помните, мы с вами как-то говорили а может и не говорили память ни к черту, что сложные задачи на генерацию лучше разбивать на несколько простых?сейчас наглядно покажу вам, что это значит.➡️ у меня есть задача сгенерить композиционно сложный кадр с множеством деталей и объектов, один из которых — конкретный вид лапши в конкретной миске с конкретным декором.вместо того, чтобы пихать эти вводные в общий промпт + нагружать нейронку визуальными рефами, я выношу эту подзадачу в отдельный кейс, где собираю своего франкенштейна в единый осознанный вид.💡 лайфхак: генерите объекты на однотонном белом/сером фоне. так впоследствии нейросети будет проще интегрировать их в новую сцену, потому что не будет визуального шума.забираю результат и отношу его в изначальную большую задачу, где по итогу у меня вместо громоздкого блока с текстом и несколькими рефами будет всего один реф и одно предложение в тексте с отсылкой к моему собранному объекту.такие дела, народ. пробовали такой подход?
Неочевидный, но на 100% рабочий способ, как исправить низкое качество генерации.Отлично подходит для ситуаций, когда вы нагенерили фотку, несколько раз её отредактировали нейронками и детализация предсказуемо просела.Делаем по шагам:➡️ Закидываем наше замученное фото с плохим качеством в любую текстовую нейронку и пишем промпт:сделай реверс-промпт этого изображения для nano banana.Получаем текстовое описание того, что вообще происходит на картинке.➡️ В новом запросе просим сделать из этого же плохого исходника обычный набросок. Промпт такой:преврати это изображение в набросок.Так мы получим четкие контуры без грязи и визуального шума.➡️ Теперь собираем наш артефакт воедино. Загружаем получившийся скетч из второго шага, подгружаем туда же нормальное референсное фото продукта (в моем случае это фотка пенки для купания) и вставляем тот самый промпт, который мы вытащили на первом шаге.Клацаем «сгенерировать» и забираем нормальную, детализированную картинку в хорошем качестве. На первый взгляд способ замороченный, но его преимущество перед другими тактиками, которые мы с вами уже знаем, в полном контроле нейросети. пользуйтесь!благодарите лайком 🩷#полезныепромпты
сегодня ору чайкой на всю маршрутку!помните все эти громкие новости про то, как компании увольняют людей пачками, чтобы заменить их нейросетями и сэкономить хулиард денег? так вот, прилетели первые годовые отчеты, и реальность больно ударила кирзовым сапогом по лицам тех, кто выгонял людей на мороз.неожиданно выяснилось, что содержать эйяй сейчас тупо дороже, чем платить зарплату живым сотрудникам. причем намного.топ-менеджер Nvidia сказал, что: для команды прикладного глубокого обучения расходы на компьютерные мощности и аренду серверов уже давно обогнали затраты на зарплаты сотрудников.сюрпрайз сюрплайз мазафака!и это Nvidia! а что происходит у менее крупного бизнеса — вообще отдельный цирк с конями.техдир Uber, например, умудрился полностью слить весь годовой бюджет компании на ИИ еще до конца весны. знаете на что? на оплату токенов и запросов. оказалось, если у тебя миллионы пользователей или внутренних ботов постоянно дергают тяжелые языковые модели, счета от облачных провайдеров начинают расти как на дрожжах. софт подорожал процентов на 30, аренда серверов стоит космос, а электричества вся эта история жрет столько, что дата-центры скоро начнут строить со своими личными электростанциями.и ладно бы, если это приносило прибыль. Gartner провели исследование и развели руками: у 80% компаний, которые сократили штат ради роботов, окупаемость вообще не выросла. то есть людей уволили, процессы поломали, попа-дырка-боль оставшимся счастливчикам добавили (за ИИ все равно надо постоянно проверять косяки и галлюцинации), а денег стало уходить только больше.дошло до того, что финтех-гигант Klarna, который громче всех орал об успешной замене службы поддержки на ИИ, потихоньку начал нанимать людей обратно на те же позиции, потому что человек в плане расходов банально предсказуемее. ты платишь ему фикс, он работает. а с эйяй ты сидишь как на пороховой бочке, не зная, какой счет за облака прилетит в конце месяца.и естественно у адекватного населения возникает резонный вопрос. з
▫️▫️ большой перезапуск Gemini: изменения в дизайне, как устроен уровень мышления, как теперь генерировать фото в nano banana 2 и pro.у нас тут майское обновление интерфейса Gemini, которое в очередной раз изменило логику работы с экосистемой нейронок от Google.погнали, пройдёмся по меню. расскажу вам, как это влияет на генерацию картинок.для начала надо понимать, что текстовые модели (flash, lite, pro) сами по себе фотки не генерят. они выполняют роль мозга, который принимает промпт, обрабатывает его и передает соответствующему графическому движку семейства банановых.1️⃣ Gemini 3.1 Flash-Lite: самый простой текстовый чип. он подключен к базовому графическому движку. картинки вылетают моментально (до 1.5 секунд), но хромают на обе ноги от замыленных текстур, шакального текста и анатомических ошибок.2️⃣ Gemini 3.5 Flash: флагманская модель гугла. именно она по умолчанию активирует скоростной генератор изображений nano banana2 (официально — Gemini 3.1 Flash Image). выдает коммерческое качество, приемлемо прорисовывает текст и умеет сохранять лицо одного персонажа на разных кадрах. скорость генерации 2–3 секунды.3️⃣ Gemini 3.1 Pro: тут прячется тяжелый движок nano banana pro. генерирует долго (7–10 секунд), выдает, по заявлениям разрабов, максимальный фотореализм.