Что изменилось в генерации за год: наблюдения с товарных задач

Что изменилось в генерации за год, легко описать общими словами про прогресс. Интереснее посмотреть на конкретные товарные задачи: где стало ощутимо легче, а где всё по-прежнему.

Где стало заметно лучше

Руки. Год назад кадр с предметом в руке был лотереей, сейчас попадание на второй-третьей попытке, текущее состояние разбирали отдельно.

Текст на картинке. Кириллица всё ещё проблема, но часть моделей доработали специально, и короткие надписи стали проходить.

Скорость. Быстрые модели сократили ожидание с минут до секунд, и это поменяло сам процесс работы: стало выгодно перебирать, а не вылизывать запрос.

Сохранение объекта. Генерация сцены вокруг реального товара уводит сам товар заметно реже.

Видео со звуком. Год назад это была экзотика, сейчас рядовая функция.

Что осталось прежним

Длина видео. По-прежнему секунды, и длинный ролик по-прежнему собирается из кусков.

Липсинк на русском. Держится на коротких репликах, подробности отдельно.

Схемы и структуры со связями. Модель рисует похожее, а не осмысленное.

Повторяемость. Один запрос по-прежнему даёт разные результаты.

Достоверность. Модель по-прежнему не знает вашего товара и додумывает то, чего не видела.

Что изменилось в генерации за год в привычках

Стоит пересмотреть несколько правил, которые были верны и перестали быть.

Правило «перевести промпт на английский» ослабло: разница на простых сценах почти пропала.

Правило «руки не генерировать» больше не абсолютно.

Правило «одна модель на все задачи» стало невыгодным: разница между быстрыми и тяжёлыми выросла, и держать две стало осмысленно, про выбор есть материал.

Привычка вылизывать запрос до генерации на быстрых моделях теперь проигрывает перебору.

Как следить за изменениями без суеты

Проверять раз в квартал, а не каждую неделю: между релизами меняется меньше, чем кажется по заголовкам.

Держать одну тестовую задачу из своей практики и прогонять её на новинках. Это честнее любых чужих сравнений.

Смотреть на изменения в том, что у вас болит, а не на общие рейтинги.

И не переезжать на новое сразу: привыкание к модели стоит времени, и оно окупается не мгновенно.

Чего это не отменяет

Реальный товар в кадре по-прежнему ничем не заменяется.

Проверка перед публикацией по-прежнему обязательна.

Экономия времени по-прежнему берётся из подготовки исходника, а не из новой модели.

Я перечитал свои заметки годичной давности и половину советов оттуда уже не дал бы. Другая половина не изменилась вовсе, и это как раз та часть, что про подготовку и проверку, а не про инструмент.

Не удивлюсь, если через год и она устареет: предсказывать в этой области я разучился.

Часто задаваемые вопросы

Что улучшилось сильнее всего? Руки в кадре, скорость генерации, сохранение реального объекта в сцене и звук в видео.

Что осталось без изменений? Длина роликов, синхронность губ на русском, схемы со связями и повторяемость результата.

Какие привычки пора пересмотреть? Обязательный перевод промпта на английский, отказ от кадров с руками и работу на одной универсальной модели.

Что не меняется? Необходимость реального товара в кадре, проверка перед публикацией и польза от подготовки исходника.

Стоит ли гнаться за каждой новой моделью? Нет. На привыкание к модели уходит время, и оно окупается не сразу. Разумный шаг это пересмотр набора раз в полгода.

Что не изменится и дальше? Необходимость реального товара в кадре и проверка перед публикацией. Это часть про процесс, а не про инструмент.

Источники

1. Flami: товар в руках нейросетью
2. Flami: липсинк нейросетью
3. Flami: как выбрать модель под задачу