ИИ-изображения как референсы: где помогают, где врут

Этот вопрос обычно задают недобросовестно — с той стороны или с другой, — и нам не интересна ни одна из версий. Мы гоняем модели изображений и продаём доступ к ним, и всё равно считаем, что работающий художник должен отказываться использовать их примерно в половине задач, где их сейчас используют.

Разделение здесь не вопрос вкуса. Всё сводится к одному различию: сгенерированное изображение очень хорошо наводит на мысль и ненадёжно в правильности. Там, где вашему референсу достаточно на что-то намекнуть — настроение, цветовое отношение, то, как свет ложится по комнате в четыре часа дня, — он работает, и дёшево. Там, где он обязан быть верным, где вы собираетесь списывать из него конструкцию, вы получаете уверенную красивую ложь и заучиваете эту ложь.

Вот где, по нашему мнению, проходит граница и как всё-таки получить из этой штуки полезный референс.

Для чего сгенерированные референсы честно хороши

У всего этого общее свойство: вы снимаете с изображения впечатление, а не мерку.

• Этюды света. Как тёплый рисующий из низкого окна читается против холодного отскока от белой стены. Модель впитала огромное количество фотографий ровно этого, и получить двенадцать вариаций одной световой схемы тривиально.
• Цветовые палитры. Вытащите палитру, изображение выбросьте. Сгенерированные изображения необычайно хороши в связных цветовых отношениях, потому что именно это поощряют обучающие данные.
• Композиционные тумбнейлы. Раскладка, массы, куда глаз входит и откуда выходит. Грубый сгенерированный кадр оценивается быстрее, чем грубый набросок.
• Мудборды. Самое защитимое применение из всех. Никто ничего не копирует; вы фиксируете ощущение до того, как выберете направление.
• Атмосфера среды. Плотность тумана, пыль в воздухе, мокрый асфальт ночью, зелень комнаты, освещённой сквозь листву. Сплошное впечатление, никакой конструкции.
• «А как это примерно выглядит в три четверти». Полезно как толчок, когда вы застряли, и опасно в тот момент, когда вы начинаете это обводить. Об этом ниже.

Чему они тихо научат вас неправильно

Модель не знает, как устроено плечо. Она знает, как плечи выглядят на фотографиях, а это более мелкое знание. Чаще всего разница не видна. Когда она проявляется, она проявляется как сустав, гнущийся в правдоподобном направлении, в котором он на самом деле не гнётся, — и, скопировав это в рисунок, вы не сделали ошибку один раз, вы её отработали.

Вот в чём настоящая цена, и поэтому мы прямолинейны насчёт этого списка:

• Анатомия и механика суставов. Особенно всё в ракурсе, всё под сжатием, всё, где мышца выполняет работу. Именно здесь референс обязан быть верным.
• Кисти и стопы. Нынешние модели проваливают их куда реже, чем поколение 2024 года, но «куда реже» — это не «надёжно», а кисти в фигуративной работе разглядывают пристальнее всего.
• Перспектива и архитектура. Точки схода уплывают, переплёты окон перестают выстраиваться по фасаду, высота ступеней меняется. Выглядит нормально и не переживёт того, что на этом что-то построят.
• Механизмы и то, как детали крепятся. Сгенерированный двигатель, велосипедная трансмиссия, доспех: модель рисует вид сборки без самой сборки.
• Анатомия животных. Особенно лошади: суставы ног, фаза аллюра, перенос веса. Фотографы потратили век, чтобы это закрыть; не переучивайтесь у диффузионной модели.
• Костюм, доспех и упряжь конкретной эпохи. Модель усредняет по векам. Знающий зритель замечает это мгновенно, и потом только это и запоминает.

Закономерность такая: если вы пошли бы искать фотографию настоящей вещи, чтобы что-то проверить, — идите и ищите. Сгенерированная графика заменяет референс, через который вы собирались пройти на ощупь, а не тот, по которому собирались мерить.

