Розбір кадру: від задуму до фінального промпту

Розклади задум на складові

«Класне фото в кафе» приховує щонайменше п'ять окремих рішень, які модель не вгадає за тебе. Поки ти не відповіси на ці питання собі, промпт буде таким же розмитим, як і задум.

• Хто в кадрі — ти сам(а) за референсом чи згенерований персонаж без прив'язки до конкретної зовнішності.
• Де саме — не просто «кафе», а біля вікна, за барною стійкою, за столиком у глибині зали. Кожен варіант дає інше світло.
• Яке світло — денне з вікна, тепле вечірнє, холодне люмінесцентне. Це найсильніший інструмент кадру, і йому присвячений окремий крок.
• Який настрій — постановочний портрет чи випадковий кадр, ніби зроблений другом. Настрій визначає позу, погляд, вираз обличчя.
• Для чого фото — аватар, обкладинка, публікація в соцмережі. Це впливає на кадрування: квадрат, портретна орієнтація, скільки повітря лишити навколо голови.

Запиши відповіді на ці п'ять пунктів одним реченням кожна — ще до того, як відкриєш Nano Banana. Це і є справжня «половина роботи» в генерації зображень: коли задум розкладений, промпт пишеться сам.

Перша наївна спроба — і чому вона схожа на стокове фото

Ось як типово формулює запит новачок — просто описує сцену словами, якими описав би її другу. Нижче — результат саме цього промпту, ще до жодних виправлень:

A person having coffee in a cozy cafe near the window, beautiful photo, high quality, 4k

Порада «Beautiful», «high quality», «4k» — не інструкції, а порожні слова: вони нічого не уточнюють про кадр, тож модель просто ігнорує їх або підставляє замість них своє усереднене уявлення про «гарне фото кафе» — те, чого в навчальних даних найбільше.

Керування світлом — найсильніший важіль кадру

Проблема попередньої спроби — не в композиції, а в тому, що промпт узагалі не описував світло. А без вказаного напрямку джерела модель обирає рівне, майже фронтальне освітлення — той самий ефект, що й спалах на телефоні: тіні мінімальні, обличчя виглядає плоским, бо на ньому немає перепаду яскравості, який очі зчитують як об'єм.

Об'єм на обличчі з'являється не від різкості чи роздільності, а від того, що одна частина освітлена сильніше за іншу. Бокове чи віконне світло падає під кутом — і кожна нерівність рельєфу (вилиця, ніс, підборіддя) кидає власну м'яку тінь. Саме ця гра світла й тіні мозок читає як тривимірність.

Тому в промпт треба додати три конкретні речі: напрямок джерела (зліва, справа, збоку), якість світла (м'яке чи жорстке — залежить від розміру джерела: вікно велике, тому світло м'яке) і температуру (тепле пообіднє чи холодне похмуре). Ось друга версія:

A person sitting at a cafe table near a large window, soft natural window light falling from the left side, gentle shadows defining the shape of the face, warm afternoon daylight, no artificial flash, candid atmosphere

Порада Обличчя одразу отримало об'єм і виглядає природнішим — але кадрування й пропорції все ще випадкові, бо ми ще не керували планом і оптикою. Це наступний крок.

Керування планом і оптикою

Друга версія дала світло, але камера ніби «не знає», звідки дивитись: план може вийти або занадто загальним (людина губиться серед меблів кафе), або занадто близьким із перекрученими пропорціями обличчя — класичний ефект фронтальної камери телефону, коли лінза стоїть надто близько.

Це питання оптики, а не смаку. Короткофокусний широкий об'єктив зблизька спотворює перспективу: ніс, який фізично ближче до лінзи, здається непропорційно великим відносно вух і скронь. Довший фокус (у портретній фотографії традиційно близько 85мм) дозволяє знімати з більшої відстані при тому самому кадруванні — перспектива вирівнюється, риси обличчя виглядають природно. Додатковий ефект довгого фокуса й відкритої діафрагми — мале поле різкості: фон розмивається (боке), і погляд глядача автоматично йде на обличчя, а не на випадкові предмети інтер'єру.

Опиши це прямо в промпті — план, висоту камери й оптичну характеристику:

Medium close-up portrait, camera positioned at eye level, 85mm portrait lens look, shallow depth of field with the cafe background softly blurred into bokeh, soft natural window light from the left, warm afternoon daylight

Порада «Camera at eye level» важливо окремо: камера, спрямована зверху вниз, — це той самий спотворюючий ефект, що й у селфі знизу, тільки навпаки.

Керування деталями, які видають AI

Світло й план на місці, але саме на цьому етапі впадають в очі типові «зради» генерації: занадто гладка, воскова шкіра без пор; руки з неправильною кількістю чи формою пальців; розмита вивіска чи текст меню на фоні, який перетворюється на нечитабельну кашу з символів.

