Описание персонажа может быть очень подробным: волосы, лицо, одежда, фон, положение камеры, настроение. Однако между фразой "сохрани тот же костюм" и точным изображением конкретного костюма остается огромная разница. В словах невозможно без потерь перечислить все пропорции, стыки и мелкие признаки утвержденного образа.
При работе с иллюстрациями "Эхо" мы увидели знакомый эффект: новая версия иногда выглядит качественно, но ощущается чужой. Цвета похожи, персонаж формально тот же, а детали складываются уже в другой художественный образ.
Слова хорошо задают действие, но хуже хранят форму
Текстом удобно объяснить, что исправить: сделать кожу естественнее, проверить кисть, улучшить отражения, сохранить фиолетовый туман. Но текст хуже передает, каким именно должен остаться объект. У него нет точных координат складок, формы наплечника или расстояния между деталями лица.
Если заменить исходную картинку одним описанием, модель получает простор для интерпретации. Она может выполнить требования по качеству, одновременно переосмыслив композицию, одежду и лицо.
Утвержденный референс - часть задания
Поэтому исходное изображение нужно держать в центре проверки. Важно передавать не только словесные требования, но и сам визуальный эталон там, где инструмент это поддерживает. А затем сопоставлять результат с ним, а не судить только по красоте новой версии.
При этом нельзя по одному неудачному результату уверенно утверждать, что конкретный сервис "превратил картинку в текст". Внутренняя обработка может быть устроена по-разному. Для нас существеннее наблюдаемый факт: новая версия отличается от исходника по признакам, которые мы просили сохранить.
Исправляем одно, проверяем всё
Полезно заранее определить область изменения. Например, если проблема в глазах, проверять в первую очередь глаза, но дополнительно убедиться, что не поменялись черты лица и освещение. Если исправляем руки, сохранять жест и положение предметов.
Такую проверку удобнее вести парами "оригинал - новая версия", а не по памяти. И если результат красивый, но не соответствует эталону, нужно иметь возможность его отклонить без потери утвержденного исходника.
Главный урок для "Эхо" заключается не в отказе от текстовых инструкций. Они нужны, чтобы обозначать цель. Но идентичность героя хранит изображение, и заменять его пересказом там, где требуется точность, нельзя.