Собираем продуктовое фото за 10 минут — и сразу проверяем, где нейросеть подведёт
Реклама агрегаторов обещает: загрузил фото товара, написал промпт — и через десять минут у тебя рекламная карточка уровня студийной съёмки. Отчасти это правда. Но если сесть и честно пройти весь путь от исходника до готовой картинки, выяснится, что «десять минут» — это время генерации, а не время получения готового результата, который можно сразу вешать на маркетплейс без правок.
Что нейросеть действительно умеет с товаром
Сейчас для продуктовой съёмки чаще всего берут две модели: Nano Banana Pro от Google и Flux 2 Pro от Black Forest Labs. У обеих есть конкретная специализация, а не общая «магия картинок».
Главное преимущество Flux 2 Pro — реалистичная работа со светом и материалами: модель хорошо передаёт кожу, ткань, стекло, металл, дерево, керамику, пластик и другие фактуры. Архитектура модели понимает освещение и физику реального мира, создавая изображения, которые выглядят подлинно естественными, а не искусственно сгенерированными. Для флакона духов на мраморе или косметической баночки со стеклянной крышкой это критично — именно тут дешёвые модели чаще всего выдают пластиковый глянец вместо стекла.
Nano Banana Pro в свою очередь силён в другом. Nano Banana Pro особенно хорошо генерирует читаемые надписи прямо на картинке — заголовки на плакатах, текст на упаковке, подписи на инфографике, причём на разных языках, тогда как у большинства других моделей текст внутри картинки до сих пор выглядит как набор случайных символов. Если карточка товара требует текста на упаковке или ценника на баннере — это единственная реалистичная опция среди генеративных моделей.
Обе модели умеют работать с референсами, а не только «рисовать с нуля». Модель может обрабатывать до 10 референсных изображений одновременно, сохраняя черты персонажа, детали продукта и элементы стиля во всех результатах, что делает её полезной для работы над консистентностью бренда и визуализации продукции. Именно это отличает «продуктовую съёмку нейросетью» от простой генерации красивой картинки: вы не просите модель придумать флакон, вы просите её вписать ваш реальный флакон в новую сцену.
Приём на 10 минут: как это делается на практике
Реальный алгоритм короче, чем кажется, но каждый шаг решает конкретную проблему.
- Снимите или найдите один чистый исходник товара. Ровный свет, минимум теней, товар целиком в кадре. Нейросеть не может «увидеть» то, чего нет на исходнике — если этикетка размыта на фото, размытой она останется и в генерации.
- Загрузите фото как референс, а не описывайте товар текстом. Промпт вида «сохрани форму, цвет, логотип, упаковку и пропорции товара» работает надёжнее, чем попытка описать флакон словами — тогда модель не начнёт «доизобретать» деталь.
- Опишите сцену отдельно от товара. Фон, свет, ракурс, стиль — отдельным блоком. Смешивание описания товара и описания сцены в одном предложении — частая причина, почему модель искажает упаковку.
- Явно укажите, что нельзя менять. Формулировки вроде «не деформируй элементы логотипа, не добавляй случайные надписи на упаковку» реально снижают число артефактов — это не суеверие, а рабочий приём, который советуют практикующие пользователи моделей.
- Сделайте серию, а не один кадр. Несколько ракурсов с одним и тем же промптом-каркасом выглядят как настоящая фотосессия куда убедительнее одной случайной генерации.
При аккуратной сборке промпта весь цикл — от загрузки фото до готовой картинки — укладывается в те самые десять минут. Вопрос в том, что происходит после генерации.
Где приём ломается на практике
Вот тут начинается честная часть. Нейросеть не студийный фотограф, и у неё есть системные слабости, которые не лечатся более длинным промптом.
- Мелкие детали и надписи на этикетке. Модели плохо справляются с очень мелкими элементами изображения: если попросить исправить надпись на этикетке или мелкую деталь на заднем плане, результат может оказаться искажённым, а точность на пиксельном уровне уступает ручной работе в редакторе.
- Консистентность между кадрами не гарантирована. Модель обучена сохранять черты и ключевые детали, но полная консистентность формы или пропорций товара между несколькими генерациями не гарантируется — иногда флакон в третьем кадре чуть меняет пропорции по сравнению с первым.
- Работа с руками и сложными ракурсами. Если в кадре товар держит рука модели или человека, свойственны ошибки в изображении людей — неправильно прорисованные пальцы или позы при сложном ракурсе остаются частой проблемой.
- Текст на редких языках и сложных формулировках. На редких языках или при сложных идиоматических оборотах в тексте на изображении возможны орфографические ошибки — надпись на упаковке всегда нужно проверять вручную перед публикацией.
- Права на результат — не абстрактный вопрос. Используя коммерческие API для генерации, вы соглашаетесь с тем, что провайдер может генерировать похожий по содержанию контент и для других клиентов — для эксклюзивного бренд-визуала это стоит держать в голове.
Отдельно стоит сказать про формат кадра: некоторые модели упрямо тянут к квадрату или обрезают композицию, даже если явно просить вертикальный кадр под карточку маркетплейса — доводить до нужного соотношения сторон иногда приходится вручную.
Что в итоге
Приём с референсом товара и раздельным описанием сцены реально сокращает продуктовую съёмку до десяти минут генерации. Но «десять минут» — это время получения черновика, а не финального ассета. Логотип, мелкий текст и консистентность серии всё равно нужно проверять глазами и иногда доводить руками. Это не значит, что приём бесполезен — это значит, что нейросеть здесь работает как быстрый черновой цех, а не как замена финальной ретуши.
Если хочется опробовать этот приём без смены IP и без иностранной карты — Nano Banana Pro, Flux 2 Pro и другие модели для продуктовой съёмки доступны в GEMERA AI, в Telegram-боте и веб-кабинете. Можно быстро сравнить, какая модель лучше справляется именно с вашим товаром — стеклом, тканью или упаковкой с текстом — и решить для себя, где заканчивается экономия времени и начинается ручная доводка.