Персонажи и стиль: консистентность и creative direction

Многие останавливаются на этапе «написал промпт — получил картинку». Следующий уровень — управлять результатом через референсы, контрольные сигналы и стайл-гайды, а не описывать всё текстом заново для каждой генерации. Тогда серия изображений выглядит как один согласованный набор, а не случайная подборка.

Референсные изображения (image prompt). Почти все современные инструменты принимают на вход не только текст, но и картинку-референс. Она переносит в результат композицию, цвет или объект. Это надёжнее, чем описывать словами сложный визуальный нюанс.

Обратная задача: получить промпт из готового изображения. Иногда порядок обратный. Сначала есть картинка: референс из Pinterest, скриншот чужой рекламы, кадр, который просто нравится. И хочется не приложить её как референс-файл, а понять словами, из чего она состоит, чтобы осознанно управлять похожим результатом, а не гадать вслепую. Для этого мультимодальные модели (GPT Image через ChatGPT, Nano Banana через Gemini, обычный Claude/GPT в режиме анализа изображения) можно попросить не сгенерировать, а описать: «опиши это изображение как подробный промпт для генерации: субъект, композиция, свет, цвет, стиль, ракурс». Получится готовый словесный разбор, который дальше можно вставить как промпт в любой инструмент или подправить под свою задачу. Это отличается от простого приложения референса (раздел выше). Там модель сама переносит стиль на новый сюжет. Здесь она явно достаёт словесный «рецепт», который потом можно менять по частям («убери из этого описания "драматичный свет", замени на "мягкий естественный"»). Такой рецепт работает и в инструменте, который вообще не принимает изображение на вход. И им проще объяснить арт-директору или клиенту, что именно делает референс удачным.

Референс: драматичный свет

По словесному рецепту, свет заменён

Промпты

Шаг 1, разбор референса

Вот референсное изображение (приложено). Опиши его как детальный промпт для генерации: субъект, композиция, ракурс, свет, цветовая палитра, стиль, настроение — так, чтобы этот текст можно было использовать как самостоятельный промпт в другом инструменте

Шаг 2, правка рецепта

Измени в этом описании только свет: убери драматичный свет, замени на мягкий естественный дневной свет из большого окна. Остальное оставь.

Контрольные сигналы (control signals). У Midjourney и Stable Diffusion есть механизмы, которые закрепляют часть результата и оставляют свободу только в остальном:

• референс персонажа или объекта в Midjourney — в версиях 8.x это делается через Edit Model: к промпту прикладывается до четырёх изображений (на сайте — прикрепить к промпту, в Discord — параметр --edit), а инструкция пишется обычными словами («тот же персонаж, но в осеннем лесу»). В старых гайдах для этого встретятся параметры --cref/--cw (V6) и --oref/--ow (V7). В актуальной версии они не поддерживаются, так что промпт с ними из туториала двухлетней давности просто не сработает;
• --sref [ссылка] в Midjourney — style reference, переносит визуальный стиль референса на новый сюжет; --sw управляет силой стиля;
• вес частей промпта через :: (multi-prompt) — приём из старых версий: warm golden light::2 modern office::1 усиливал влияние света вдвое сильнее, чем описание интерьера. Для версий 8.x он не заявлен. Там приоритеты проще задать порядком слов и самим описанием («главное в кадре — тёплый золотой свет»);
• в Stable Diffusion/ComfyUI за это отвечает ControlNet — дополнительная модель, которая фиксирует позу, контур (edge) или глубину (depth) исходного изображения. Стиль можно менять, не теряя композицию. Полезно, когда нужно перерисовать один и тот же макет или раскадровку в разных визуальных стилях.

Стиль зафиксирован через --sref, а персонаж — приложенным референсом в редакторе (Edit Model):

the same woman from the reference image, red dress, walking through autumn forest, warm golden light, misty atmosphere --sref [ссылка на стиль] --sw 150

У GPT Image и Nano Banana прямого аналога --sref как отдельного флага нет. Та же задача решается способом из темы «Редактирование изображений и ретушь»: держать персонажа или стиль в одном и том же диалоге и правкой за правкой просить сохранить внешность. Либо каждый раз прикладывать одно и то же референсное изображение заново.

До

Референс: эталонный кадр персонажа.

После

Новая сцена с тем же персонажем: референс приложен к запросу.

