Qwen против Леонардо: чья генерация изображений лучше? Разбор, практика, prompt

Людмила Савельева

Кейс-разбор одного длиалога

Парадокс, но факт: рабочие ответы системы иногда живее, чем отполированная ей же статья. Поэтому ниже — не только пересказ с объяснением, но и цитаты из нашего рабочего чата.

Реальная фотосессия с мультимодальной системой: артефакты, детектив по теням, четыре урока — и один чемодан, о котором вы узнаете только в финале.

Материал для занятия на основе реального диалога: мы «сняли» с мультимодальной системой серию кадров, от простого промпта до финального плана, сравнили генерации с иллюстрациями из Леонардо и разобрали весь чат на кейс.


Вступление

Признаться, генерация визуала не совсем моя тема, но изображениями всё равно приходится заниматься. Делаю их, и много. На своём канале в Max открыла рубрику «Картинки ИИ», где публикую визуал, который накопился в галерее за несколько лет тестирования разных AI — от Леонардо до более новых систем; есть отдельный канал с каталогом по визуалу; изображения можно брать на иллюстрации в личных целях. Так что тестирование нейросетей для меня не разовое любопытство, а регулярная практика с архивом на несколько лет вперёд.

🔗 «Ларчик ИИ — бери даром»

Недавно разбирала архив и добралась до старых кадров из Леонардо — молодая женщина с дорожной сумкой на деревенской дороге, пшеничные поля, деревянные дома на горизонте. И стало любопытно: как с подобной задачей справится мультимодальный Qwen? План был скромный — просто сравнить качество генерации.

Но вышло иначе. Неожиданно генерация перешла в увлекательный диалог, в нём было всё: исправления, итерации, споры о физике света и физиологии эмоции. Работали слаженно: сняли, посмотрели, поспорили, переделали. Вскоре обнаружилось, что по качеству наши фото ничуть не уступают генерациям Леонардо, а финальный кадр вообще получился сильнее.

Но главными в диалоге были не кадры. Диалог с системой оказался прекрасным уроком. Ниже — полный кейс: как это шло, на чём мы споткнулись, как исправляли и что это значит для тех, кто учит и учится.

Отправная точка: Леонардо и его артефакты

Сначала несколько кадров из архива, чтобы увидеть, из чего выросло это сравнение. Год генерации — 2023-й.

Риторический вопрос: изменилась ли генерация к лучшему? Картина на 2026 год: Леонардо выпускает модели Phoenix и Phoenix 2.0 и рапортует о победе над руками, пальцами, зубами и текстом. НО: пользовательские треды и обзоры всё ещё полны жалоб на пальцы, мелкие детали и надписи, а горячие посты типа «двести изображений — и ни одного usable* из-за рук» никуда не делись. Так что наши артефакты — не древняя история, а жанр вполне себе актуальный.


📷 Коллаж 1 — генерации Леонардо

AddText_10-30-01.03.07.jpg

- Кадр №1 — «чистый» Леонардо: настроение, свет, композиция; при обычном размере почти не придраться.

- Кадр №2 — тот самый чемодан (и почти готовая иллюстрация к финалу этой статьи). В размере превью выглядит забавно; главное — не увеличивать, лицо рассыпается.

- Кадр №3 — девушка отличная, но модель налепила поверх осмысленную бессмыслицу: «афишу» с именем. Хрестоматийный семантический артефакт.

- Кадр №4 — сторителлинг от модели: красные коленки в дырках джинсов рассказывают целую микросюжетку. Но стоит увеличить — рука выдаёт анатомию: выглядит вывихнутой, и один боброзуб вместо двух передних резцов.

- Кадр №5 — эксперимент с функцией внешнего сходства. Моя характеристика: «изобразила подобие Сальмы Хайек через пять лет после апокалипсиса» — глаза жутковатые.

Из этой подборки важно понять одну вещь, которая пригодится нам дальше: артефакты Леонардо — семантические. Модель дорисовывает лишние сущности: гигантский чемодан, бессмысленные надписи, водяные знаки, случайных прохожих, «сросшиеся» руки и предметы. Ниже, сравнивая эти изображения с генерацией Qwen, мы увидим, что та система спотыкается о другое — физику света и тени. То есть спотыкаются обе, но о разное. И, пожалуй, это самый честный вывод всего сравнения.