теперь давайте поговорим о том, что из себя представляют пункты thinking level.🟩 standard: иишка мгновенно передает промпт nano banana без изменений.🟥 extended: перед генерацией нейронка берёт паузу на несколько секунд. в это время она запускает скрытые цепочки рассуждений, улучшает композицию промта, исправляет логические ошибки, продумывает правильный свет и только потом отдает идеальную команду графическому движку.⭐️ Гид по комбинациям: 💡 для быстрых набросков и черновых сборок• настройки: 3.5 flash + standard• для чего: создание простых кадров, одиночных объектов, фонов или быстрых концептов.• результат: нормальное качество nano banana 2 за пару секунд.💡 оптимальный• настройки: 3.5 flash + extended• дл
промпт для исправления фокуса на генерациивижу по статистике, что вам полюбились короткие и полезные промпты. штошшш, этого добра у меня навалом!сегодня научу вас, как поправить промах в фокусе камеры.фотку для примера взяла из гугла.на ней мы видим художественный замысел автора — размытую девушку на фоне, а фокус на будильнике.но что, если нужно всё наоборот?например, необходимо передний план с будильником оставить в расфокусе, а девушку сделать полностью чёткой.секрет успеха кроется в одном предложении:инвертируй фокус камеры, сделав лицо девушки четким, а будильник слегка размытымкак много отдала бы я во времена, когда занималась фотографией за такую фичу...пользуйтесь!благодарите лайком 🩷#полезныепромпты
надстройка для промпта в Krea AI, чтобы генерить больше фотографий за меньшую стоимостьщас будет секретик на ушко только между нами, народ. больше никому не рассказывайте))если у вас, так же как и у меня, подгорает от стоимости генераций в Krea, то вот вам имбовая строчка, с помощью которой можно нагенерить в 2-3 раза больше фоток по цене одного прогона.создай сетку из 3 вертикальных фотографий по следующему промпту:после двоеточия вставляю промпт, далее выбираю горизонтальное соотношение сторон и качество 4k, нажимаю сгенерировать и вместо двух фотографий получаю аж шесть!пользуйтесь!благодарите лайком 🩷#полезныепромпты
как положение рук влияет на движение в кадре при видео генерациипоступила задача, где нужно сгенерить видос, на котором руки модели появляются справа и «вытягивают» упаковку туалетной бумаги из кадра.в ходе работы обнаружила интересный факт.если рука модели лежит на пачке сверху, то движение начинается с того, что пачка двигается сначала вперёд и только потом назад.но если мы положим верхнюю руку сбоку пачки (сверху остаётся только большой палец, а остальные четыре располагаются сбоку), то движение воспроизводится корректно и пачка сразу «вытягивается» из кадра.такие дела, народ, прикиньте!🤩
делаем бьюти ретушь продукта в GPT Image 2.0действие в двух актах.➡️ акт 1: ставим задачуберем свою фотку (я взяла из интернета чужую). закидываем в чат и пишем простенький промпт. почему простенький? чтобы не перегрузить мозг гпт на старте + прощупаем границы дозволенного в плане насколько надо упороться по промпту.в принципе, уже можно брать и отдавать в прод, но акта заявлено два, поэтому усиливаем напых!➡️ акт 2: блик на крышке и надписия кусками заскриншотила на официальном сайте Dior блик на крышке и серебряные надписи.нажимаю кнопку "Редактировать", пишу там текстом, что надо заменить и прикладываю скрины в качестве рефов.всё, мы как всегда великолепны.задача заняла у нас чуть меньше 5 минут.так как чат гпт отдаёт нам фотку не в самом вкусном разрешении, дальше можно отнести её в апскейлер и получить жирный люкс!P.S.: помните, как Сэм Альтман поручил своим разрабам бросить всё и отхватить таки долю рынка по генерации картинок?думаю, у них получилось. не банановый убийца, конечно, но очень достойно.
в поисках чего бы еще такого скинуть на нейронку, была обнаружена функция роскошной обтравки. рассказываю.берёте фотку, кидаете её в chatGPT и пишете следующее:[ваш объект], transparent background, pngгпт на изи справляется и с простыми однотонными, и со сложными фонами, а также играючи вытравляет волосы и шерсть.пользуйтесь!благодарите лайком 🩷#полезныепромпты
супер простой способ восстановить текст на этикетке.ситуация из жизни. у меня есть фотка вертикально стоящей банки, на которой при генерации зашакалился текст.если загрузить в нейросетку фото как есть, то сильного прогресса в исправлении вы не добьётесь.но всё кардинально меняется в лучшую сторону, если перевернуть банку! да да не удивляйтесь)⚙️ лайфхак: для корректного исправления текста на этикетке нужно просто повернуть банку в горизонтальное положение. и генерацию, и реф, откуда нейронка будет брать текст.как оказалось, нейросетям проще реконструировать текст, когда он расположен привычным образом — слева направо. в исходнике надписи перевернуты, а nano banana пытается обработать их по стандартному алгоритму и предсказуемо шакалит картинку из-за плохой идентификации. но как только текст принимает естественное положение, нейросеть начинает считывать его корректно.такие дела. век живи, век учись)пользуйтесь!благодарите лайком 🩷
