Словарь ИИ-терминов простыми словами: промпт, сид, диффузия, LoRA и не только

Представьте, вы открываете нейросеть — и сразу видите незнакомые слова: промт, сид, денойзинг, LoRA, CFG scale.

Обилие терминов может фрустрировать, особенно в самом начале работе с ИИ. Хорошая новость: знать всё не обязательно. Но несколько ключевых понятий кардинально меняют результат. Давайте разложим их «по полочкам», чтобы они больше никогда не вызывали путаницы.

Зачем вообще знать эти термины

Нейросеть — не волшебная кнопка «сделать красиво». Это инструмент с параметрами, и каждый параметр что-то контролирует. Когда вы понимаете, что делает промт, а что — сид, вы перестаёте гадать и начинаете управлять результатом осознанно.

Не переживайте, для комфортной работы не придется читать научные статьи. Достаточно бытового понимания: что за что отвечает, что можно крутить, а что лучше не трогать без опыта.

Промпт (prompt)

Промпт (промт, prompt) — это текстовое описание-инструкция, которую вы даёте нейросети: именно на его основе она генерирует изображение. Это самый важный параметр — от промпта зависит буквально всё.

Аналогия: промпт — это техническое задание для художника. Чем точнее вы описываете, что хотите, тем ближе результат к вашей идее. «Нарисуй что-нибудь красивое» и «портрет молодой женщины с рыжими волосами, мягкий вечерний свет, стиль масляной живописи» — принципиально разные задания.

Как влияет на картинку: промт определяет содержание, стиль, настроение, детали, освещение — всё. Если результат не тот, в 9 случаях из 10 дело в промте.

Что делает промпт сильным:

• Конкретность: «большой рыжий кот на красной диване» лучше, чем «кот»
• Уточнение стиля: «акварель», «фотореализм», «мультяшный стиль»
• Описание освещения: «мягкий утренний свет», «студийное освещение», «золотой час»
• Указание настроения: «уютно», «эпично», «минималистично»

«Промт — это единственный способ разговаривать с нейросетью. Чем точнее вы формулируете задачу, тем предсказуемее результат — модель буквально делает то, о чём её просят, а не то, что вы имели в виду».

Что такое негативный промт

Негативный промт (negative prompt) — это список того, что вы просите нейросеть не рисовать. Иногда это отдельное поле, где вы перечисляете нежелательные элементы. Но чаще он пишется как часть обычного промпта в самом конце.

Аналогия: вы говорите художнику «и пожалуйста, без синего фона, без размытия и без лишних людей в кадре».

Диффузия и диффузионная модель

Диффузионная модель (diffusion model) — это тип нейросети, которая генерирует изображения, постепенно «очищая» случайный шум и превращая его в картинку. Большинство современных генераторов изображений — например, Nano Banana — работают именно с помощью диффузии.

Аналогия: представьте проявку старой фотографии в тёмной комнате. Сначала — белый лист, потом постепенно проступают контуры, детали, цвета. Диффузионная модель делает примерно то же самое, только в цифровом виде и в обратную сторону: она обучена убирать «шум» шаг за шагом, пока из хаоса не появится изображение.

Или другая аналогия: скульптор, который лепит из бесформенного куска глины — каждый шаг убирает лишнее, и постепенно появляется фигура.

Как это работает на практике:

1. Нейросеть начинает с чистого случайного шума — набора случайных пикселей
2. Шаг за шагом (их может быть 20, 30, 50) она «убирает шум», ориентируясь на ваш промт
3. После каждого шага изображение становится чуть более похожим на то, что описано в промте
4. К последнему шагу шум превращается в картинку

«Диффузионные модели научились синтезировать реалистичные изображения, шаг за шагом убирая случайные искажения из шума — в точности как обращение времени в хаотичном физическом процессе. Каждый шаг добавляет структуру и смысл».

Сид (seed)

Сид (seed, «семя») — это число, которое задаёт начальную точку генерации: какой именно случайный шум станет отправной точкой для картинки. Одинаковый сид + одинаковый промт = похожий результат.

Аналогия: сид — это как конкретная горсть глины. Из разной глины один и тот же скульптор вылепит похожие, но чуть разные фигуры. Из одной и той же горсти — почти одинаковые.

Зачем фиксировать сид:

• Если вам понравился результат — запишите сид, чтобы воспроизвести его позже
• Если хотите поменять только один элемент (например, цвет одежды) — оставьте сид и измените только промт
• Если нужна серия похожих изображений — используйте один сид с небольшими вариациями промта

Как влияет на картинку: определяет «версию» генерации. Без фиксированного сида каждый раз получается разный результат из одного промта — это и хорошо (разнообразие), и плохо (непредсказуемость). С фиксированным сидом результат воспроизводим.

Практически: в большинстве сервисов сид показывается под готовой картинкой или в её параметрах. Просто скопируйте его — и сможете вернуться к этому «варианту» в любой момент.

LoRA простыми словами

LoRA (Low-Rank Adaptation, адаптация низкого ранга) — это небольшой дополнительный «модуль», который дообучают поверх основной модели на наборе конкретных фотографий, чтобы научить её воспроизводить определённое лицо, стиль или объект.

Аналогия: представьте, что основная модель — это опытный художник. LoRA — это папка с референсами, которую вы даёте ему перед работой: «вот как выглядит этот человек, вот этот стиль». Художник не переучивается заново — он просто использует референсы.

С помощью LoRA можно генерировать вашу внешность в любой сцене или воспроизводить конкретные объекты (например, товары брендов для рекламы)

Low-Rank Adaptation

«Low-Rank Adaptation» буквально означает «адаптация с использованием матриц низкого ранга» — это математический способ добавить в большую модель небольшой набор дополнительных весов, не трогая основные. В результате файл LoRA весит несколько мегабайт (против гигабайт у полной модели), обучается быстро и точечно меняет только то, чему его учили.