*usable — «пригодный к использованию», не забракованный.

Часть 1. Как устроена генерация внутри мультимодальной системы

Когда мы говорим «нейросеть нарисовала», это не совсем точно. Внутри нет никого, кто рисует. Что происходит на самом деле?

1. Запрос попадает в диалог. Языковое ядро системы — то, которое отвечает на вопросы и рассуждает, — понимает задачу и разворачивает её в детальное описание сцены: кто в кадре, в какой позе, какой свет, что на фоне.

2. Визуальный модуль собирает картинку. Подключается модуль генерации того же класса технологий, что Leonardo или Midjourney: он постепенно «проявляет» изображение из шума, ориентируясь на описание и опираясь на статистический опыт миллионов пар «текст — изображение».

3. Картинка возвращается в диалог. И вот ключевой момент: система видит результат тем же зрением, которым понимает любые изображения. Цикл замыкается: промпт → изображение → анализ → новый промпт.

Из такого устройства следуют два вывода, и оба мы встретили в нашей фотосессии.

Вывод первый: у модели нет модели мира. Она не «знает» эмоции — «удивление, недоумение, узнавание, радость» для неё лишь список существительных, — но она «знает» физиологию. Она не «знает», что тень падает противоположно солнцу, — она знает, как тени обычно выглядят на фотографиях. Поэтому, если промпт не задаёт свет явно, небо и тень дорисовываются из разных статистических кусочков. Иногда получаются артефакты: например, тень, идущая к солнцу, или «три солнца» в одном кадре. Артефакт — не поломка, а след несовершенства технологии.

Вывод второй: качество рождается в диалоге. Наша серия выглядит на уровне лучших образцов Leonardo, а финальный кадр получился сильнее не потому, что модуль «круче», а потому что мы использовали то, чего нет у одноразового генератора, — итерации*. Один промпт → лотерея, диалог с анализом → управляемый процесс.

*итерация — один круг «сделал → проверил → исправил → сделал заново». Это не повтор, а шаг вперёд: каждая новая попытка учитывает ошибки прошлой. Как в игре: чем больше попыток с умом, тем лучше результат.


Часть 2. Мастерская доработки: анализ диалога

В какой-то момент мы выключили генерацию и перешли в режим обсуждения. Система взяла на себя роль арт-директора: посмотрела кадры, назвала несоответствия, объяснила причины и переписала промпты — на английском (визуальный модуль понимает его точнее) и с зеркалкой на русском, чтобы смысл не терялся по дороге.

Четыре урока такой мастерской:

- Урок 1. Абстракция против физики.

- Урок 2. Кадр можно проверять.

- Урок 3. Свет описывается одной связкой.

- Урок 4. Эмоция собирается из лица, а не из слов.

Ниже — этапы фотосессии, в которых эти уроки родились. Все кадры Qwen этой истории собраны в Коллаже 2 в конце части.


Этап 1. Первый промпт* и первые кадры

Начали с простого запроса на русском:

> «Реалистичное панорамное фото. Молодая женщина с рыжими волнистыми волосами идёт по деревенской дороге. Одета в светлую свободную рубашку, драные джинсы клеш и сандалии. На лице улыбка, в руке дорожная сумка. На горизонте деревянные дома, поля с пшеницей.»

Получилось неплохо: типаж, свет, атмосфера. Но если приглядется — найдёте два типичных артефакта. В одном кадре тень легла почти квадратным пятном (см. Коллаж 2, кадр 2).

, в другом движение напряжённое, «постановочное» (см. Коллаж 2, кадр 1). Первая генерация почти всегда эскиз. Вопрос — что делать дальше.

> Я: Помоги доработать промпт. В одном случае походка естественная, но неестественная тень получается, в другом движение напряженное, а хотелось бы легкий шаг, чтобы создавалась иллюзия легкого и естественного движения тела.
> Qwen: Глянула оба варианта… Проблема в том, что «походка свободная» и «тень» описаны абстрактно, и модель додумывает их как умеет: то зажимает позу, то лепит квадратную подложку вместо тени.

*промпт (prompt) — текстовый запрос-описание, по которому нейросеть собирает изображение.


Этап 2. «Походка свободная» не работает

Абстракция для системы пустое место, которое она дорисовывает сама. «Походка свободная» — это как? Вот она и зажала позу. Мы сменили подход: вместо оценок — физика.