Промпт

Тот же персонаж, что на референсе: красное платье, идёт по осеннему лесу, тёплый золотой свет, лёгкий туман, средний план по пояс, лицо хорошо видно. Лицо, причёску и пропорции не меняй

Свой устойчивый стиль: Style Creator, moodboards и персонализация. Готовый --sref со ссылкой на чужую картинку — это заимствование чужого стиля. Чужая картинка как --sref или как исходник для LoRA на стиль — отдельные права на референс, см. тему «Этика, приватность и ограничения»; для клиентских проектов безопаснее свой Style Creator или мудборд из своих и лицензионных работ. Если нужен собственный, узнаваемый стиль для каждого нового проекта, в Midjourney для этого есть Style Creator. Это инструмент прямо в основном интерфейсе. Несколько раундов подряд он показывает сетки изображений, просит выбрать, какое ближе к желаемому направлению, и на основе выборов собирает код стиля. Получившийся код используется как обычный --sref [код] в любом промпте: стиль остаётся стабильным между совершенно разными сюжетами. Рядом живут ещё два механизма того же рода. Moodboards — своя подборка картинок, которая работает как стилевой референс. Персонализация — профиль вкуса, собранный из твоих оценок чужих изображений. В старых гайдах на этом месте встретится Style Tuner с кодами после --style. Это предшественник из эпохи V5.2, в актуальных версиях он не используется.

Если нужен не свой стиль, а вдохновение случайным направлением, --sref random подставляет случайный код стиля. Полезно как отправная точка для разведки, а не как финальный инструмент.

Стайл-гайд как промпт-система. Для консистентной серии ассетов (карточки товаров, иллюстрации блога, соцсети бренда) один раз собери «шаблон» из фиксированной и переменной части:

Фиксированная часть (не меняется): мягкий естественный свет, пастельная палитра из тёплого песочного и приглушённого шалфейного, лёгкая плёночная зернистость, ракурс 3/4, минималистичный фон
Переменная часть (меняется под задачу): [конкретный объект/сцена]

Цвета в шаблоне описаны словами не случайно. Hex-коды генераторы воспроизводят ненадёжно: по опыту, Midjourney их почти не замечает, а GPT Image и Nano Banana попадают лишь примерно. Надёжнее описать цвет словами и приложить свотч палитры картинкой.

Такой шаблон затем просто подставляется в любую генерацию. Все результаты выглядят частью одной системы, а не разрозненными картинками.

Чайник

Свеча

Полотенце

Чашка

Ваза

Промпт

Продуктовая фотография: [керамический чайник]. Мягкий естественный свет, пастельная палитра из тёплого песочного и приглушённого шалфейного, лёгкая плёночная зернистость, ракурс 3/4, минималистичный фон

Как студии удерживают стиль на длинной серии, смотри в кейсах D1S1 по фильтру branding или illustration.

Прежде чем закрепить персонажа через референс-изображение или обучить на нём LoRA (раздел про LoRA ниже), его нужно один раз придумать и зафиксировать. Это отдельный итеративный процесс, а не результат одного удачного промпта.

Промпт

Собери референс-лист этого персонажа в трёх ракурсах на нейтральном фоне: анфас, профиль, три четверти — сохрани лицо, причёску и одежду идентичными на всех трёх. Фотореализм, студийный свет

Промпты

Шаг 1, эталонный кадр

Photorealistic full-body photo of a young man in his early 20s with messy dark brown hair and light stubble, indie rock style: worn black leather jacket over a plain faded grey t-shirt, slim black jeans, scuffed white canvas sneakers, wired headphones around his neck, a thin silver ring, standing relaxed, plain light grey studio background, soft even light. No text, no logos, no band names on clothing.

Шаг 2, с приложенным эталоном

Собери расширенный референс-лист этого персонажа на светло-сером студийном фоне. Слева в полный рост три вида: анфас, профиль справа, со спины. Справа вверху сетка 3 × 2 из шести ракурсов головы: анфас, три четверти слева, профиль, три четверти справа, вид сверху, взгляд вниз. Справа внизу сетка 3 × 2 из шести крупных деталей: глаза, наушники на шее, молния и воротник куртки, кольцо на руке, кеды, фактура джинсов. Лицо, причёска, одежда и пропорции одинаковые во всех кадрах. Фотореализм, ровный студийный свет, без текста и подписей.

