Сижу, вбиваю в Midjourney: «красивая девушка в платье». Получаю что-то среднее между сюрреалистическим кошмаром и обложкой бульварного романа. Переделываю раз десять, уже раздражаюсь. Знакомо?
Я убил на это вечер. Потом ещё один. И только когда сел разбираться систематически, понял: проблема не в нейросети. Проблема в том, как я формулирую задачу.
Дальше — то, что реально работает.
Анатомия рабочего промпта
Формула простая:
Что именно → в каком стиле → при каком свете и композиции → технические детали
Нейросеть не читает между строк. «Девушка в платье» — это миллион вариантов. А «рыжеволосая женщина 35 лет, сидит в кафе за столиком у окна, за окном дождь, она держит чашку кофе, кадр сбоку, shallow depth of field, Cinematic color grading» — это уже конкретная картинка.
Несколько раз я ленился и получал размытую кашу. Добавлял «photorealistic, 8k, detailed» — и результат менялся разительно. Мелочь, но она решает.
Стиль решает больше, чем ты думаешь
Вот где я реально застревал поначалу: описывал сцену, а стиль не указывал вообще. Нейросеть выбирала сама — обычно что-то среднее и безликое.
Когда я начал добавлять стили, всё сдвинулось. «Oil painting, Renaissance style» — совсем другой результат, чем та же сцена в «digital art». «Anamorphic lens, cinematic still» даёт характерное сжатие по краям и кинематографичность. «Japanese woodblock print style» превращает даже обычный пейзаж в нечто узнаваемое и атмосферное.
Один и тот же запрос «гористая местность на закате» с добавкой «hyperrealistic, golden hour lighting» и без неё — это два разных изображения. Стиль — это половина промпта.
Свет, композиция, камера
В фотографии есть правило: свет решает всё. В генерации изображений — ровно так же.
Вместо «закат» я пишу «warm golden hour light, volumetric god rays, long shadows, slight lens flare». Вместо «портрет» — «portrait, 85mm lens, natural window light, slight rim light, shallow depth of field».
Про композицию: «wide angle», «close-up», «bird's eye view», «dutch angle» — всё это меняет кадр радикально. Я стал добавлять эти вещи осознанно, а не наугад, и процент «почти попаданий» вырос в разы.
Частые ошибки, на которых я обжёгся
Слишком длинный промпт. Я думал: чем больше деталей, тем лучше. Неправда. После 50–70 слов начинается путаница. Нейросеть пытается впихнуть всё — и размазывается.
Противоречивые стили. «Oil painting, but photorealistic, in anime style» — это не работает. Один главный стиль, всё остальное — дополнения.
Отсутствие негативного промпта. В Midjourney и Stable Diffusion есть negative prompt. «Без размытия, без лишних пальцев, без искажений лица» — звучит грубо, но экономит кучу перегенераций.
Не указан medium. Если не сказать «pencil sketch» или «3d render» или «photograph», нейросеть сама решает — и не всегда в ту сторону.
Пример из практики
Запускал недавно визуал для поста про кофе. Первый промпт:
чашка кофе на столе
Результат: что-то размытое и скучное.
Пятая версия:
ceramic white cup with espresso on aged oak table, morning light from window, steam rising, shallow depth of field, film grain, warm tone, analog photography aesthetic, shot on Leica M10
Совсем другое дело. Конкретный предмет, конкретный материал, конкретный свет, конкретная стилистика. Единственное «но» — я потратил минут двадцать на итерации. Но один хороший результат лучше пятидесяти так себе.
С чем ещё экспериментировать
Помимо основного промпта, есть рычаги, которые я использую осознанно.
Aspect ratio — 16:9 для панорам, 1:1 для квадратных, 9:16 для мобильного формата. Seed — если результат близок к идеалу, меняю seed и сохраняю промпт, получаю вариации. Stylize parameter — высокий stylize в Midjourney даёт более художественный, но менее контролируемый результат. Chaos — чем выше, тем неожиданнее кадр.
Это не магия, это настройки. Понимаешь логику — управляешь результатом.
Что в итоге
Промпт — это не магическое заклинание. Это инструкция. Чем точнее инструкция, тем точнее результат.
Я начинал с общих фраз и получал размытые компромиссы. Потом научился быть конкретным: стиль, свет, ракурс, детали. Процент попаданий вырос.
Главное, что я усвоил: нейросеть не догадывается, что ты хочешь. Она делает ровно то, что ты описал. Так что описывай точно.