Что именно поменяла система:

1. Вместо «походка свободная и естественная» — физика шага. Пишем: «снята в середине шага: передняя нога мягко стоит на земле, задняя пятка приподнята, плечи расслаблены, руки слегка раскачиваются». Модели гораздо лучше понимают конкретную позу, чем абстрактное «естественно».

2. Динамика через детали. «Волосы и рубашка слегка колышутся», «сумка покачивается в такт шагу» — создают иллюзию лёгкого движения без напряжения.

3. Тень лечится указанием источника света. «Низкое боковое солнце отбрасывает одну длинную мягкую тень, повторяющую силуэт, с размытыми краями». Когда задано направление солнца, модель рисует одну согласованную тень по контуру фигуры, а не квадратные пятна.

4. Слова candid* и golden hour* подтягивают живую лайфстайл-съёмку* вместо постановочной позы.

Система переписала промпт на английском (визуальный модуль понимает его точнее) и дала зеркалку на русском — чтобы смысл не терялся.


Итоговый промпт (рус):

> Реалистичное панорамное фото, тёплый вечерний свет. Молодая женщина с рыжими волнистыми волосами идёт по деревенской грунтовой дороге лёгкой расслабленной походкой, снята в середине шага: передняя нога мягко стоит на земле, задняя пятка приподнята, плечи расслаблены, руки слегка раскачиваются. На лице естественная улыбка, в руке дорожная сумка, покачивающаяся в такт шагу. Одета в светлую свободную льняную рубашку, драные джинсы клеш и сандалии. Низкое боковое солнце отбрасывает на дорогу одну длинную мягкую тень, точно повторяющую силуэт, с размытыми краями. На горизонте деревянные дома и поля с пшеницей, голубое небо с лёгкими облаками. Candid, живое естественное движение.

Английская версия (многие модели понимают её точнее):

> Photorealistic panoramic lifestyle photograph, golden hour. Young woman with long wavy red hair walking on a rural dirt road, light effortless stride, captured mid-step: front foot touching the ground, back heel lifted, relaxed shoulders, gentle natural arm swing, hair and loose shirt subtly swaying. Soft natural smile, carrying a travel bag swinging gently in one hand. Outfit: light loose linen shirt, distressed flared jeans, leather sandals. Warm low side sun casts a single soft elongated shadow on the road that exactly matches her silhouette with feathered edges, no square shadow artifacts. Background: golden wheat fields, wooden village houses on the horizon, blue sky with thin clouds. Candid natural motion, photorealistic.

Если тень всё равно где-то артефачит — добавьте «shadow with softly blurred edges, consistent with sun direction» и уберите любые упоминания резкого света.


Урок 1. Абстракция против физики. «Походка свободная» — пожелание, а не инструкция: модель зажалась. Заработало описание физики шага: «снята в середине шага: передняя нога на земле, задняя пятка приподнята, плечи расслаблены». Конкретную позу система понимает лучше, чем оценочное наречие.

(См. результат — в Коллаже 2, кадр 3).

*candid — читается «кэндид», съёмка врасплох: кадр без позирования и постановки, человек застигнут в живой момент.

*golden hour — «золотой час»: время сразу после восхода и перед закатом, когда свет мягкий и тёплый, а тени длинные. Любимое время фотографов.

*лайфстайл-съёмка — кадры «как в жизни»: без позирования и постановки.


Этап 3. Два ракурса и закат

Следующая задача: кадры «на камеру» и «со спины», время — начало заката. Тут системе пришлось думать как оператору: для «на камеру» солнце ставим сбоку-сзади — тень не перекрывает лицо, а по волосам идёт золотой ободок; для «со спины» солнце впереди на горизонте — тень тянется к зрителю, и получается та самая «дорога в закат»; и время — «early sunset, beginning of golden hour»: ещё не тёмный вечер, а именно начало заката, с розоватым небом и тёплым светом на пшенице.

> Я: «Давай сделаем два ракурса: один — чтобы она шла навстречу камере, второй — со спины. И изменим время на вечер, начало заката».
> Qwen: «Русские версии — зеркальные: просто замени в нашем прошлом промпте блок ракурса („идёт по дороге…") на „идёт навстречу камере, мягкая улыбка, взгляд в объектив" или „снята со спины, уходит от камеры к горизонту, где садится солнце", остальное оставь как было».

