Маскот на генерациях: как держать одного кота одинаковым на десятках площадок и что всё равно ломается

У нашей небольшой финансовой компании из Петербурга есть маскот: рыжий вислоухий кот в пиджаке. За два месяца он появился на обложках статей на десятках площадок, в карточках Pinterest, обоях на телефон и в роликах. Рисует его генеративная модель gpt-image через API, людей-иллюстраторов в процессе нет.

Нарисовать красиво модель умеет. Сложнее сделать так, чтобы на сотой картинке это был тот же кот, что и на первой, и чтобы на картинке не было ничего, за что площадка снимет пост. Ниже то, что у нас сработало, и то, что ломается до сих пор.

Якорь персонажа: один референс и короткое описание

Первое, что мы поняли: текстовое описание персонажа не держит его стабильным. «Рыжий вислоухий кот» каждый раз получается немного другим: меняется форма морды, оттенок, длина шерсти. Держит только референсное изображение, которое передаётся в каждый запрос.

Схема у нас такая:

  • один основной референс кота, который не меняется месяцами;

  • в промпте фраза вида «the same ginger Scottish Fold cat from the reference», а не повторное описание внешности;

  • одежда описывается отдельно и может меняться под сюжет: пиджак, свитер, каска, комбинезон. Морда и окрас при этом берутся с референса.

Шаблон промпта

Промпт собирается из одних и тех же блоков в одном порядке:

  1. Стиль: «Photorealistic warm illustration» или «documentary-style photo», если площадка любит реализм.

  2. Персонаж: тот же кот с референса и его одежда.

  3. Действие: что кот делает лапами. Нам больше нравятся сцены, где он что-то держит или с чем-то борется, чем портреты, где он просто сидит.

  4. Место: узнаваемая деталь города в окне. Купол Исаакиевского собора модель рисует уверенно.

  5. Запреты: «no readable text, no letters, no logos».

{ "id": "cover-divorce", "size": "1536x1024", "refs": ["refs/cat.png"], "p": "Photorealistic warm illustration. The same ginger Scottish Fold cat from the reference, wearing a green tweed jacket with no logo, sits between two halves of a toy house... Isaac's Cathedral dome in the window. No readable text, no letters, no logos."}

Задания лежат в JSON, скрипт гоняет их параллельно и по два варианта на задание. Перед запуском скрипт сверяет цену модели за картинку с порогом и отказывается генерировать, если цена выше. Это защита от того, что у агрегатора внезапно сменится тариф, а мы запустим пачку из сорока картинок.

Что ломается: текст

Фраза «no text» работает плохо. На бумагах, экранах ноутбуков, календарях и вывесках модель всё равно рисует буквы, и это почти всегда абракадабра. На обложке такая абракадабра сразу выдаёт генерацию.

Помогает другое: описывать текст как нечитаемый. «Text unreadable, blurred», «abstract colorful code lines, unreadable», «chalkboard with drawings only». Модель охотнее рисует размытое пятно, чем вообще ничего.

Отдельная история с картинками, где текст нужен, например карточки-инфографики для Pinterest. Раньше мы собирали их в HTML: картинка сверху, текст снизу. Выглядело это как шаблон из конструктора. Сейчас модель верстает карточку целиком, сама пишет русский текст, а промпт требует воспроизвести его «строго дословно, без лишних слов и латиницы», каждый пункт в кавычках.

Результат лучше, но опечатки всё равно бывают: из реальных примеров «подтинуть» вместо «подтянуть» и «раз месяц» без предлога. Поэтому каждый вариант просматривается глазами, и если ошибки в обоих вариантах, задание перегенерируется. Короткий текст ошибается реже: мы держим 2-5 слов на пункт.

Что ломается: лапы, логотипы и чужие персонажи

  • Лишние конечности. Чем сложнее действие (кот держит телефон и одновременно подписывает документ), тем выше шанс получить третью лапу. Лечится упрощением сцены.

  • Логотипы реальных сервисов. Если в сцене есть «документы с госуслуг» или «банковское приложение», модель может нарисовать что-то похожее на настоящий логотип. Для нас это риск: картинка начинает выглядеть как реклама или подделка чужого бренда. Мы пишем «abstract banking app screen with a big green checkmark».

  • Сходство с известными персонажами. Рыжий кот в шляпе с пером и сапогах для картины на тему «Ночного дозора» получился слишком похожим на известного мультяшного кота в сапогах. Такую картинку мы выбросили. Теперь для сюжетов с «известными картинами» берём только работы в общественном достоянии и не даём персонажу атрибуты узнаваемых героев.

  • Значок в углу. Иногда в углу появляется маленькая метка. Мы её просто обрезаем при подготовке файла.

Правила площадок важнее красоты

Одна и та же картинка не подходит везде. За два месяца у нас сложился такой список:

  • Т-Ж: первое изображение становится обложкой, на нём не должно быть текста. Логотипов мы там тоже не ставим.

  • Клерк: обложка без логотипов и текста, размер 2048×1152.

  • Drive2: аудитория любит реализм, поэтому там фотореалистичные сцены с подписью «иллюстрация сгенерирована».

  • Pinterest: у сгенерированных пинов ставим отметку, что изображение изменено с помощью ИИ.

  • Пикабу и форумы банков: кот-маскот выглядит как реклама, поэтому там простые скетч-мемы в две панели без персонажа.

  • Обложка никогда не таблица и не инфографика. Таблица на первом экране выглядит как отчёт, её не хочется открывать. Инфографика только внутри текста.

Ещё одна деталь, о которой редко пишут: в файлах остаются метаданные о происхождении изображения (C2PA). Мы их не вычищаем и картинки за фото не выдаём.

Размеры

Под разные задачи держим три размера:

  • 1536×1024 для обложек статей, дальше обрезаем под нужное соотношение;

  • 1024×1536 (2:3) для пинов;

  • 1088×1920 для обоев на телефон 9:16, верхнюю пятую часть кадра просим оставить спокойной, там будут часы.

Что показали цифры Pinterest

Самый неожиданный результат дал Pinterest. За первые 30 дней аккаунт набрал 1,84 тыс. показов, и почти все дали три развлекательных пина: бумажная кукла-кот (697 показов), одежда для неё (219) и раскраска (195). Финансовые инфографики, ради которых всё затевалось, набрали по 4-10 показов.

Вывод для себя мы сделали простой: персонаж собирает внимание там, где он интересен сам по себе. Финансовый совет с котом на картинке так и остаётся финансовым советом. Поэтому развлекательных картинок с котом стало больше, а финансовые темы остались в меньшинстве.

Чек-лист перед публикацией

  • Кот похож на референс: морда, окрас, уши.

  • Нет лишних лап и пальцев.

  • Нет читаемой абракадабры на мелких предметах.

  • Нет логотипов реальных компаний и сходства с известными персонажами.

  • Если на картинке есть текст, он совпадает с заданным дословно.

  • Картинка соответствует правилам конкретной площадки.

Генерация убрала из процесса иллюстратора, но не убрала редактора. Каждая картинка всё равно проходит человеческий взгляд, и регулярно находится что-то, что нельзя публиковать.

Если вы тоже ведёте персонажа на генерациях, интересно, как вы держите консистентность: референсами, дообучением или чем-то третьим?

Источник: habr.com

0 0 голоса
Рейтинг новости
1
0
Подписаться
Уведомить о
0 комментариев