Промпты для нейросети: как описать кадр (гайд 2026)

Промпт для нейросети: текстовое описание кадра, которое модель превращает в картинку или видео. Хорошим его делает точность: насколько текст закрывает всё, что должно быть видно в кадре. Кто там, что делает, где это происходит, какой свет и с какого ракурса смотрит камера. Длина текста и подбор эффектных слов на результат почти не влияют.

Запрос «промпты для нейросети» в Яндексе набирают больше 5 тысяч раз в месяц (Wordstat, июль 2026), и почти всегда за ним стоит одна и та же ситуация: результат генерации не похож на то, что было в голове. Обычно дело не в модели. Дело в том, что промпт описывает идею кадра, а не сам кадр.

Коротко: что делает промпт рабочим

Рабочий промпт закрывает семь позиций: субъект, действие, окружение, свет, ракурс, стиль и материалы. Пропущенную позицию модель не оставляет пустой, она решает её сама, и обычно не так, как вы ждали. Дальше разберём каждую позицию отдельно и покажем на примерах, чем слабый промпт отличается от рабочего.

Главный принцип: описывайте кадр, а не отдавайте команды

Частая привычка, которая мешает с первого запроса: писать промпт как команду. «Сделай красивое фото платья», «покажи модель в интерьере», «добавь драматичный свет». Нейросеть не исполняет команды, она достраивает картинку по описанию мира. Чем ближе текст к тому, что видит камера, тем точнее результат.

Разница простая. Команда говорит, что сделать с картинкой. Описание говорит, что находится в кадре. «Добавь драматичный свет» ничего не описывает: неясно, откуда свет, насколько он жёсткий, куда падает тень. «Жёсткий боковой свет из окна слева, длинные тени через всю сцену» уже почти готовый кадр, потому что описывает результат, который увидит камера.

Тот же принцип работает в обратную сторону, когда смотрите на готовый результат. Если картинка не совпала с задумкой, проверьте по очереди все семь позиций и найдите пропущенную. Плоский свет обычно значит одно: свет не был описан вообще. Модель тут ни при чём.

Структура описания кадра: семь позиций

Субъект. Кто или что в кадре и как выглядит: ткань, цвет, фактура, поза, мимика. «Свитер крупной вязки, тёмно-зелёный, слегка мятый» конкретнее, чем просто «свитер».
Действие. Что происходит прямо сейчас: держит чашку, идёт, поворачивается, товар лежит на столе. Статика тоже действие, просто нулевое: «лежит неподвижно на камне» отличается от полного отсутствия описания.
Окружение. Где это происходит и что вокруг: студия с циклорамой, кухня с утренним светом, мокрый асфальт после дождя. Окружение задаёт логику остальных элементов, свет и тени должны совпадать со сценой.
Свет. Источник, направление, жёсткость, время суток. «Мягкий рассеянный свет от окна справа, ранний вечер» управляет настроением сильнее любого другого параметра.
Ракурс. Высота и угол камеры, крупность плана, оптика. «Крупный план чуть снизу, широкий угол» и «общий план сверху, длиннофокусный объектив» дают разные кадры из одного и того же субъекта.
Стиль. Эстетика и жанр съёмки: редакционная съёмка, плёночный грейд, минимализм каталога. Без стиля модель подставляет свой дефолт, обычно глянцевый и узнаваемо ИИ-шный.
Материалы. Фактура поверхностей: матовый хлопок, влажное стекло, поцарапанный металл. Материалы решают, читается кадр как настоящая фотография или как гладкая AI-подделка.

Порядок позиций необязателен, важно закрыть все семь. Обычно хватает трёх-четырёх предложений, если каждое добавляет новую позицию, без пересказа предыдущего другими словами.

Референс решает больше, чем текст

Запрос «референс для нейросети» ищут почти 450 раз в месяц (Wordstat, июль 2026), и это не менее важная часть работы, чем сам текст. Референс переносит в кадр то, что словами описать долго или неточно: точный оттенок, форму флакона, фактуру ткани, черты лица.

