Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизРазбор · На радарHabr AI→ оригинал

Кот-маскот на gpt-image: один референс держит облик, Pinterest дал 1,84 тыс. показов

Петербургская финансовая компания два месяца рисует рыжего кота-маскота через gpt-image и мучается с одним: чтобы на сотой картинке был тот же кот. Описание словами даёт каждый раз чуть другую морду, поэтому в каждый запрос прикладывают одну картинку-образец (референс). За 30 дней Pinterest набрал 1,84 тыс. показов, почти все — у забавных пинов, не у финансовых. Вывод: фиксируйте референс и проверяйте каждую картинку глазами.

AI-обработка оригинала Habr AI; редакция Hamidun News
Кот-маскот на gpt-image: один референс держит облик, Pinterest дал 1,84 тыс. показов
Источник: Habr AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникHabr AI ↗
Главный редактор
Ключевой факт #1Бумажная кукла-кот собрала 697 показов, финансовые инфографики — по 4–10
Слово «no text» не спасаетнадо писать «text unreadable, blurred»
Ключевой факт #3Текст на картинке держат в 2–5 слов на пункт, иначе растут опечатки

Нарисовать одну красивую картинку генеративная модель умеет. Сложнее, когда один и тот же персонаж нужен на сотне картинок для десятков площадок: на сотой он должен быть тем же котом, что и на первой, и на ней не должно быть ничего, за что модератор снимет пост. Небольшая финансовая компания из Петербурга два месяца ведёт так рыжего вислоухого кота в пиджаке.

Он появился на обложках статей, в карточках Pinterest, на обоях для телефона и в роликах. Рисует его модель gpt-image через API, людей-иллюстраторов в процессе нет. Представьте, что вы просите дизайнера «нарисуй рыжего кота» сто раз подряд и без фото героя: каждый раз получится новая морда.

Поэтому в каждый запрос команда прикладывает референс, то есть одну и ту же картинку-образец. Ниже то, что у неё сработало, что ломается до сих пор и почему Pinterest за 30 дней принёс всего 1,84 тыс. показов.

Как держать одного и того же кота

Первый вывод: текстовое описание персонажа его не стабилизирует. «Рыжий вислоухий кот» каждый раз выходит немного другим: меняются форма морды, оттенок, длина шерсти. Помогает только референсное изображение, которое отправляется в каждый запрос.

Схема такая. Есть один основной референс, который не меняется месяцами. В промпте стоит фраза вроде «the same ginger Scottish Fold cat from the reference», а внешность заново не описывается. Одежда прописывается отдельно и меняется под сюжет: пиджак, свитер, каска, комбинезон. Морда и окрас берутся с референса.

Промпт собирается из одинаковых блоков в одном порядке: стиль, персонаж, действие, место, запреты. Действие лучше выбирать с предметом в лапах: сцены, где кот что-то держит или с чем-то борется, получаются живее портретов. В окне рисуется узнаваемая деталь города, например купол Исаакиевского собора, его модель выводит уверенно.

Задания лежат в JSON, скрипт гоняет их параллельно, по два варианта на задание. Перед запуском он сверяет цену модели за картинку с порогом и отказывается работать, если цена выше. Это страховка на случай, если агрегатор внезапно поменяет тариф, а в очереди сорок картинок.

Что ломается

Текст. Фраза «no text» работает плохо. На бумагах, экранах ноутбуков, календарях и вывесках модель всё равно рисует буквы, обычно абракадабру, и она сразу выдаёт генерацию. Лучше помогает описывать текст как нечитаемый: «text unreadable, blurred», «abstract colorful code lines, unreadable», «chalkboard with drawings only». Размытое пятно модель рисует охотнее, чем пустое место.

Если текст нужен, например в инфографике для Pinterest, команда раньше собирала карточки в HTML, и выглядело это как шаблон из конструктора. Теперь модель верстает карточку целиком и сама пишет русский текст. В промпте требуют воспроизвести его строго дословно, без лишних слов и латиницы, каждый пункт в кавычках. Получается лучше, но опечатки бывают: «подтинуть» вместо «подтянуть», «раз месяц» без предлога. Поэтому каждый вариант смотрят глазами, а если ошибки в обоих, задание перегенерируют. Текст держат коротким, 2–5 слов на пункт.

Лапы. Чем сложнее действие, тем выше шанс третьей лапы. Например, когда кот держит телефон и одновременно подписывает документ. Лечится упрощением сцены.