Профессиональная сторона практики

Это важнее, чем ожидают, и вопрос тут в основном не юридический.

Происхождение. Каждое изображение от модели Google, включая все четыре уровня Nano Banana, несёт водяной знак SynthID. Он невидим, встроен выше по цепочке самим Google, и выключить его не может ни один провайдер. Ни мы, ни fal.ai, ни собственный API Google. Полезно, если вам нужно происхождение, и операционная проблема, если договор запрещает ассеты с водяными знаками. Знайте, что он там, до того, как будете вокруг этого строиться.

Что вы показываете клиенту. Сгенерированному референсу место в вашем процессе, а не в вашей сдаче. Показ такого на стадии концепции задаёт ожидание картинки, которую вы не делали и не сможете воспроизвести по требованию, и это быстрый способ услышать «давай просто вот эту». Если он на мудборде — скажите, что это.

Почему вы это не обводите. Кроме проблемы анатомии, именно на обводке вопрос происхождения становится острым. Композиция, к которой вы пришли, глядя на сгенерированный кадр, — ваша. Форма, снятая с него линия в линию, имеет родословную, которую вы не задокументируете. Пользуйтесь этим так же, как фотографией, которую вы нашли и не можете лицензировать: посмотрите, поймите, закройте вкладку, рисуйте.

Ничто из этого не делает стоковую фотографию чище. Стоковый закат — тоже чьи-то чужие решения про свет. Различие здесь в правильности, а не в добродетели.

Как всё-таки получить полезный референс

Референс не обязан быть красивым. Он обязан быть читаемым. Это меняет выбор модели, и ответ — дешёвая.

Nano Banana 2 Lite стоит $0.0238 за изображение на нашем API по проверке цен от 26 августа 2026 года. Двадцать вариаций — это $0.476, и ничто другое в нашем разборе цен каталога её не подрезает. Для референсной работы экономика правильная именно такая: количество и разброс, а не один идеальный кадр. Платить $0.075 за рендер Nano Banana Pro, на который вы прищуритесь десять секунд и выбросите, — это поджечь деньги. Берегите Pro для вывода, а не для входа.

Цены и условия продуктов со временем меняются; проверьте актуальные цены каждого провайдера, прежде чем принимать решение о покупке. Цены Google Batch или Flex не эквивалентны напрямую стандартному on-demand API request, поскольку планирование, доступность и условия обработки отличаются; поэтому они исключены из этого сравнения. Это ограниченное по охвату сравнение, а не утверждение, что E2X — самый дешёвый вариант в мире при любой конфигурации.

Четыре привычки дают больше, чем улучшение prompt.

Генерируйте одну и ту же сцену в нескольких aspect ratio. Кадрирование меняет то, что модель кладёт в картинку, а не только то, как она её обрезает. У Lite четырнадцать фиксированных соотношений плюс auto, включая 1:4, 4:1, 1:8 и 8:1 — этих экстремальных на других уровнях нет, и они неожиданно хороши, чтобы нащупать высокую композицию или длинную панель. Один prompt, шесть соотношений, шесть по-настоящему разных мыслей об одной сцене.

Итерируйте свет на неподвижном объекте через edit-endpoint. Вот это главное. Сгенерируйте объект, который вам нравится, и потом раз за разом прогоняйте его через edit-endpoint Lite, меняя только свет: жёсткое солнце слева от камеры, пасмурно, одна тёплая практическая лампа снизу, контровой в сумерках. Это один объект в шести условиях, а именно это и есть этюд света. Для идентичности, которая обязана держаться на длинной серии, Nano Banana 2 берёт до 14 референсных изображений — разбирается в материале как удержать персонажей одинаковыми между генерациями.

Пишите prompt про свет, а не про объект. «Один жёсткий источник сверху слева от камеры, глубокие незаполненные тени, тёплый рисующий против холодного окружающего» — вот полезная половина prompt. То, что стоит в этом свете, значит меньше, чем вам кажется.

