Неделя на один комикс: какие LLM проблемы вскрыл эксперимент с ChatGPT

Зачем нужен этот разбор?

Автор публикации на Habr поставил эксперимент: попросил бесплатную версию ChatGPT нарисовать многопанельный комикс с антропоморфными персонажами, кириллическими надписями на баннерах и монетах, точным расположением объектов и диалоговыми пузырями. Промпт занимал десятки строк с подробной разметкой каждого ряда и каждой панели.

Результат не совпал с заданием ни в одной из версий. Автор итерировал промпт уже неделю, и конца процессу не видно. Именно этот зазор между детальным техническим заданием и тем, что модель выдаёт, и есть главная иллюстрация LLM проблем при генерации визуального контента.

Что понадобится

• Доступ к ChatGPT (бесплатная версия подойдёт для воспроизведения эксперимента)
• Текстовый редактор для подготовки промптов (подойдёт любой, хоть «Блокнот»)
• Базовое понимание, что такое промпт (текстовая инструкция для нейросети)
• 30 минут на первую итерацию и готовность к нескольким повторным заходам

Пошаговая инструкция

1. Сформулируйте задачу на уровне сцены, а не на уровне пикселя. Опишите общий замысел одним абзацем: кто персонажи, что происходит, какой финал. Модель лучше «схватывает» сюжетную логику, чем координатные указания вроде «в правой части панели видна левая половина прилавка».

2. Разбейте сложный промпт на отдельные запросы. Вместо одного промпта на шесть панелей комикса отправьте шесть отдельных запросов, по одному на панель. Так модель удержит больше деталей. Длинный промпт (промпт-инжиниринг подразумевает и контроль длины) теряет инструкции ближе к середине.

3. Кириллические надписи задавайте отдельной строкой с пометкой.

Текст на баннере (кириллица, крупный шрифт): ОБМЕН ВАЛЮТЫ

Выделение в отдельную строку снижает вероятность галлюцинации (когда модель уверенно подставляет не тот текст или искажает буквы).

1. Проверяйте результат по чек-листу, а не «на глаз». Составьте список из пяти ключевых элементов, которые обязаны быть на изображении (персонаж, надпись, предмет, расположение, реплика). Пройдитесь по списку. Это экономит время на повторных итерациях.

2. Фиксируйте каждую версию промпта с пометкой, что изменили. Автор исходной статьи нумеровал версии (v1, v2). Добавьте к номеру одну строку: «v2: убрал координаты, добавил описание действия». Через пять итераций без этого вы не вспомните, что уже пробовали.

3. Для проверки стабильности запустите один и тот же промпт в трёх новых сессиях. Автор статьи задал критерий успеха: три корректных результата в трёх чистых сессиях. Это честный тест. Одна удачная картинка из десяти попыток не означает, что промпт работает.

Что делать с этим прямо сейчас, по ролям

Автору на Дзене. Если вы генерируете обложки или иллюстрации через ChatGPT, дробите задачу. Один промпт на один элемент. Надписи на русском добавляйте в Canva или Figma поверх сгенерированной картинки. Это быстрее, чем пять итераций с надеждой, что модель напишет «ВАЛЮТЫ» без ошибок.

Маркетологу. LLM проблемы с визуалом означают, что пока нельзя автоматизировать создание баннеров с точным текстом. Закладывайте этап ручной доводки в пайплайн. Экономия времени от нейросети реальна, но на финише нужен человек с редактором.

Предпринимателю в РФ. Из доступных в России инструментов для генерации изображений есть Kandinsky от Сбера и Шедеврум от Яндекса. Обе модели тоже плохо справляются с кириллическими надписями на картинках. Это ограничение технологии в целом, а не конкретного сервиса.

Главное, что стоит забрать из этого разбора: детальность промпта не равна качеству результата. Модель не читает ваш текст как чертёж. Она угадывает намерение. Чем проще и короче намерение, тем точнее угадывание. А всё, что требует точности до буквы и пикселя, пока остаётся работой для человека.

По материалам Habr ML