишет его за секунду.

Хороший alt короткий и без оценок. Плохо: «На этом прекрасном фото изображён уверенный в себе успешный мужчина». Хорошо: «Мужчина в сером пиджаке у окна офиса, смотрит в камеру». Первое звучит как реклама, второе описывает то, что видно.

С подписями к постам бот справляется хуже, чем с описанием: тянется к штампам вроде «новая глава» и «время для себя». Проси несколько вариантов и сразу запрещай пафос. Чаще всего лучшая подпись всё равно получается, когда берёшь идею из ответа и переписываешь своими словами за двадцать секунд.

Чего описание не умеет

Описание не видит, похож ли человек на себя. Бот скажет «мужчина с короткой бородой», но не скажет, узнают ли тебя друзья на этом кадре. Сходство проверяется только глазами людей, которые знают тебя в жизни.

Ещё сети ошибаются в мелочах: путают цвет в тёмном кадре, додумывают предметы на размытом фоне, уверенно называют марку часов, которых там нет. Для промпта это не страшно, для alt-текста проверь глазами. Представь подпись под фото на сайте твоей студии: «мужчина с часами Rolex», а на руке у тебя фитнес-браслет. Клиент заметит раньше, чем ты. И помни про приватность: селфи уходит на сервер компании, которая делает бота, и правила хранения у каждой свои. Документы и фото с людьми, которые не соглашались, туда лучше не грузить.

От описания к кадру со своим лицом

Когда описание получено, его можно отдать генератору. Но обычный генератор нарисует сцену с незнакомцем: текст не несёт твоего лица.

У нас для этого есть режим «Свой кадр». После оплаты пакета ты описываешь идею по-русски, до 1000 символов, и сервис разворачивает её в полноценный промпт, а лицо берёт с твоих снимков. Можно вставить туда то самое описание ночной улицы с неоном. Если готовой сцены хватит, в каталоге их больше 600. Пакет на 10 фото стоит 490 ₽, первые кадры приходят через пару минут после оплаты, весь пакет за 10-20 минут. Снимки для генерации уходят AI-сервисам kie.ai и fal.ai под конкретный заказ. Формат кадров вертикальный 3:4.

Источники

• Яндекс, Умная камера в приложении «Яндекс с Алисой AI»: https://yandex.com/support/m-yandex/ru/app/search
• Сбер, работа с файлами в GigaChat API: https://developers.sber.ru/docs/ru/gigachat/guides/working-with-files

Частые вопросы