Imagecaster учит нейросеть вашему лицу по 10–100 фото и примеряет одежду дома
Imagecaster — программа для генерации картинок на домашней видеокарте, и автор научил её рисовать конкретного человека. Для этого нейросеть дообучают небольшим дополнением LoRA по 10–100 фотографиям, и в новом кадре появляется человек в нужной сцене и одежде. Одежду с фото маркетплейса переносит модель Klein, а лицо отдельным шагом подменяется, чтобы сходство не плыло. Поэтому неудачный кадр здесь просто выбрасывают, а не оплачивают, как в облаке.
AI-обработка оригинала Habr AI; редакция Hamidun News
Генерировать картинки на домашней видеокарте давно никого не удивляет. Сложнее получить на выходе не «похожую девушку с обложки», а конкретного человека: себя, жену или друга, в нужной одежде и сцене. Автор open-source приложения Imagecaster добавил именно это. Теперь программа дообучает нейросеть на 10–100 ваших фотографиях (для этого используется небольшая надстройка LoRA), потом подменяет лицо для точного сходства, а одежду с фото из маркетплейса или со смартфона переносит на героя отдельной моделью. Всё считается локально, без облачных подписок и оплаты за каждую генерацию.
Как устроена цепочка
LoRA — это небольшой набор дополнительных весов поверх базовой модели. Представьте универсальную студию, куда вы приносите «личную насадку» с чертами одного человека. Для каждой базовой модели нужна своя LoRA: обученная под одну, на другой она не заработает. В отличие от простой замены лица на готовом снимке, здесь сначала создаётся новый кадр с нужной сценой, позой и ракурсом, а человек уже вписан в него.
Обучение запускает сервер на базе ai-toolkit, а картинки рисует stable-diffusion.cpp. В примерах автор использует быструю модель Z-Image: 8 шагов генерации, сэмплер Euler, CFG 1, кадры в основном 1024×1536 пикселей. Привязки к одной модели нет, выбирать можно из поддерживаемых приложением.
Этапы разделены, и это упрощает поиск ошибок:
- LoRA создаёт человека в новой сцене;
- Klein, отдельная модель, переносит одежду с фотографии вещи;
- подмена лица в самом конце возвращает сходство.
Последний шаг нужен потому, что сама LoRA, по словам автора, иногда делает лишь «слегка» похожего человека и может менять лицо от кадра к кадру. Если лица в кадре нет, этап пропускается.
Три способа обучить LoRA
Первый — указать папку с фотографиями одного человека. Нужно от 10 до 100 снимков в JPEG, PNG или WebP. Разнообразие важнее количества: десять разных кадров с разными ракурсами, светом и одеждой полезнее десятка почти одинаковых.
Второй — копить набор постепенно через раздел «Мои изображения». Туда можно добавлять и групповые фото: приложение ищет лица, сравнивает с выбранным человеком и вырезает нужного. Если выбор неоднозначен, оно предложит указать лицо вручную, а если лицо мелкое или размытое — предупредит. Можно начать с десяти фото и быстрого обучения, посмотреть результат и позже нажать «Дообучить»: старые снимки остаются, новые используются чаще. Есть переобучение с нуля и откат к прошлой версии.
Третий — поручить запуск ИИ-агенту через MCP. Это открытый протокол, через который Claude, Codex и подобные клиенты управляют внешними программами. Достаточно написать: «Обучи LoRA Ады по фотографиям из этой папки на Z-Image». Агент получит список моделей, создаст задание и при желании отложит запуск, чтобы не занимать видеокарту сразу.
Стилист, приватность и брак
Стилист раньше работал только через MCP, теперь он встроен в приложение. В нём выбираются человек, модель, стиль, одежда (необязательно), причёска, макияж, фон и позы, затем составляется план съёмки. Через MCP агент может сам предложить образы и отправить кадры в очередь.
С приватностью автор разобрался отдельно: исходные фото не попадают в историю «умного» облачного ИИ. Их описывает локальная vision-модель, а наружу MCP отдаёт только текст и номера результатов.
В тесте агент предложил три серии: студийную с графитовым костюмом, городской вечер с бордовым тренчем и сад с платьем шалфейного цвета. В студийной серии модель пропустила жакет. Агент заметил это сам, уточнил описание одежды и переснял кадры — жакет появился.
Автор честно показал и неудачные кадры. В одном модель сделала героиню толще и не показала лицо, в другом на ноге оказалось четыре пальца, в третьем — три руки. Вымышленная Ада выходит слишком «правильной», зато на реальных людях, по ощущениям автора, результат интереснее и узнаваемость хорошая.
Экономика простая. Бесплатной съёмка не бывает: нужны железо, электричество и время. Но неудачная попытка не списывает оплаченные кредиты, как в облачных сервисах с оплатой за генерацию. Можно делать десятки вариантов и отбраковывать плохие.
Практический вывод для разработчиков: связка «LoRA + отдельная подмена лица + отдельный перенос одежды» надёжнее одной модели на все случаи. А агент, который смотрит на результат и сам правит свой промпт, уже способен чинить собственные промахи. Приложение и сервер можно запустить на одном компьютере или разнести по домашней сети, исходный код и сборки опубликованы.
- 22 нояб. 2026 г.Математик Anthropic с Claude заявил о доказательстве гипотезы Римана без читаемого текста
- 22 нояб. 2026 г.Nasdaq 100 за неделю упал на 10,4%: худший результат со времён пандемии
- 22 нояб. 2026 г.Рабочий профиль Android закрыл утечку реального IP, которую не ловят Happ и v2rayNG
- 22 нояб. 2026 г.Anthropic вышла на Nasdaq: акции с $83 до $111, но выдержит ли безопасность
Вопросы и ответы по материалу
Что известно по теме: как устроена цепочка?
LoRA — это небольшой набор дополнительных весов поверх базовой модели. Представьте универсальную студию, куда вы приносите «личную насадку» с чертами одного человека. Для каждой базовой модели нужна своя LoRA: обученная под одну, на другой она не заработает. В отличие от простой замены лица на готовом снимке, здесь сначала создаётся новый кадр с нужной сценой, позой и ракурсом, а человек уже вписан в него. Обучение запускает сервер на базе ai-toolkit, а картинки рисует stable-diffusion.cpp.
Что известно по теме: три способа обучить LoRA?
Первый — указать папку с фотографиями одного человека. Нужно от 10 до 100 снимков в JPEG, PNG или WebP. Разнообразие важнее количества: десять разных кадров с разными ракурсами, светом и одеждой полезнее десятка почти одинаковых. Второй — копить набор постепенно через раздел «Мои изображения». Туда можно добавлять и групповые фото: приложение ищет лица, сравнивает с выбранным человеком и вырезает нужного. Если выбор неоднозначен, оно предложит указать лицо вручную, а если лицо мелкое или размытое — предупредит.
Что известно по теме: стилист, приватность и брак?
Стилист раньше работал только через MCP, теперь он встроен в приложение. В нём выбираются человек, модель, стиль, одежда (необязательно), причёска, макияж, фон и позы, затем составляется план съёмки. Через MCP агент может сам предложить образы и отправить кадры в очередь. С приватностью автор разобрался отдельно: исходные фото не попадают в историю «умного» облачного ИИ. Их описывает локальная vision-модель, а наружу MCP отдаёт только текст и номера результатов.
Соберите рабочего ИИ-агента или сервис своими руками без ручного кода
В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.