Сохраняйте неудачи. Кадр с неправильной кистью всё ещё пригодный референс по свету. Выбрасывая всё, где есть ошибка, вы выбрасываете большую часть того, за что заплатили.

Одно предупреждение, экономящее вечер: URL вывода, который возвращает наш API, временный. Собирайте библиотеку референсов, скачивая байты, а не сохраняя ссылки. Папка протухших ссылок — не библиотека.

Публиковать сгенерированное изображение, а не рисовать с него — задача строже, и привычки осмотра под неё мы описали отдельно: как отличить сгенерированную фотографию от настоящей. Референсной работе на деле нужны всего два endpoint: text-to-image, чтобы сделать объект, и image-to-image, чтобы продолжать его двигать; оба перечислены с параметрами в каталоге.

Частые вопросы

Эффективно ли использовать ИИ-изображения как референсы для рисования?

Для света, цвета, композиции, настроения и атмосферы среды — да: это впечатления, а впечатления сгенерированные изображения несут хорошо. Для анатомии, перспективы, архитектуры, механизмов и строения животных — нет: модель воспроизводит то, как эти вещи выглядят на фотографиях, не зная, как они работают, так что копирование её вывода означает отработку её ошибок. Проверка простая: вашему референсу нужно быть наводящим или нужно быть верным.

Можно ли обводить сгенерированное ИИ изображение?

Мы бы не советовали. Две причины: при обводке, в отличие от интерпретации, анатомические и конструктивные ошибки переезжают прямо в вашу работу, а у обведённой формы есть родословная, которую вы не задокументируете, если потом спросит клиент или жюри. Пользуйтесь сгенерированным кадром так же, как нелицензированной фотографией, найденной в сети: посмотрите, поймите, а потом рисуйте от понимания.

Есть ли на сгенерированных ИИ референсах водяной знак?

Каждый вывод модели изображений Google, включая все четыре уровня Nano Banana, несёт SynthID — невидимую метку происхождения, накладываемую Google. Отключить её не может ни один провайдер, поскольку она встроена до перепродажи. На изображение визуально она не влияет и использованию в качестве референса не мешает, но означает, что файл опознаётся как сгенерированный ИИ.

Какой самый дешёвый способ генерировать референсные изображения?

Nano Banana 2 Lite по $0.0238 за изображение на E2X, проверено 26 августа 2026 года. Референсная работа вознаграждает объём, а не отделку, так что двадцать вариаций примерно за $0.48 бьют один премиальный рендер. Платить по верхнему тарифу за то, на что вы взглянете и выбросите, незачем.

Как сгенерировать один и тот же объект при разном свете?

Сгенерируйте объект один раз, а потом раз за разом отправляйте это изображение в edit-endpoint, меняя каждый раз только инструкцию по свету. Так вы получаете один объект во многих условиях, а не несколько несвязанных изображений, — и именно это делает их этюдом. Nano Banana 2 Lite справляется с этим по $0.0238 за проход; Nano Banana 2 берёт до 14 референсных изображений, если нужна более плотная консистентность идентичности.

Показывать ли сгенерированные референсы клиенту?

Держите их в своём процессе, а не в сдаче. Сгенерированное изображение на доске, которую видит клиент, задаёт ожидание картинки, которую вы не делали и не воспроизведёте по требованию, а клиенты регулярно просят «вот эту», однажды её увидев. Если сгенерированный кадр всё-таки попал на мудборд, подпишите его.

Почему ИИ-модели ошибаются в кистях и анатомии?

Потому что модель изображений усваивает вид кисти по миллионам фотографий, а не устройство под ним. В её представлении нет скелета, есть только статистика того, как пальцы обычно располагаются рядом друг с другом, — поэтому правдоподобное сочетание может быть механически невозможным. Сильнее всего это проявляется на кистях и конечностях в ракурсе, а именно там художнику и нужен точный референс.