Нейросеть Кандинский: полное руководство по генерации изображений от Сбера

Что такое нейросеть Кандинский и как она работает

Нейросеть Кандинский — это российская модель искусственного интеллекта для генерации изображений по текстовому описанию, разработанная Sber AI. В основе лежит диффузионная архитектура: сначала модель добавляет шум на обучающие изображения, а затем восстанавливает их в процессе обратной диффузии, создавая уникальные картинки. Главное преимущество — поддержка запросов на русском языке и более чем 100 других языков, что делает её доступной для русскоязычных пользователей без необходимости перевода или использования VPN.

Первая версия вышла в 2022 году на базе ruDALL-E, а затем последовали обновления: Kandinsky 2.0, 2.1, 2.2, 3.0, 3.1 и 3.2. Каждая итерация улучшала качество, детализацию и добавляла новые функции. Последние версии способны генерировать фотореалистичные изображения с разрешением до 1024 пикселей, а также короткие видеоролики. Нейросеть доступна на сайте Fusion Brain, в Telegram-боте, боте ВКонтакте, через приложение GigaChat и виртуального ассистента «Салют».

Основные возможности и функционал Kandinsky

Кандинский предлагает широкий набор инструментов для работы с изображениями:

• Генерация по текстовому запросу — создание картинки с нуля на основе промта.
• Совмещение изображений — объединение двух картинок в одну.
• Генерация на основе загруженного изображения — можно изменить стиль или добавить элементы.
• Дорисовка изображения — расширение холста с сохранением стиля.
• Перенос стиля, очертаний или позы — с загруженного изображения на сгенерированное.
• ControlNet — инструмент для локальных изменений, позволяющий редактировать отдельные части картинки без перегенерации всего изображения.
• Генерация стикеров — при добавлении слова «sticker» в запрос фон удаляется.
• Выбор соотношения сторон — от квадрата до широкоформатных вариантов.
• Выбор стиля — более 20 встроенных стилей: фотореализм, аниме, киберпанк, масляная живопись, рисунок карандашом, средневековый стиль, советский мультфильм, хохлома и другие.

В версии 3.0 и выше появилась поддержка генерации коротких видео, что расширяет возможности для создания контента.

Как пользоваться нейросетью: пошаговая инструкция

Для начала работы с Кандинским выберите один из доступных интерфейсов:

1. Сайт Fusion Brain — перейдите на fusionbrain.ai, введите промт в поле и нажмите «Сгенерировать». Можно выбрать стиль и соотношение сторон.
2. Telegram-бот — найдите бота «Кандинский», запустите команду /start, откроется веб-приложение с кнопками для генерации, вариаций и дорисовки.
3. Приложение GigaChat — доступно на сайте GigaChat, в ВКонтакте и на Android. Требуется регистрация через Сбер ID.
4. Виртуальный ассистент «Салют» — скажите «Включи художника», и ассистент откроет нейросеть.

Процесс генерации:

• Напишите текстовый запрос (промт).
• При необходимости выберите стиль, формат и соотношение сторон.
• Нажмите кнопку генерации и дождитесь результата (обычно 10–30 секунд).
• Если результат не устраивает, можно изменить промт или использовать негативный промт для исключения нежелательных элементов.

Совет: Для получения наилучшего результата описывайте объект, фон, детали и стиль отдельными блоками через запятую.

Формула успешного промта: как писать запросы для Кандинского

Sber AI рекомендует использовать структурированную формулу для промта, которая включает четыре ключевых компонента:

1. Объект — подробное описание главного элемента: внешность, одежда, поза, эмоции. Например: «молодая девушка с рыжими волосами и зелеными глазами сидит с черным котом».
2. Фон — окружение и обстановка: «загадочная комната с колдовскими атрибутами в старой избушке».
3. Детали фона — дополнительные элементы, создающие атмосферу: «череп коровы, пучок сушеных трав, банки с зельями».
4. Стиль — один из доступных стилей или описание собственного: «средневековый стиль, детальное фото».

Пример полного промта:

Молодая девушка с рыжими волосами и зелеными глазами сидит с черным котом. Фон: загадочная комната с колдовскими атрибутами в старой избушке. Детали: череп коровы, пучок сушеных трав и цветов, банки и склянки с зельями. Стиль: средневековый стиль, детальное фото.

Практические советы:

• Начинайте с главного объекта, затем добавляйте фон и детали.
• Избегайте отрицаний: вместо «без людей» пишите «пустое пространство».
• Не перегружайте промт — 5–10 блоков достаточно.
• Указывайте угол съёмки: «вид сверху», «низкий угол», «вид спереди».
• Используйте конкретные референсы: «в стиле каталога ZARA Home», «в стиле Pixar».
• Описывайте освещение отдельно: «утренний свет», «драматическое боковое освещение».
• Если результат не устраивает, меняйте один элемент за раз, чтобы понять, что сработало.

Примеры использования нейросети для бизнеса и творчества

Кандинский может применяться в различных сферах:

Рекламные баннеры — создание креативов для таргетированной рекламы, сезонных акций и скидок. Нейросеть генерирует несколько вариантов, которые можно протестировать на аудитории.

Визуалы для социальных сетей — картинки для постов и сторис без необходимости фотосессий. Например, магазин цветов может получить изображение свадебного букета с местом для текста.