Причина в кожного з цих артефактів різна, і розуміти її корисніше, ніж просто копіювати фразу-«ліки»:

• Шкіра — модель за замовчуванням тяжіє до усередненої, ідеалізованої текстури (наслідок ретушованих фото в навчальних даних). Треба прямо попросити текстуру шкіри з порами.
• Руки — це складна рухома конструкція з багатьма ступенями свободи, і модель найчастіше помиляється саме тут. Що менш складна поза руки в кадрі (простий хват чашки, а не переплетені пальці), то менше шансів на помилку.
• Фон із текстом — вивіски, меню, етикетки вимагають від моделі «намалювати» справжні літери, а це вона робить погано. Найнадійніше рішення — не намагатись виправити текст, а прибрати потребу його малювати: розмити фон сильніше або прямо вказати уникати читабельного тексту.

Четверта версія промпту:

Medium close-up portrait, camera at eye level, 85mm portrait lens look, shallow depth of field with cafe background softly blurred into bokeh, soft natural window light from the left, warm afternoon daylight, natural skin texture with visible pores, no plastic or airbrushed skin, hands relaxed around a coffee cup in a simple natural grip, no readable text or logos in the background

Порада Не додавай усі три виправлення одночасно наосліп — перевір спершу, яка саме з трьох проблем реально є у твоєму результаті, і формулюй виправлення під неї, а не про запас.

Ітерація: що робити, коли «майже вийшло»

Це найважливіший методологічний крок усього уроку. Коли результат вже непоганий, але щось заважає — головна помилка новачка: переписати весь промпт наново або додати одразу п'ять нових слів. Тоді неможливо зрозуміти, яка саме зміна що дала.

Правильний порядок дій:

• Сформулюй одним реченням, що конкретно не влаштовує в кадрі (не «якось не те», а «вираз обличчя виглядає награно, ніби для документа»).
• Зміни в промпті рівно одну змінну, яка відповідає за цю проблему.
• Згенеруй знову і порівняй лише цю різницю з попередньою версією.

У нашому прикладі кадр технічно вже правильний, але вираз обличчя надто «постановочний» — прямий погляд у камеру з рівною усмішкою читається як фото на документ, а не як випадковий кадр у кафе. Причина проста: слово «candid» на початку промпту було занадто загальним і не описувало ні погляд, ні мікровираз. Виправляємо саме цю одну деталь:

Medium close-up portrait, camera at eye level, 85mm portrait lens look, shallow depth of field with cafe background softly blurred into bokeh, soft natural window light from the left, warm afternoon daylight, natural skin texture with visible pores, no plastic or airbrushed skin, hands relaxed around a coffee cup in a simple natural grip, no readable text or logos in the background, relaxed genuine half-smile, gaze slightly off-camera as if looking outside the window, unposed photojournalistic feel

Порада «Looking slightly off-camera» — простий і надійний прийом проти «паспортного» виразу: погляд, спрямований повз камеру, читається як момент, а не як позування.

Як зафіксувати вдалий результат, щоб повторити його завтра

Коли фінальна версія влаштовує, її цінність не в конкретному тексті, а в структурі, яку можна перевикористати. Розбери свій робочий промпт на блоки — і збережи саме цю формулу:

• [Задача/план] — medium close-up, camera at eye level, 85mm portrait lens look
• [Хто/де] — опис людини та місця дії
• [Світло] — напрямок, якість, температура
• [Деталі] — шкіра, руки, фон, текст
• [Настрій/погляд] — вираз, напрямок погляду, стиль кадру

Завтра для нового кадру достатньо змінити тільки блок «хто/де» чи «настрій», лишивши інші чотири блоки без змін, — і ти отримаєш той самий візуальний стиль на новому сюжеті. Обов'язково записуй робочі формули в один документ (нотатки, таблиця — не важливо), а не тримай їх лише в історії генерацій: за тиждень ти не згадаєш, яка саме з двадцяти спроб була правильною.

Коли зупинятись

У кожної ітерації є спадна віддача: перші дві-три зміни дають різкий стрибок якості (світло, план, деталі), а після них покращення стають дедалі меншими, і часто виправлення однієї дрібниці ламає іншу, яка вже була вдалою.

Критерій зупинки — не «ідеально», а той самий пункт «для чого фото», який ти визначив(ла) на першому кроці. Аватар у месенджер і обкладинка для друкованого банера мають зовсім різну планку якості. Якщо кадр уже відповідає своїй меті — це і є фінал, а не проміжний результат.

Перфекціонізм у генерації забирає більше часу, ніж дає користі: після п'ятої-шостої ітерації над тим самим кадром продуктивніше почати новий підхід (інше вихідне фото, інший ракурс), ніж шліфувати той самий до нескінченності.