Нейросеть для изображений: какую выбрать под задачу

Коротко. Нейросеть для изображений превращает описание словами в картинку за несколько секунд. Универсально «лучшей» среди них нет: одна стоит девять рублей за кадр и годится для черновиков, вторая аккуратно пишет по-русски прямо на картинке, третья вытягивает фотореализм и обходится вчетверо дороже. Разница в цене между крайними вариантами — примерно в восемь раз, а в качестве на простой задаче её почти не видно. Ниже — чем модели отличаются на практике, таблица с ценами, как составить запрос и что с доступом из России.

Как работает нейросеть для генерации изображений

Модель не ищет готовую картинку в базе и не склеивает чужие фотографии. Она обучена на огромном количестве пар «изображение — подпись» и умеет делать одно: постепенно превращать случайный шум в картинку, которая соответствует вашему тексту. Каждый шаг чуть-чуть убирает шум и добавляет деталей.

Из этого следуют два практических вывода, которые экономят время. Первый: один и тот же запрос дважды даст разные кадры — это не сбой, а свойство генерации, поэтому три-четыре попытки нормальная практика. Второй: модель уверенно рисует то, что часто встречалось в обучении (лица, пейзажи, еда, предметы), и плывёт на редком — кисти рук в сложном жесте, мелкий шрифт, схема прибора с подписями.

Работает такая модель в двух режимах. Генерация с нуля — вы описываете кадр словами. Редактирование — вы прикладываете свой снимок и говорите, что поменять: убрать фон, переставить объект, поправить свет, дорисовать предмет. Второй режим часто дешевле и предсказуемее, потому что композиция уже задана вашим фото.

Какую модель брать под задачу

Разберём на каталоге Умки — здесь в одном окне девять моделей для картинок, и видно, как они распределяются по задачам. Цена в таблице — за тысячу токенов ответа модели; это относительный ориентир, точная стоимость кадра зависит от размера и детализации и показывается до отправки запроса.

В рублях по медиане наших списаний за девяносто дней это выглядит так: самая дешёвая модель — около 9 ₽ за кадр, обычная — около 11,5 ₽, тяжёлая Nano Banana Pro — около 40 ₽. Поэтому разумный порядок работы обратный привычному: сначала дешёвая модель, и только если результат не устраивает по названной причине — переход на класс выше. Начинать с флагмана «чтобы наверняка» значит платить вчетверо за кадр, который вы всё равно переделаете из-за формулировки.

Запрос из пяти слотов

Главная причина плохих картинок — не модель, а одна короткая фраза вместо описания. Нейросеть не переспрашивает: чего вы не сказали, то она додумает сама. Проверенная схема — заполнить пять слотов подряд, обычным текстом, без магических «формул промпта».

• Объект. Кто или что в кадре, в каком количестве: «рыжий кот», «бутылка оливкового масла», «женщина лет тридцати».
• Действие и поза. Что происходит: «сидит на подоконнике и смотрит в окно». Без этого модель ставит объект по центру анфас.
• Окружение. Где и при каком свете: «кухня в тёплом утреннем свете, размытый фон».
• Стиль и оптика. «Фотография на 50 мм», «плоская векторная иллюстрация», «акварель». Один стиль, не три сразу.
• Формат. Пропорции и куда пойдёт кадр: вертикаль для сторис, горизонталь для обложки, место под заголовок сверху.

И отдельно — что убрать: «без текста», «без людей на фоне», «без логотипов». Запреты работают заметно хуже описаний, поэтому на них полагаться не стоит, но одну-две штуки добавить полезно. Подробный разбор формулировок с примерами — в статье «Как создать фото с помощью ИИ».

Русские надписи, руки и другие узкие места

Текст на картинке ещё год назад был главной бедой генераторов: вместо слов выходил орнамент из псевдобукв. Сейчас часть моделей пишет кириллицей осмысленно — но правило остаётся: короткая крупная надпись в два-три слова выходит надёжно, абзац мелким шрифтом — почти никогда. Если нужен точный текст, честнее сгенерировать фон и положить надпись сверху в любом редакторе.

Кисти рук, отражения в зеркале, симметричные логотипы и мелкие детали техники — вторая слабая зона. Самый простой обход не борьба с моделью, а композиция: увести руки за пределы кадра, взять план крупнее, убрать из сцены зеркало. Третье узкое место — счёт: «пятеро людей за столом» модель трактует вольно, и проверять количество объектов приходится глазами.

Наконец, лица конкретных людей. Просить «нарисуй известного актёра в рекламе моего товара» не стоит: это и юридическая проблема, и модели такие запросы часто отклоняют. Свои фотографии — другое дело, их можно и редактировать, и оживлять в короткое видео.

Доступ из России и сколько это стоит

Сильные генераторы изображений принадлежат Google, OpenAI и Midjourney, и напрямую из России ни один из них не работает штатно: нужен VPN, зарубежная карта и подписка в долларах, а часть сервисов ещё и блокирует аккаунты по стране регистрации. Про обходные пути и цены конкретно у Midjourney мы писали в отдельном разборе.

Второй путь — агрегатор: один российский счёт, из которого оплачиваются запросы к разным моделям. В Умке нет подписки — вы пополняете счёт на любую сумму, токены не сгорают и списываются по факту, а если модель не ответила, деньги за попытку не берутся. При регистрации дают 25 000 токенов без карты: этого хватает примерно на две картинки на обычной модели. Десять моделей, включая самую дешёвую рисующую, открыты сразу, остальные — после первого пополнения.

Частые вопросы

Как считается стоимость одной генерации и почему картинка дороже текста — в разборе «Токены и кредиты». Почему один счёт на все модели выходит дешевле пяти подписок — в статье «Агрегатор нейросетей». А цены и примеры по каждой рисующей модели собраны на странице нейросети для картинок.