Как генеративный ИИ помогает держать одного маскота везде узнаваемым
Петербургская финансовая компания за два месяца разместила одного и того же рыжего кота-маскота на обложках, в Pinterest, в обоях для телефона и в роликах — всё это делает генеративная модель gpt-image через API. На практике оказалось, что красивую картинку получить легко, а вот сохранить одного и того же персонажа и не нарушить правила площадок намного сложнее.
Что сработало, чтобы кот оставался тем же самым
Главный вывод команды оказался простым: одного текстового описания персонажа недостаточно. Если каждый раз писать «рыжий вислоухий кот», модель всё равно будет менять морду, оттенок шерсти и другие детали. Стабильность даёт только один и тот же референс, который передают в каждый запрос.
Чтобы кот не «плавал» от картинки к картинке, используют один основной референс месяцами и добавляют в промпт короткую формулу вроде «the same ginger Scottish Fold cat from the reference». Внешность больше не расписывают заново, а одежду меняют отдельно под сюжет — например, пиджак, свитер, каску или комбинезон. Так кот остаётся узнаваемым, даже если сцена каждый раз новая.
Промпты собирают по одному и тому же шаблону: сначала стиль, потом персонаж, затем действие, место и запреты. Такой порядок помогает получать более предсказуемый результат и быстрее прогонять много вариантов через API. Перед запуском ещё и проверяют цену за изображение, чтобы внезапно не уйти в перерасход, если тариф у агрегатора поменяется.
Где генерация ломается и почему текст лучше не просить напрямую
Самая заметная проблема — текст на картинке. Фраза вроде «no text» работает плохо: на бумагах, экранах и вывесках модель всё равно нередко пишет набор букв, который выглядит как абракадабра. Для обложки это особенно опасно, потому что такой артефакт сразу выдаёт сгенерированную картинку.
Лучше срабатывают более точные формулировки: просить нечитаемый текст, размытые надписи или вообще заменять их абстрактными полосами и узорами. Если текст нужен по-настоящему, например для карточек Pinterest, его уже встраивают в саму картинку. Но и тут без ручной проверки не обойтись: модель может ошибаться в русских словах, а короткие подписи в 2–5 слов обычно получаются надёжнее.
Есть и другие типичные сбои. Чем сложнее действие, тем выше шанс получить лишние лапы. Реальные логотипы сервисов тоже могут появляться слишком похоже на настоящие, поэтому такие сцены формулируют осторожно. А если кот вдруг начинает напоминать известного персонажа, результат просто отбраковывают.
Что это даёт в работе и где такой подход полезен
Команда быстро поняла, что одна и та же картинка не подходит для всех площадок. На Т—Ж, например, первое изображение идёт как обложка без текста и логотипов. Для Drive2 нужен более реалистичный стиль, для Pinterest — пометка о том, что изображение изменено с помощью ИИ, а на Пикабу и банковских форумах лучше заходят простые мемы, а не рекламный кот-маскот.
Ещё один важный вывод — персонаж собирает внимание сам по себе только там, где он интересен аудитории. По данным проекта, за первые 30 дней Pinterest показал 1,84 тыс. просмотров, и почти весь результат дали развлекательные пины: бумажная кукла-кот, одежда для неё и раскраска. Финансовые инфографики, ради которых всё запускалось, собрали совсем мало показов.
Для бизнеса это хороший ориентир: ИИ удобно использовать не только для одной «идеальной» картинки, а для серии визуалов под разные площадки и задачи. Если нужно быстро делать обложки, мемы, карточки или адаптировать один образ под разные форматы, генерация через API экономит время — но качество всё равно приходится контролировать вручную.