Промпты на этом этапе жили в двух языках — и это тоже часть ремесла: визуальный модуль точнее понимает английский, но смысл не должен теряться и в русском.

На бумаге — то есть в промпте — закат начинался ровно так, как надо: низкое солнце, тёплая контровая подсветка волосам, одна длинная тень по силуэту. Но модель выполнила схему спустя рукава — и именно об этом будет следующий этап.


Промпт «на камеру» (EN):

> Photorealistic panoramic lifestyle photograph, early sunset, beginning of golden hour. Young woman with long wavy red hair walking toward the camera on a rural dirt road, light effortless stride, captured mid-step: front foot touching the ground, back heel lifted, relaxed shoulders, gentle arm swing, hair and shirt subtly swaying. Soft natural smile looking at camera, brown canvas travel bag swinging gently in one hand. Outfit: light loose linen shirt, distressed flared jeans, leather sandals. Warm low sun casts a single soft elongated shadow on the road behind her, exactly matching her silhouette, feathered edges. Background: golden wheat fields on both sides, wooden village houses on the horizon, sky with warm orange-pink glow near horizon and thin clouds. Candid natural motion.

Промпт «со спины» (EN):

> Photorealistic panoramic lifestyle photograph, early sunset. Young woman with long wavy red hair seen from behind, walking away from the camera down the center of a rural dirt road, light effortless stride, captured mid-step: back heel lifted, relaxed shoulders, gentle arm swing, hair and shirt swaying in the warm breeze. Brown canvas travel bag swinging gently in one hand. Outfit: light loose linen shirt, distressed flared jeans, leather sandals. Low setting sun ahead of her on the horizon casts a single soft elongated shadow stretching toward the camera, exactly matching her silhouette, feathered edges. Background: road leading to wooden village houses, golden wheat fields on both sides, warm orange-pink sunset glow. Candid natural motion.

Русские версии собирались зеркально — по инструкции из цитаты выше.


Этап 4. Детектив по теням

А вот самый обучающий момент. Смотрю закатные кадры и вижу: физика врёт.

- тень уходит к источнику света, а так не бывает;

- она короткая, будто солнце высоко, хотя оно у горизонта, а на закате тень в несколько раз длиннее фигуры;

- лицо освещено спереди, солнце в кадре сзади, плюс засветка сбоку, и получилось три солнца в одной картинке.

Дальше почти целиком уступлю место чату — этот разбор не пересказать лучше, чем он там звучал. Пусть детектив говорит сам за себя.

> Я: «Смотри, само изображение отличное, но артефакт с тенью. Что-то с физикой. Проанализируй этот момент».
> Qwen: «Вижу, поймала! Разобрала оба прежних кадра по геометрии света — вот что там не так с физикой. Кадр „со спины": солнце стоит на горизонте слева от центра, перед ней — значит, тень должна тянуться к зрителю и уходить вправо. В кадре она зеркально ушла влево. Длина не та: солнце в паре градусов над горизонтом даёт тень в 7–10+ ростов, она должна была дотянуться почти до нижнего края кадра. Тут — полтора-два роста, как через час после восхода. Сумка в правой руке, а в силуэте тени её „горба" нет».

Почему так вышло? У системы нет внутренней 3D-сцены. Небо с засветкой и тень на дороге дорисовываются как отдельные кусочки статистического опыта. Если промпт не связывает солнце и тень одной фразой, модель выбирает направления наугад — отдельно для неба, отдельно для тени.

Лечение: один кадр — одна схема света, а солнце и тень описываются одной связкой относительно кадра: «солнце низко слева — тень длинная, вправо». После этого кадры стали «честными», то есть естественными.


Исправленные промпты (EN):

