Генерация изображений
Картинка выйдет похожей на задуманное. Полного совпадения ждать не стоит. Вы уточняете промптами круг за кругом, и точность даётся не всегда. Труднее всего она даётся в надписях внутри картинки, в заданном числе предметов и в расстановке предметов друг относительно друга.
Лучше всего модели рисуют то, что им уже хорошо известно: предметы и сцены, которые часто встречались в данных для их обучения. Редкое понятие выходит хуже.
Такую зависимость в 2024 году нашли исследователи, проверив 34 модели, в том числе модели для рисования картинок. Сервисов из этой главы среди них не было, поэтому на ваш чат переносится сама склонность, но не её величина.
Профессиональные схемы даются моделям хуже. Электрическая схема, график или чертёж на картинке выглядят правдоподобно, но соединения, подписи и детали в них могут оказаться неверными. Такую картинку не берите в работу, пока её не проверил специалист.
Насколько это меняется, показал тест GenExam. Исследователи дали моделям 1000 экзаменационных задач на рисунок по 10 предметам, от физики до экономики. Картинку засчитывали, только если в ней верны все детали и нет ошибок в подписях.
GPT-Image-1 от OpenAI, вышедшая в апреле 2025 года, решила так 13 процентов задач. Nano Banana Pro от Google вышла в ноябре и решила 70 процентов.
Задачи в тесте учебные. Цифр для ваших рабочих схем он не даёт, но показывает, что за 7 месяцев модели стали рисовать схемы заметно точнее. Следите за тем, что умеют новые версии.
Технология идёт вперёд быстро. Часть сервисов уже расставляет мебель в пустой комнате по её фотографии и подбирает декор, сохраняя перспективу и освещение снимка.
Попробуйте это в Google Gemini. Сфотографируйте свою комнату, отправьте снимок в чат и попросите расставить в ней мебель или переставить то, что уже стоит. Новый вариант комнаты придёт картинкой в том же разговоре.
Сравните сервисы на одной задаче. Сфотографируйте комнату с пустой стеной и попросите предложить для неё декор или снимите двор и попросите показать, как его обновить.
Тот же снимок с той же просьбой отправьте в каждый из трёх. По результатам будет видно, кому из них доверить такую работу.
Дальше вступает то же ограничение: попросите подвинуть на этой картинке кресло, и вместе с ним поменяется то, что трогать не просили.
Пробовать стоит. Задача, которая не далась полгода назад, сегодня может решиться с первого промпта. Старые неудачные попытки повторяйте на новых версиях.
Если генерация изображений — ваша рабочая задача, спросите свою модель, какие сервисы для этого есть и чем они друг от друга отличаются. Называть их здесь смысла нет: за то время, что книга стоит на полке, список успеет смениться.
Одно останется в силе. Чат общего назначения уступает сервису, который занят только изображениями: просьбу он передаёт отдельной модели и управляет ей за вас. Сервис под изображения отдаёт это управление вам.
Для профессиональной работы, когда картинок нужно много, есть ещё один вариант: локальная модель на своём компьютере. Лимитов сервиса у неё нет, а снимки и описания не уходят в чужое облако. Как устроен такой запуск, рассказано в главе «Где запускается модель».
Среди локальных моделей для изображений есть Stable Diffusion от компании Stability AI, её файлы скачиваются с сайта Hugging Face.
Условия лицензии версии 3.5 разрешают бесплатно использовать модель в работе, если годовая выручка компании не больше 1 миллиона долларов. Компании с большей выручкой запрашивают у Stability AI отдельную лицензию.
Этот вариант для опытных пользователей. Программу для запуска ставят и настраивают самостоятельно, и нужна мощная видеокарта. Средней версии Stable Diffusion 3.5, по данным разработчика, нужно 9,9 гигабайта видеопамяти, и это без учёта памяти на обработку текста запроса.