Несколько рабочих правил:

Товар давайте с 2–3 ракурсов на чистом фоне. Размытый кадр с телефона оставляет модели простор додумать форму и цвет по-своему.
Называйте роль каждого референса прямо в тексте: «товар как на фото 1, палитра и настроение как на фото 2». Без разметки ролей модель либо смешивает референсы, либо игнорирует часть.
Для героя серии держите один опорный портрет и подавайте его в каждый кадр. Без этого лицо или силуэт будет плыть от кадра к кадру: подробнее об этой проблеме в разборе про виртуальные модели с одним лицом.
Не тащите в запрос референсы «на всякий случай». Каждый лишний размывает приоритеты, обычно хватает трёх-пяти.

Разборы: до и после

Пример 1. Команда вместо описания

Было: «Сделай красивое фото сумки».

Стало: «Кожаная сумка тёмно-коньячного цвета стоит на бетонном подоконнике, дневной свет из окна слева, крупный план сбоку, лёгкая зернистость плёнки».

Первый вариант называет только предмет. Все остальные шесть позиций модель заполняет сама и выдаёт усреднённый глянцевый кадр. Второй закрывает окружение, свет, ракурс и стиль в одном предложении.

Пример 2. Свет описан как оценка, а не как физика

Было: «Красивый профессиональный свет».

Стало: «Жёсткий контровой свет от заходящего солнца, силуэт подсвечен по контуру, тени вытянуты вперёд».

«Красивый» и «профессиональный» ничего не говорят о физике кадра: непонятно, откуда свет и какой он силы. Модель отлично понимает источник, направление и жёсткость, если их назвать.

Пример 3. Ракурс потерян в общей фразе

Было: «Покажи товар со стороны».

Стало: «Три четверти слева, камера на уровне товара, небольшая глубина резкости, фон размыт».

«Со стороны» само по себе не ракурс. У камеры всегда есть высота, угол и оптика: если их не назвать, модель выбирает сама, и обычно не так, как вы представляли.

Пример 4. Материалы пропущены, кадр читается как рендер

Было: «Флакон духов на камне».

Стало: «Стеклянный флакон с каплями конденсата на мокром чёрном базальте, отражения резкие, поверхность камня шероховатая».

Без описания материалов стекло на генерации часто выходит пластиковым, а камень гладким, как студийный реквизит. Фактура убирает ощущение подделки.

Verbose-язык у моделей класса Gemini и параметры у Midjourney

Формат промпта заметно различается между семействами моделей, и незнание этой разницы часто прячется за жалобой «нейросеть меня не понимает».

Модели линейки Gemini, включая Nano Banana и Nano Banana Pro, в официальном гайде Google DeepMind советуют описывать кадр цельным связным абзацем, а не набором тегов. Структура строится на пяти элементах: стиль, субъект, окружение, действие, композиция. Гайд прямо формулирует принцип: чем больше деталей вы добавляете, тем ближе изображение будет к тому, что вы представляли. Разбор сильных и слабых сторон этой модели я собирал в статье про Nano Banana Pro.

Midjourney работает иначе. Сцена по-прежнему описывается текстом в начале запроса, но управление стилем и вариативностью вынесено в отдельные параметры после текста: --stylize задаёт силу фирменной эстетики Midjourney (по умолчанию 100, можно поднять до 1000), --chaos управляет разбросом вариантов (0–100, по умолчанию 0), --sref подключает референс стиля по коду или ссылке на картинку, --no убирает нежелательные элементы точнее, чем словесное «без чего-то» в тексте. В актуальной версии V8.1, которая стала версией по умолчанию с июня 2026 года, синтаксис параметров тот же, но модель заметно быстрее и точнее держит мелкие детали текста.

Практический вывод: для Nano Banana и похожих моделей текст промпта работает как бриф фотографу, чем подробнее, тем лучше. Для Midjourney текст задаёт сцену, а параметры настраивают эстетику и вариативность отдельно от описания. Смешивать синтаксис бессмысленно: длинный абзац с параметрами Midjourney в конце Gemini-модель прочитает как обычный текст и попробует нарисовать команду --stylize 750 буквально, как часть сцены.

Частые ошибки

Команда вместо кадра. «Сделай красиво», «улучши свет», «добавь атмосферности». Ни одна нейросеть не знает, как выглядит ваша «атмосферность».
Оценочные слова без физики. «Профессиональный», «стильный», «качественный» ничего не описывают. Опишите вместо них свет, ракурс и материалы.
Слишком длинный список тегов. Двадцать существительных через запятую без связи друг с другом путают модель сильнее, чем короткое связное описание.
Противоречивые референсы. Пять фото в разных стилях и палитрах без объяснения ролей: модель усредняет их и теряет каждый по отдельности.
Один и тот же промпт на всю серию. Без фиксированного блока стиля, который повторяется в каждом запросе без изменений, кадры серии расходятся по свету и цвету уже на третьем варианте.
Смешение синтаксиса моделей. Параметры Midjourney в промпте для Gemini-модели или наоборот: модель читает их как обычный текст и пытается воплотить буквально.