Иллюстрации для статей и блогов — уникальные изображения, которые заменяют скучные стоковые фото. Например, для статьи о стирке можно сгенерировать яркую иллюстрацию с корзиной белья.

Картинки для email-рассылок — привлекающие внимание изображения с местом для текста акции.

Паттерны и принты — создание бесшовных узоров для обоев, одежды или упаковки. Важно: нейросеть не всегда делает паттерн идеально бесшовным, но дизайн можно доработать вручную.

Концепт дизайна товара — визуализация принта на постельном белье, одежде или декоре перед запуском производства.

Творческие проекты — генерация идей для рисунков, персонажей, костюмов, сувениров и просто развлекательного контента.

Преимущества и недостатки нейросети Кандинский

Преимущества:

• Полностью бесплатный доступ без ограничений по количеству генераций.
• Не требует VPN или регистрации зарубежных аккаунтов.
• Поддержка русского языка и ещё 100+ языков.
• Простой интерфейс, понятный новичкам.
• Отсутствие публичной ленты — ваши генерации не видны другим пользователям.
• Множество встроенных стилей и возможность выбора соотношения сторон.
• Высокая скорость генерации (10–30 секунд).
• Голосовой ввод в приложении GigaChat.

Недостатки:

• Проблемы с генерацией рук и пальцев — часто получаются длинные, уродливые или лишние пальцы.
• Трудности с изображением котов — они могут выглядеть как еноты, быть не того цвета или иметь искажённые черты.
• Часто обрезает макушки на горизонтальных изображениях.
• Плохо дорисовывает детали при изменении пропорций — дорисованные части могут выглядеть неестественно.
• Непонимание контекста в сложных запросах — возможны ляпы (например, курица с головой коровы).
• Нет встроенного редактора — доработки возможны только через текстовые запросы.
• Плохо работает с текстом на картинках — коверкает слова.
• Персонажи часто получаются с одинаковыми лицами и похожими фонами.

Несмотря на недостатки, нейросеть постоянно обновляется, и многие проблемы постепенно решаются.

Сравнение версий Kandinsky: от 2.0 до 3.2

Kandinsky 2.0 (2022) — базовая версия на основе ruDALL-E. Умела создавать простые изображения, но качество было низким, разрешение ограничено.

Kandinsky 2.1 — улучшение детализации и добавление новых стилей.

Kandinsky 2.2 — ключевое обновление: фотореализм, разрешение до 1024 пикселей, выбор соотношения сторон, генерация стикеров, ControlNet. Появилась возможность дорисовки и переноса стиля.

Kandinsky 3.0 — значительный скачок в качестве: улучшенная детализация, более точное следование промту, поддержка сложных сцен. Добавлена генерация коротких видео.

Kandinsky 3.1 — оптимизация скорости, исправление ошибок, улучшение работы с руками и текстом.

Kandinsky 3.2 — последняя на данный момент версия. Ещё более высокая детализация, расширенный набор стилей, улучшенная работа с ControlNet и поддержка анимации.

Каждая версия становится доступнее: если раньше нужно было заходить на отдельный сайт, то теперь нейросеть интегрирована в GigaChat, что упрощает доступ.

Где можно использовать Кандинский: доступные платформы и интеграции

Нейросеть Кандинский доступна на нескольких платформах, что позволяет выбрать наиболее удобный способ:

1. Fusion Brain — официальный сайт нейросети. Полный функционал: генерация, вариации, дорисовка, стили. Не требует регистрации, но для сохранения истории может потребоваться аккаунт.

1. GigaChat — мультимодальная платформа от Сбера, где Кандинский интегрирован как инструмент генерации изображений. Доступен через веб-версию, мобильное приложение и ВКонтакте. Требуется регистрация через Сбер ID.

1. Telegram-бот — удобен для быстрой генерации на мобильных устройствах. Поддерживает все основные функции.

1. Бот ВКонтакте — аналогичен Telegram-боту, но встроен в экосистему VK.

1. Виртуальный ассистент «Салют» — голосовая команда «Включи художника» открывает нейросеть.

1. Приложение для Android — отдельное приложение с оптимизированным интерфейсом.

Выбор платформы зависит от ваших задач: для профессиональной работы лучше использовать Fusion Brain или GigaChat, для быстрых экспериментов — боты.

Ограничения и частые ошибки при работе с нейросетью

Несмотря на постоянные улучшения, у Кандинского есть ряд ограничений, которые важно учитывать:

Проблемы с анатомией — особенно часто страдают руки и пальцы. Даже с негативным промтом не всегда удаётся получить корректное количество пальцев.

Однотипные лица — нейросеть склонна генерировать персонажей с похожими чертами, что может быть проблемой для создания уникальных портретов.

Обрезанные элементы — на горизонтальных изображениях часто обрезаются макушки, уши животных, рога и другие верхние детали.

Плохая дорисовка — при изменении пропорций дорисованные части могут выглядеть неестественно или содержать странные элементы.

Непонимание контекста — сложные запросы с несколькими объектами могут привести к неожиданным комбинациям (например, кот с головой енота).

Проблемы с текстом — если нужно добавить текст на картинку, нейросеть часто коверкает слова или добавляет лишние символы.

Отсутствие редактора — нельзя точечно исправить элемент, только перегенерировать с новым промтом.

Совет: Если результат не устраивает, попробуйте упростить запрос, разбить его на несколько итераций или использовать негативный промт для исключения нежелательных деталей.

Вопросы и ответы