Практический алгоритм:

1. Начать с широкого промпта. Описать персонажа в общих чертах (возраст, типаж, стиль одежды, настроение) и сгенерировать несколько вариантов. Попасть в идеал сразу не нужно.
2. Сузить через редирект, а не переписывание с нуля. Из результатов первого прохода выбрать наиболее близкий вариант и точечно донастраивать его в том же разговоре (тот же принцип редиректа, что и в теме «Редактирование изображений и ретушь»). «Оставь лицо и позу, поменяй только цвет куртки» вместо нового описания персонажа целиком.
3. Зафиксировать эталонный кадр. Как только результат устраивает, это и есть референс. Дальше он прикладывается к каждой новой генерации (в Midjourney — через редактор Edit Model, в GPT Image и Nano Banana — файлом в чат) или идёт как исходник для LoRA. Полезно сразу сгенерировать несколько ракурсов этого же персонажа (анфас, профиль, 3/4) одним запросом: мини-референс-лист вместо одного кадра.
4. Собирать банк персонажей, а не хранить референс в одном чате. Если персонаж используется регулярно (маскот бренда, аватар продукта, повторяющийся герой серии контента), сохраняй референс-файлы в отдельную организованную папку или доску (тот же принцип, что и стайл-гайд выше). Нужный чат с историей генераций через полгода найти будет трудно.

Собери референс-лист этого персонажа (вставить исходное изображение) в трёх ракурсах на нейтральном фоне: анфас, профиль, три четверти — сохрани лицо, причёску и одежду идентичными на всех трёх

Широкий промпт: вариант 1

Вариант 2 — ближе всего

Вариант 3

Правка: только цвет куртки

Промпты

Шаг 1, широкий промпт, три варианта

Waist-up portrait of a woman in her early 30s, short red hair, casual outdoor style with a jacket, friendly relaxed mood, neutral light background, soft daylight, 85mm

Шаг 2, правка выбранного варианта

Оставь лицо и позу, поменяй только цвет куртки на тёмно-синий.

Операторский словарь из темы «Генерация изображений» решает задачу «одна убедительная фотография». Другая, более сложная задача — получить одно и то же лицо или персонажа убедительно похожим в десятках разных сцен, ракурсов и нарядов подряд, без «сползания» черт от генерации к генерации. Для неё словесных инструкций уже недостаточно, нужен отдельный класс инструментов.

LoRA (Low-Rank Adaptation) — небольшая дообученная надстройка поверх базовой модели (глоссарий, тема «Модели ИИ»). Она «запоминает» конкретное лицо, персонажа или стиль по набору референсных фото и дальше стабильно воспроизводит его в любой новой сцене. На практике для моделей семейства Flux это выглядит так: набор качественных референсных фото одного человека или персонажа с разных ракурсов → обучение (на потребительской видеокарте — 1–3 часа) → готовая LoRA, которую дальше подключают к обычному текстовому промпту как модификатор. Актуальные версии Flux дополнительно принимают до нескольких референсных изображений прямо во время генерации, без обучения LoRA вообще. Это более быстрый, хоть и менее стабильный путь к тому же результату.

Отдельные платформы строят вокруг этого готовый продукт, где разбираться в LoRA руками не нужно. Higgsfield (модель Soul — прицельно «модельная», фэшн- и редакторская эстетика) предлагает загрузить референс лица или образа и сразу получить фотосессию в разных сценах, ракурсах и нарядах. Сюда входит и виртуальная примерка одежды: одно фото товара «надевается» на сгенерированного человека с реалистичной посадкой ткани. Для дизайнера это особенно полезно в продуктовой и каталожной съёмке. Для черновой версии кампании не нужен ни фотограф, ни модель, ни студия. Recraft решает соседнюю задачу: держит единый стиль серии через собственные стили, собранные из твоих референсов.

После обучения LoRA получает своё триггер-слово (задаётся при обучении). Дальше оно просто подставляется в обычный промпт как ключ, включающий эту конкретную внешность:

portrait of [триггер-слово LoRA] sitting at a café table, cinematic lighting, 50mm lens

Важная этическая оговорка: любой инструмент, воспроизводящий лицо конкретного реального человека (не собирательного персонажа) — LoRA, Higgsfield, референс в Edit Model, — требует его согласия, даже если фото уже публично доступны. Подробнее в теме «Этика, приватность и ограничения».

the same barista from the reference image, working at a cozy coffee shop, warm lighting, editorial photography style --sref [ссылка на стиль] --ar 3:2

Вот референсное изображение (приложено). Опиши его как детальный промпт для генерации: субъект, композиция, ракурс, свет, цветовая палитра, стиль, настроение — так, чтобы этот текст можно было использовать как самостоятельный промпт в другом инструменте

Вот мой шаблон стиля (вставить фиксированную часть промпта). Сгенерируй по нему карточку товара: [первый товар]. Следующие товары пришлю по одному в этом же чате

В ChatGPT серию проси по одной карточке на сообщение, но в одном диалоге: так стиль держится лучше.