Сервис генерации фото: четыре типа задач и что подходит под каждую

Под словом «фото» люди имеют в виду четыре совершенно разные вещи, и сервис генерации фото выбирается под каждую по-своему. Пока задача не названа точно, сравнивать сервисы бессмысленно: они выигрывают в разных дисциплинах.

Тип первый: предметное фото

Товар на фоне, упаковка, деталь крупным планом. Самая освоенная задача.

Что работает: генерация от вашего снимка. Модель берёт реальный предмет и строит вокруг него сцену, свет и поверхность.

Где промахи: мелкий текст на упаковке, повторяющийся узор, отражения на стекле и металле. Всё это модель додумывает, и на карточке товара такая вольность заметна.

Под предметку берут Nano Banana и Seedream 5.0, для стерильной студийной подачи Imagen 4.

Тип второй: фото с человеком

Модель в одежде, руки с товаром, лицо в кадре.

Что работает: общие планы, сцены, где лицо не крупно.

Где промахи: руки и пальцы, симметрия лица, естественность позы. Плюс усреднённый типаж, если не дать референс. Про артефакты у нас есть отдельный разбор.

Отдельная тема: если человек в кадре должен быть узнаваемым, генерация без его фотографии не подходит вовсе.

Тип третий: фон и среда

Интерьер, улица, абстрактная поверхность, на которую потом лягут объекты.

Самая простая задача из всех: нет узнаваемых предметов, нет лиц, требования к точности минимальные.

Здесь выигрывают быстрые модели: Z-Image выдаёт варианты почти мгновенно, и для перебора фонов это важнее тонкой проработки.

Промах обычно один: фон получается слишком выразительным и перетягивает внимание с товара.

Тип четвёртый: доработка существующего снимка

Убрать лишнее, поменять фон, поправить свет, увеличить разрешение.

Формально это уже не генерация с нуля, а редактирование, и часть сервисов их путает. Умение сгенерировать красивый кадр и умение аккуратно вычистить объект из вашего фото это разные вещи.

Про апскейл и разрешение мы писали отдельно, там есть неочевидные моменты.

Как честно сравнить сервис генерации фото с соседним

Берёте один свой реальный кадр, не пример с сайта.

Прогоняете через два-три сервиса с одинаковым запросом.

Смотрите не на общее впечатление, а на конкретное: сохранилась ли форма предмета, не поехал ли текст, какая фактура.

Скачиваете файлы и сравниваете реальное разрешение.

Считаете, сколько попыток ушло на приемлемый результат в каждом.

Деление на четыре типа, кстати, моё и спорное. Кто-то скажет, что фон и предметка это одно и то же, и возразить мне будет нечем, кроме того что у меня по ним по-разному выходит.

Такое сравнение занимает вечер и экономит месяцы работы не в том инструменте. Смотреть надо на скачанные файлы, а не на превью в интерфейсе: превью врёт. Если из кадра нужен ещё и ролик, связка описана в материале про картинки и видео вместе.

Часто задаваемые вопросы

Чем генерация фото отличается от фоторедактора? Редактор меняет существующий снимок, генерация создаёт новый кадр с нуля или по референсу. Задачи пересекаются в доработке: убрать фон умеют оба, а поставить товар в новую сцену только модель.

Можно ли сгенерировать фото своего товара? Да, через генерацию от фотографии: модель берёт ваш снимок и строит вокруг него сцену. Описывать товар только словами ненадёжно, получится похожий предмет, а не ваш.

Почему на сгенерированном фото едет текст на упаковке? Модель воспринимает надпись как узор, а не как текст, и воспроизводит похожие формы. Мелкие надписи проще оставлять с оригинального снимка, а не генерировать заново.

Какой сервис лучше для портретов? Тот, что аккуратнее работает с лицами и руками, и обязательно с возможностью дать своё фото как референс. Без референса получается усреднённый типаж, который не подходит для личного бренда.

Источники

1. Flami: почему нейросети калечат руки и текст
2. Flami: разрешение и апскейл простыми словами
3. Flami: лучшие нейросети для картинок товара