> Photorealistic panoramic lifestyle photograph, beginning of sunset. Young woman with long wavy red hair seen from behind, walking away from the camera down the center of a rural dirt road, light effortless stride, mid-step: back heel lifted, relaxed shoulders, gentle arm swing, hair swaying. Brown canvas travel bag in her right hand. Outfit: light loose linen shirt, distressed flared jeans, leather sandals. Physically consistent single light source: the sun is a small bright disc very low on the horizon in front of her, slightly left of frame center; golden rim light on hair and shoulders; one single very long soft shadow stretching from her feet toward the camera and drifting to the RIGHT side of the road, exactly opposite the sun, several times longer than her body, feathered edges, shadow silhouette showing her walking pose and the bag. Background: road leading to wooden village houses, golden wheat fields, warm orange-pink sunset sky. Candid natural motion.
> Photorealistic panoramic lifestyle photograph, early sunset. Young woman with long wavy red hair walking toward the camera on a rural dirt road, light effortless stride, mid-step: front foot on the ground, back heel lifted, relaxed shoulders, gentle arm swing. Soft natural smile. Brown canvas travel bag in her right hand. Outfit: light loose linen shirt, distressed flared jeans, leather sandals. Single consistent light source: warm setting sun low BEHIND the camera on the left; face and front of the body evenly lit; one long soft shadow falling behind her toward the RIGHT side of the frame, opposite the sun, several times longer than her body, feathered edges, matching her walking silhouette including the bag. Background: golden wheat fields, wooden village houses on the horizon, pink-orange sunset sky without a visible sun disc, thin clouds. Candid natural motion, physically consistent lighting.

Русская зеркалка — та же, что раньше, только блок света теперь одной связкой: «солнце низко впереди, левее центра; одна длинная тень тянется от ног персонажа к камере, уходит вправо, в силуэте — сумка» и «солнце низко за камерой слева; лицо тёплое; одна длинная тень позади неё, вправо по кадру».

Урок 2. Кадр можно проверять. На закатных кадрах тень уходила к источнику света, была короткой для низкого солнца, а лицо освещалось третьим солнцем. Мы сформулировали правило: один кадр — одна схема света; направление и длина тени выводятся из позиции солнца. После этого кадры стали «честными», то есть естественными.

Урок 3. Свет описывается одной связкой. Квадратная тень исчезла, когда промпт связал источник и тень в одну фразу: «низкое боковое солнце — одна длинная мягкая тень, повторяющую силуэт». Там, где свет и тень описаны раздельно, модель и рисует их раздельно.

внизу статьи есть шпаргалка «Детективные правила проверки сгенерированного кадра»


Этап 5. Финальный кадр: момент

И самая сложная задача: не просто сделать кадр, а запечатлеть момент. Ракурс через плечо того, кто окликнул; она замерла на полушаге и обернулась; на лице — удивление, недоумение, узнавание и радость одновременно.

Первый дубль забраковали: система «переодела» героиню в другие брюки и ботинки (прощай, целостность образа), дала общий план вместо крупного и нарисовала жутковатые светящиеся точки в глазах.

✔️ Умение забраковать собственный результат и переделать его — рабочая часть процесса.

👉 Вот как система сама рассказала о своей работе над ошибками.

> Я: «Пусть это будет кадр в моменте. Крупный план через плечо. Представим, что кто-то её неожиданно окликнул, и она с удивлением замерла и оглянулась…»
> Qwen: «Справилась! И даже с внутренней работой над ошибками: первый дубль я забраковала — модель самовольно „переодела" её в бежевые брюки с ботинками (прощай, continuity* с джинсами и сандалиями), вместо крупного плана дала общий, а в глазах нарисовала светящиеся точки-блики, выглядит жутковато».

Второй дубль получился, и это был финальный кадр истории.


Как был собран этот «момент»:

1. Ракурс через плечо зовущего. Размытое плечо и край головы в левом нижнем углу — это «тот, кто окликнул». Кадр сразу читается как история: мы видим сцену его глазами, и её разворот через плечо получает адресата.

2. Застывшее движение. Тело ещё развернуто по ходу дороги, голова обернулась, пряди волос «доседают» после резкого поворота, рука застыла с сумкой на полувзмахе — это и есть иллюзия стоп-кадра живого момента.

3. Эмоция через физиологию лица, а не абстракции. Модель не умеет «недоумение» как слово, но умеет комбинацию: «брови приподняты, глаза расширены, губы слегка приоткрыты, и сквозь удивление проступает невольная тёплая полуулыбка узнавания». Это и даёт нужный микс: «кто это?.. ой, это ты!» — удивление → узнавание → радость.

4. Свет опять одной связкой. Солнце низко за камерой слева → лицо, повёрнутое к нам, мягко и тепло освещено (эмоция читаема), по волосам — золотой контур. Никаких «трёх солнц».

5. Оптика момента. 85 мм, малая глубина резкости: резкость на глазах, фон — кремовое боке из пшеницы и закатного неба. Взгляд притягивается к лицу.