Когда промпт не спасёт

Промпт решает не всё, и честно сказать об этом полезнее, чем обещать чудеса.

Точность товара. Каким бы подробным ни был текст, без референса реального товара модель дорисовывает форму, застёжки и оттенок по своим догадкам. Для карточки маркетплейса, где товар в кадре обязан соответствовать реальному, точность даёт только референс.

Мелкий текст и лица в толпе. У большинства моделей длинные подписи и лица на дальнем плане плывут независимо от того, как выстроен запрос. Это ограничение самой архитектуры генерации. Промпт здесь ни при чём.

Консистентность героя по всей серии. Повторить один и тот же промпт в десяти запросах не гарантирует одно и то же лицо или силуэт. Нужны инструменты идентичности: опорный референс, обучение персонажа, фиксированный seed, если модель его поддерживает.

Повторяемый процесс на много карточек. Копировать один и тот же блок стиля вручную в каждый запрос работает, но не масштабируется на каталог из сотен товаров. Длина промпта тут не помогает. Нужны инструменты вокруг него, автоматизация и нодовые пайплайны, о которых я писал в разборе про ComfyUI и нодовые редакторы.

Точность данных в инфографике. Модели неплохо рисуют графики и схемы, но цифры и факты на них лучше сверять руками: значения в кадре не гарантированно совпадают с тем, что вы указали в запросе.

В InPersona часть этой работы решают пресеты: эстетика серии и держание героя уже настроены редактурой заранее, вам остаётся выбрать сценарий и подать референс товара.

FAQ

Что такое промпт для нейросети простыми словами?
Текстовое описание кадра или сцены, по которому нейросеть строит картинку, видео или другой медиафайл. Чем точнее описание закрывает субъект, действие, окружение, свет, ракурс, стиль и материалы, тем ближе результат к задуманному.

Нужно ли писать промпт на английском?
Необязательно. Модели уровня Nano Banana и Gemini одинаково уверенно читают русский язык, разница в качестве почти незаметна. На практике у Midjourney и похожих диффузионных моделей результат на английском чуть стабильнее: обучающие данные в индустрии исторически смещены в сторону английского. Для большинства сценариев разница небольшая.

Можно ли скопировать чужой удачный промпт и получить такой же результат?
Текст скопируется, а референсы, версия модели и её внутренняя случайность нет. Чужой промпт без чужих референсов обычно даёт кадр в похожей тональности, но не идентичный. Лучше разобрать удачный чужой промпт по семи позициям и переписать под свой субъект и свои референсы.

Чем промпт для фото отличается от промпта для видео?
Структура кадра работает одинаково: субъект, окружение, свет, ракурс, стиль. К ней добавляется слой движения: что двигается, с какой скоростью и куда идёт камера. Статичный кадр тоже вариант движения, просто нулевой.

Какая нейросеть точнее всего держит подробный промпт?
Однозначного лидера нет, каждая модель по-своему реагирует на детали. Разбор нескольких актуальных моделей для генерации фото и того, как они держат длинные описания, собран в подборке нейросетей для красивых фото.

Чеклист перед промптом

Субъект назван конкретно: материал, цвет, фактура, поза.
Действие названо, даже если это статика.
Окружение задано и совпадает по логике со светом.
Свет описан через источник, направление и жёсткость.
Ракурс закрыт: высота камеры, угол, крупность плана.
Стиль назван явно.
Материалы и фактуры прописаны отдельно от формы объекта.
Референсы поданы с указанием роли каждого.
Для серии зафиксирован единый блок стиля, который повторяется без изменений.
Синтаксис соответствует модели: связный абзац для Gemini-класса, текст плюс параметры для Midjourney.

Семь позиций и разметка референсов работают в любом инструменте, от Midjourney до Nano Banana Pro. Если писать промпт с нуля каждый раз всё-таки не хочется, в InPersona эстетику серии задают кураторские пресеты: субъект, свет, стиль и материалы уже собраны редактурой, а вам остаётся выбрать сценарий и подать референс товара.