Логотипы и чужие персонажи. Если в сцене «госуслуги» или «банковское приложение», модель может нарисовать что-то похожее на настоящий логотип, и картинка начинает выглядеть как реклама или подделка чужого бренда. Команда пишет «abstract banking app screen with a big green checkmark». Кот в шляпе с пером и сапогах для сюжета про «Ночной дозор» получился слишком похожим на известного мультяшного кота в сапогах, и картинку выбросили. Теперь для сюжетов с картинами берут только работы в общественном достоянии и не дают персонажу атрибутов узнаваемых героев. Случайную метку в углу просто обрезают.

Правила площадок и цифры Pinterest

Одна картинка не подходит везде. У команды сложился список. В «Т-Ж» первое изображение становится обложкой, текста и логотипов на нём быть не должно. В «Клерке» обложка тоже без логотипов и текста, размер 2048×1152. На Drive2 любят реализм, поэтому там фотореалистичные сцены с подписью «иллюстрация сгенерирована». На Pinterest у сгенерированных пинов ставят отметку об изменении с помощью ИИ. На «Пикабу» и в форумах банков кот-маскот выглядит как реклама, и там работают простые скетч-мемы в две панели без персонажа. Обложка никогда не бывает таблицей или инфографикой: таблица на первом экране выглядит как отчёт, инфографика живёт только внутри текста. Метаданные происхождения (C2PA) в файлах не вычищают и за фото картинки не выдают.

Размеров три: 1536×1024 для обложек (потом обрезка под нужное соотношение), 1024×1536 для пинов, 1088×1920 для обоев 9:16, где верхнюю пятую часть кадра просят оставить спокойной под часы.

Самый неожиданный результат дал Pinterest. За первые 30 дней аккаунт набрал 1,84 тыс. показов, и почти все пришлись на три развлекательных пина: бумажная кукла-кот (697 показов), одежда для неё (219) и раскраска (195). Финансовые инфографики, ради которых всё затевали, получили по 4–10 показов. Персонаж собирает внимание там, где он интересен сам по себе, а финансовый совет с котом остаётся финансовым советом. Развлекательных картинок теперь больше, финансовые темы остались в меньшинстве.

Что взять в работу

Перед публикацией команда проверяет шесть пунктов: похож ли кот на референс (морда, окрас, уши), нет ли лишних лап и пальцев, нет ли читаемой абракадабры на мелких предметах, нет ли чужих логотипов и сходства с известными героями, совпадает ли текст с заданным дословно и подходит ли картинка правилам площадки. Цифры по Pinterest относятся к одному аккаунту за месяц, так что обобщать их рано. Практический вывод от этого не страдает: если вы ведёте персонажа или бренд на генерациях, держите один неизменный референс, описывайте текст на картинке как размытый и оставляйте человека на финальной проверке. Генерация убирает иллюстратора, но не редактора: регулярно находится то, что публиковать нельзя.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: как держать одного и того же кота?

Первый вывод: текстовое описание персонажа его не стабилизирует. «Рыжий вислоухий кот» каждый раз выходит немного другим: меняются форма морды, оттенок, длина шерсти. Помогает только референсное изображение, которое отправляется в каждый запрос. Схема такая. Есть один основной референс, который не меняется месяцами. В промпте стоит фраза вроде «the same ginger Scottish Fold cat from the reference», а внешность заново не описывается.

Что известно по теме: что ломается?

Текст. Фраза «no text» работает плохо. На бумагах, экранах ноутбуков, календарях и вывесках модель всё равно рисует буквы, обычно абракадабру, и она сразу выдаёт генерацию. Лучше помогает описывать текст как нечитаемый: «text unreadable, blurred», «abstract colorful code lines, unreadable», «chalkboard with drawings only». Размытое пятно модель рисует охотнее, чем пустое место.

Что известно по теме: правила площадок и цифры Pinterest?

Одна картинка не подходит везде. У команды сложился список. В «Т-Ж» первое изображение становится обложкой, текста и логотипов на нём быть не должно. В «Клерке» обложка тоже без логотипов и текста, размер 2048×1152. На Drive2 любят реализм, поэтому там фотореалистичные сцены с подписью «иллюстрация сгенерирована». На Pinterest у сгенерированных пинов ставят отметку об изменении с помощью ИИ.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Закрытый клуб практиков · Vibe Club

Внедряйте ИИ быстрее рынка вместе с инженерами и фаундерами

Внутри Vibe Club (hamidun.com/club): еженедельные живые мастермайнды и разборы архитектуры с Жемалом Хамидуном, закрытый Tech Radar, LMS и обновляемая база из 370+ боевых скиллов.

Вступить в Vibe Club →Тест-драйв Академии (72ч)
Что вы думаете?
Загружаем комментарии…