Финальный промпт (EN):

> Photorealistic cinematic over-the-shoulder shot, candid frozen moment at early sunset, viewed from the position of a person who just called out to her. Left foreground: softly blurred shoulder and edge of head of the caller, heavily out of focus. Main subject: young woman with long wavy red hair on a rural dirt road, stopped mid-stride, turning back over her shoulder toward the caller. Medium close-up from the waist up, her face large in frame and in sharp focus. Rich living micro-expression: eyebrows slightly raised, eyes widened with surprise and puzzled curiosity, melting into dawning recognition and an involuntary warm half-smile of joy at an unexpected pleasant meeting; lips slightly parted; natural brown eyes with soft realistic catchlights, no glowing eyes. A few loose hair strands settling after the quick turn. Outfit: light loose linen shirt with rolled sleeves, distressed flared blue jeans, brown canvas travel bag held in her hand. 85mm portrait lens, shallow depth of field, creamy bokeh. Background: golden wheat fields, distant wooden village houses on horizon, pink-orange sunset sky. Single consistent light source: low warm sun behind the camera on the left, soft golden light on her turned face, subtle rim light on wavy hair. Natural skin texture, physically consistent lighting, photorealistic, no artifacts.

Русская зеркалка: …кинематографичный кадр через плечо, снято от лица человека, который её окликнул; слева в кадре — сильно размытое плечо зовущего. Она замерла на полушаге и обернулась через плечо; средний крупный план по пояс, лицо крупно и в резкости. Мимика: брови приподняты, глаза расширены от удивления и недоумения, сквозь которые проступают узнавание и невольная радостная полуулыбка; губы слегка приоткрыты; пряди волос доседают после поворота… далее одежда, оптика и блок света — как в прошлых промптах.

В запасе осталась и ещё одна идея: ответный план «от её лица» на зовущего (shot/reverse shot) — понадобится, если развернуть сцену в мини-фильм. Кадр так и остался в планах, но сама возможность «доснять сцену с другой камеры» — тоже плюс диалога.


Урок 4. Как собрать сложную эмоцию?

Снова не словами, а физиологией. Эмоция собирается из лица, а не из слов: «брови приподняты, глаза расширены, губы слегка приоткрыты, сквозь удивление проступает невольная тёплая полуулыбка». Плюс детали момента: тело ещё развернуто по ходу движения, пряди «доседают» после резкого поворота, рука застыла с сумкой на полувзмахе. Плюс оптика: 85 мм, малая глубина резкости, фокус на глазах.

•••

📷 Коллаж 2 — кадры генерации Qwen

AddText_10-30-12.43.10.jpg

Кадр №1 — самый первый кадр: напряжённая, «постановочная» походка. «Походка свободная» — абстракция, и модель дорисовала её как умела: зажала позу — ноги в застывшем кресте, рука отставлена, улыбка «держится». Оценка без физики превращается в манекен.

Кадр №2 — квадратная тень. Посмотрите на тень: широкая плоская полоса через дорогу, без силуэта внутри — ноги слились в одну доску, «горба» сумки в тени нет. Ровно тот артефакт, который мы на Этапе 1 назвали «почти квадратным пятном». Направление, кстати, честное (свет справа — тень влево), врёт именно форма, а походка получилась живой.

Почему дневное синее небо с перистыми облаками? Golden hour появляется в серии только с Этапа 2; первый промпт время не задавал, вот модель и сняла «день в поле».

Кадр №3 — после правки шага и света: тень по силуэту, шаг лёгкий. Тёплый golden hour вместо дневной синевы; сумка теперь в руке (оливковый шоппер), а не на ремне через плечо, как в первой генерации; шаг лёгкий, в середине фазы; и главное — длинная тень, повторяющая силуэт: ноги читаются в шаге, торс и голова на месте, у руки даже «горб» сумки намечается. Ровно то, что заказывал промпт Этапа 2.

Кадр №4 — закат «со спины»: тень к солнцу, «три солнца». И обратите внимание, в чём красота ловушки: кадр-то сам по себе чудесный — «дорога в закат», розовое небо, композиция идеальная. Именно поэтому он и стал нашим главным экспонатом: красиво ≠ физически честно, и без детективных правил глаз на это не споткнётся. Идеальная иллюстрация к Уроку 2.

