Кілька років тому фраза «намалюй кота-космонавта в стилі олійного живопису» звучала як жарт. Сьогодні на це потрібно секунд двадцять і безкоштовний сервіс у браузері.
Найдивніше, що програма нічого не копіює з інтернету й не склеює шматки чужих знімків. Далі — пояснення принципу без формул, поради щодо запитів і ознаки, за якими згенероване зображення видно неозброєним оком.
Як штучний інтелект створює зображення
Найточніша аналогія — скульптор, який відсікає зайве від брили каменю. Тільки замість каменю програма починає з екрана суцільного цифрового шуму, схожого на перешкоди старого телевізора.
Далі система крок за кроком прибирає хаос, орієнтуючись на ваш текстовий опис. Після кількох десятків таких проходів із безладу проступає зображення, що відповідає запиту.
Ключовий момент: результат щоразу створюється наново. Той самий опис, введений двічі, дасть дві різні картинки, бо початковий шум щоразу інший.
Найкраща технологія та, принцип роботи якої можна пояснити на пальцях за хвилину.
Чому програма розуміє слова
Модель заздалегідь навчили пов’язувати текстові описи з візуальними ознаками. Вона бачила мільйони пар «зображення плюс підпис» і вловила закономірності.
Через це вона знає, що слово «захід сонця» зазвичай супроводжується помаранчевими відтінками біля горизонту, а «ретро» тягне за собою зернистість і приглушені кольори.
Розуміння тут статистичне, а не смислове. Програма не уявляє собі кота, вона знає, які поєднання пікселів найчастіше супроводжують це слово.
Чим це відрізняється від фотошопу
Графічний редактор працює з готовим матеріалом: ви берете знімок і змінюєте його. Генератор створює картинку з нуля, без вихідного файлу.
Побутовий приклад: щоб зробити колаж із замком на горі, раніше потрібно було знайти два знімки й акуратно поєднати їх. Тепер достатньо описати сцену текстом.
Через це змінилася і сама навичка. Замість володіння інструментами редактора на перший план вийшло вміння точно формулювати опис.
Як скласти запит для генерації
Якість картинки залежить від опису приблизно так само, як результат роботи фотографа залежить від технічного завдання. Розмите прохання дає випадковий результат.
Робочі елементи гарного запиту:
- головний об’єкт і його дія;
- місце та час доби;
- стиль: фотографія, акварель, олівець, 3D;
- освітлення: м’яке, контрастне, вечірнє;
- ракурс: крупний план, вид зверху, знизу;
- настрій: затишний, тривожний, святковий;
- співвідношення сторін під потрібний формат.
Не обов’язково вміщувати все одразу. Часто достатньо додати два-три уточнення, щоб результат змінився кардинально.
Приклад слабкого та детального опису
Слабкий варіант виглядає так: «собака». Програма видасть щось середнє й безлике, бо не має жодних орієнтирів.
Детальний варіант звучить інакше: «руда такса біжить осіннім парком, ранкове світло, крупний план, реалістична фотографія». Результат одразу придатний до використання.
Ще одна корисна деталь — вказівка, чого бути не повинно. Більшість сервісів дозволяє окремо перелічити небажані елементи на кшталт тексту чи людей на задньому плані.
Для чого використовують згенеровані зображення
Технологія швидко вийшла за межі розваги й закріпилася в робочих процесах. Найпоширеніші сценарії такі:
| Сфера | Приклад використання | Що це дає |
|---|---|---|
| Соцмережі | Ілюстрації до дописів | Візуал без фотосесії |
| Дизайн | Чернетки та концепти | Швидкий пошук ідей |
| Освіта | Наочні схеми та персонажі | Матеріал під конкретну тему |
| Малий бізнес | Банери й обкладинки | Економія на графіці |
| Побут | Візуалізація ремонту | Уявлення про майбутній результат |
| Хобі | Аватарки, листівки, стікери | Персональний результат за хвилини |
Найбільшу користь відчувають ті, кому потрібна ілюстрація вже зараз, а не через тиждень. Спробуйте згенерувати обкладинку для найближчого допису й порівняйте з пошуком у фотостоках.
Як відрізнити згенероване фото
Якість зростає щороку, але характерні промахи залишаються. На що варто дивитися передусім:
- Кисті рук. Зайві або зрослі пальці досі трапляються, особливо на задньому плані.
- Текст на зображенні. Написи на вивісках і книжках часто перетворюються на набір псевдобукв.
- Дрібні деталі. Оправа окулярів, сережки та ґудзики можуть обриватися посеред об’єкта.
- Симетрія. Обличчя й предмети іноді виходять надто ідеальними, без природної асиметрії.
- Тіні та відображення. Напрямок світла подекуди суперечить сам собі в межах однієї сцени.
- Фон. Далекі об’єкти розпливаються в незрозумілу кашу без чіткої структури.
Окремий орієнтир — невидимі позначки, які великі сервіси вбудовують у файл. Спеціальні інструменти зчитують їх і показують походження зображення.
Уміння сумніватися в побаченому стало навичкою не менш важливою за вміння читати.
Обмеження та етичні питання
Головна проблема — правдоподібні підробки. Згенерований знімок неіснуючої події поширюється мережею швидше, ніж спростування, і це вже вплинуло на роботу журналістів.
Друге питання стосується авторства. Моделі навчалися на роботах реальних художників, і суперечки про справедливість такого підходу тривають у судах різних країн.
Третє — портрети живих людей. Створювати реалістичні зображення конкретної людини без її згоди щонайменше некоректно, а в багатьох випадках і незаконно.
Практичне правило просте: перевіряйте походження знімків із новин, не видавайте згенеровану картинку за реальне фото та не використовуйте чужі обличчя.
З чого почати новачкові
Більшість сервісів мають безкоштовний ліміт, якого достатньо для знайомства. Реєстрація зазвичай займає кілька хвилин і не потребує навичок.
Починайте з простих сцен: пейзаж, натюрморт, тварина. Складні композиції з кількома персонажами та точною взаємодією поки даються моделям найгірше.
Далі рухайтеся ітераціями. Отримали картинку, додали одне уточнення, повторили. Такий підхід швидше приводить до потрібного результату, ніж спроба описати все ідеально з першого разу.
Штучний інтелект створює фото не копіюванням, а поступовим перетворенням цифрового шуму на зображення за вашим описом. Головна навичка тут — точне формулювання запиту, а головна пересторога — уважність до походження чужих знімків.
Відкрийте будь-який доступний генератор і опишіть картинку, яку давно уявляєте. Найцікавіше починається на третій-четвертій спробі, коли ви вловите логіку запитів.