Бонус-улика: спина и рубашка освещены ровно и тепло, будто за камерой стоит ещё одно солнце. Хотя единственное видимое солнце светит ей в лицо — она идёт прямо на него, спина должна была уйти в тень с золотым контражуром по контуру, а не в ровный «студийный» свет.

Кадр №5 — исправленный закат: свет и тень в одной связке. Здесь красота дружит с физикой — буквально визуализация Урока 3 («свет описывается одной связкой»): как только промпт связал солнце и тень в одну фразу относительно кадра, модель перестала выбирать направления наугад и нарисовала «честную» схему — мягкий тёплый свет спереди-слева (солнце низко за камерой слева), без контражура — волосы подсвечены тем же светом, а не ободком сзади.

Никаких «трёх солнц»: лицо и небо договорились.

‎Сравните мысленно с кадром 4: там тень ползла к солнцу и была короткой, здесь свет и тень связаны в одну связку: тень длинная, уходит вправо и чуть за неё — точно противоположно солнцу, — и в её силуэте читается горб сумки, тот самый, которого не было в кадре 4.
— это наглядная иллюстрация «лечения» из Этапа 4.

Кадр №6 — тот самый забракованный дубль финала: бежевые брюки и ботинки вместо джинсов и сандалий, общий план вместо крупного, светящиеся точки-блики в глазах. Система забраковала собственный дубль сама — и это тоже часть процесса.

Кадр №7 — финальный оборот через плечо: средний крупный план, фокус на глазах, удивление, узнавание и радость в одном взгляде. Кадр, к которому шла вся серия.

*continuity — «непрерывность»: целостность образа между кадрами — одна одежда, причёска, предметы в руках героя.


Часть 3. Вид сверху: о чём этот диалог, если убрать саму технику генераций

Человек и система делали общее дело. Человек принёс замысел, вкус и умение видеть, именно человек первым заметил квадратную тень и напряжённое движение. Система принесла скорость, умение видеть собственный результат и, главное!, умение его объяснять — называть причину артефакта и обосновывать исправление.

Поодиночке так не сделал бы никто: без человека система осталась бы на первом «более-менее» кадре; без системы у человека осталась бы идея без средства воплощения.

В этом и есть преимущество мультимодальной системы.

Такая система — не автомат по выдаче картинок, а собеседник, который способен смотреть на результат вместе с вами, спорить с самим собой, переделывать и отвечать на вопрос «почему так получилось». Работа с ней не только продуктивна, но и информативна: каждая итерация попутно учит видеть — замечать свет, тень, позу, правдоподобие эмоции.

Что такой диалог тренирует:

- точность мысли — «сделай красиво» система не понимает, формулировать приходится ясно;
- критическое видение — красивая картинка может быть физически противоречивой; привычка спрашивать «а правильно ли легла тень?» — гигиена восприятия в эпоху сгенерированного контента;
- итерацию — первый результат это эскиз, а не вердикт;
- вопрос «почему?» — система не просто правит, а объясняет, и работа превращается в урок.

Человек, натренированный диалогом, точнее формулирует мысли, не верит первому результату (в том числе красивому и убедительному), проверяет картинку на внутреннюю согласованность и спрашивает — «почему?».

В эпоху, когда сгенерированные изображения заполняют ленту, это уже не профессиональный навык дизайнера, а базовая гигиена восприятия. Наша фотосессия, по сути, была тренировкой такой гигиены: мы любовались кадром и тут же спрашивали — а естественно ли легла тень?

Итоговый тезис: ценность мультимодальной системы не в кнопке «сгенерировать». Она — в диалоге, который превращает генерацию в соавторство, а работу в урок. Наша фотосессия закончилась хорошим кадром, но дороже то, что её можно разобрать на уроки.

Финал: «Эта статья родилась в диалоге»

Сначала старый архив с «кривым визуалом» и правда выглядел «чемоданом без ручки — и нести тяжело, и выкинуть жалко». Вот с такими словами и мыслями я и нагрянула в Qwen, чтобы сравнить архивные генерации. Потенциал ведь виден. «Ручкой для старого чемодана» стал сам диалог, и у меня появилась идея переработать его в полезный урок.

‎Я решила переформатировать наш диалог с генерацией фото в учебный материал.

Задача была двойная или даже тройная: показать процесс самой генерации, показать возможности и преимущества работы с изображениями в мультимодальной системе, взглянуть на историю чата целиком и рассказать, что происходило внутри, но без технических подробностей.

Сказано — сделано: я собрала три задачи в один промпт, скроенный как раз под эту задачу. Запрос звучал так: «Представим, что мы два педагога, а наш диалог с генерацией фото — учебный материал для учеников».

И спустя пару секунд под моим сообщением появился markdown* «урок-кейс» — он и стал каркасом этой статьи. А заголовок, который вы читаете, вообще был выспорен:

> Qwen: «Теперь где я спорю: ирония работает только на знающих. „Чемодан с ручкой" сам по себе звучит как норма: ну с ручкой и с ручкой, что за новость? Парадокс живёт лишь в контрасте с „без". Но метафора не подкреплена текстом: если в статье чемодан не расшифровать, заголовок останется висящей шуткой. Мелочь, но въедливые заметят, что у героини вообще-то сумка, а не чемодан».
> Я: «Про разбор старого чемодана соглашусь. Зреет вопрос: он вообще-то здесь нужен, в заголовке? Чемоданы что ли будут искать. Давай выбирать ближе к теме: Qwen, Леонардо. Чья генерация лучше? Кейс-разбор. Заголовок должен цеплять, давать чёткое понимание и хорошо ложиться под SEO».
> Qwen: «Соглашаюсь без боя. Логика железная: «чемодан» — наша внутренняя шутка, а не поисковый запрос. Люди ищут «Qwen», «Леонардо», «генерация», «кейс» — вот это и должно стоять в заголовке, причём в первых словах. А чемодан за это получает почётную роль: награды тому, кто дочитал до финала. Обыгрываем именно так и без обид. SEO — это тоже форма уважения к читателю, ему ещё предстоит найти статью. Чемодан уступает место в заголовке, но не уходит из истории: остаётся финальной метафорой. Латиницу Leonardo отдай тегам и анонсам — покроет оба написания. Поиску — ключевые слова, читателю — история. Честная сделка».

Так мой «чемодан» уступил место нормальному заголовку, оставшись тем, чем и был — ручкой, за которую старый архив удалось мне поднять.

У этой статьи по сути два автора — человек и система. Причём оба спорили. Пожалуй, это самый честный портрет того, как выглядит соавторство с ИИ: не «нажми кнопку», а «смотри, спорь, переделывай, объясняй».

*markdown — простая разметка текста: служебные символы для заголовков, цитат и выделений.


Вопросы для обсуждения:

1. Кто «виноват» в квадратной тени: технология или промпт?

2. ‎Найдите несоответствия в любом сгенерированном изображении из ленты — по детективным правилам (шпаргалка с правилами ниже).

3. Сравните артефакты двух систем: почему одна «дорисовывает» лишние предметы, а другая «путает» тени? Что общего у этих ошибок?

4. Какие умения человека в диалоге оказались незаменимыми, а какие взяла на себя система?

5. Где ещё работает схема «промпт → результат → анализ → новый промпт» — кроме картинок?


Правильные ответы публикуются на канале


Детективные правила проверки сгенерированного кадра (шпаргалка)

1. Свет и тень — одна связка. Найдите солнце. Тень уходит в противоположную сторону? Если ползёт к солнцу — кадр врёт.

2. Длина тени = высота солнца. Низкое солнце (закат) даёт тень в несколько раз длиннее фигуры. Короткая тень при закате — подделка.

3. Один кадр — одна схема света. Лицо светится спереди, а солнце в кадре сзади? Это «три солнца» — физически невозможно.

4. Силуэт тени честный. Сумка в руке должна «горбиться» и в тени. Нет горба в тени — нет логики.

5. Руки, пальцы, зубы — зона риска. Увеличьте: не слилась ли кисть с ручкой, не «надставка» ли вместо зубов.

6. Лишние сущности. Случайный прохожий, бессмысленная надпись-«афиша», предмет, который «просто есть» в руке, — семантические артефакты.

7. Тёмные кадры обманчивы. В сумраке дефекты прячутся лучше всего. Не верьте настроению — проверяйте детали.

(Правила 1–4 — про физику, на чём споткнулся Qwen. Правила 5–7 — про семантику и детали, на чём спотыкался Леонардо.)

•••

#теньвии #какпроверитьнейросеть #ииартефакты #сравнениенейросетей #урокпоии #диалогсии