Именно на принципе LoRA работает персонализация в AVALAVA: вы загружаете свои фото, сервис обучает мини-модель на вашем лице — и дальше генерирует вас в любых образах.

Text-to-image и image-to-image

Это два основных режима работы с генераторами изображений

Text-to-image (текст → изображение) — вы даёте только текстовый промпт, модель создаёт картинку с нуля. Это исходный режим большинства генераторов, где изображение создается с чистового листа, только по вашему запросу.

Используйте, когда нужна полностью новая картинка без привязки к существующему изображению.

Image-to-image (изображение → изображение) — вы загружаете исходное фото или картинку и описываете, как хотите её изменить. Модель берёт ваш исходник как основу и трансформирует его согласно промпту.

Используйте, чтобыизменить стиль фотографии, добавить элементы, поменять фон, перекрасить объект, сделать из фото иллюстрацию.

В image-to-image ключевую роль играет параметр denoising strength (сила денойзинга) — о нём в следующем разделе.

CFG scale и denoising

CGG scale и denosing - два параметра, которые чаще всего вызывают вопросы. Главное правило: думайте о них как об опциональных ползунках.

CFG scale (guidance scale) — «ползунок послушности»

CFG scale (Classifier-Free Guidance scale, масштаб направляющего сигнала) — это параметр, который определяет, насколько строго модель следует вашему промту.

• Низкое значение (1–4): модель творчески интерпретирует промт, может отклоняться, добавлять своё
• Среднее значение (5–9): баланс между следованием промту и творческой свободой — обычно оптимально
• Высокое значение (10–20): модель очень строго придерживается промта, но изображение может стать «перенасыщенным» и потерять естественность

Аналогия: CFG scale — это степень буквальности. При высоком значении художник рисует именно то, что написано в ТЗ, слово в слово. При низком — вдохновляется вашим описанием и добавляет от себя.

Если картинка не соответствует описанию — попробуйте поднять CFG. Если выглядит «пережаренной» — снизить.

Denoising strength — «ползунок силы изменений»

Denoising strength (сила денойзинга / сила шумоподавления) работает только в режиме image-to-image и определяет, насколько сильно модель меняет исходное изображение.

• Низкое значение (0.1–0.4): лёгкие изменения, исходник почти не меняется — уточнение деталей, мягкая стилизация
• Среднее значение (0.5–0.7): заметные изменения при сохранении общей структуры — смена стиля, изменение элементов
• Высокое значение (0.8–1.0): радикальные изменения, исходник используется лишь как слабая подсказка

Аналогия: представьте, что вы даёте фото реставратору. При низком денойзинге он аккуратно подкрашивает детали. При высоком — переписывает картину заново, лишь слегка ориентируясь на оригинал.

Как влияет на картинку: при работе с фото лица, где важно сохранить черты, лучше держать денойзинг умеренным (0.4–0.6). Для радикальной смены стиля — поднять до 0.7–0.8.

💡 Совет от Мари Вельс

Не обязательно разбираться во всех терминах сразу. Достаточно понять три вещи: промт (что рисовать), сид (как воспроизвести понравившийся результат) и денойзинг (насколько сильно менять исходник в image-to-image). Эти три параметра дают вам 80% контроля над результатом. Остальное — детали, к которым приходят с опытом.

Остальные термины коротко

Токен и эмбеддинг

Токен — единица текста, которую обрабатывает нейросеть. Грубо говоря, это кусочек слова или целое слово. Когда вы вводите промт, модель сначала разбивает его на токены.

Эмбеддинг (векторное представление) — это перевод токена в набор чисел, которые модель использует для работы. Это позволяет нейросети «понять» смысл вашего запроса.

Практически: токены важны потому, что у промта есть лимит. Если промт слишком длинный, часть описания может «обрезаться». Пишите конкретно и без лишних слов.

Шаги (steps) и инференс (inference)

Шаги генерации (steps) — количество итераций, за которые модель «проявляет» изображение из шума. Больше шагов = больше времени = обычно лучше детализация. Меньше шагов = быстрее, но грубее.

Типичный диапазон: 20–50 шагов. Больше 80 обычно уже не даёт заметного прироста качества.

Инференс (inference, генерация) — сам процесс создания изображения, когда обученная модель применяет знания к вашему запросу. Это именно «вывод» модели, а не её обучение.

Апскейл (upscale)

Апскейл — увеличение разрешения изображения с помощью ИИ. В отличие от обычного масштабирования (которое просто делает пиксели крупнее), ИИ-апскейл достраивает детали: текстуры, края, мелкие элементы.

Практически: если сгенерированная картинка получилась 512×512 пикселей, а вам нужно 2048×2048 — апскейл поможет без потери качества. Попробуйте улучшить качество фото онлайн — там это делается в один клик.

Артефакты (artifacts)

Артефакты — визуальные «глюки» генерации: деформированные пальцы, лишние конечности, размытые области там, где должна быть чёткость, странные текстуры, нечитаемый текст.

Почему возникают: модель «галлюцинирует» детали, с которыми ей статистически сложно — например, руки с 6 пальцами или зубы странной формы.

Как бороться: добавить нежелательные элементы в негативный промт, увеличить число шагов, попробовать другой сид.

Чекпоинт (checkpoint)

Чекпоинт (checkpoint) — это конкретная «версия» обученной модели, сохранённая в файл. Stable Diffusion v1.5, SDXL, FLUX.1-dev — всё это чекпоинты.

Разные чекпоинты дают разный стиль по умолчанию, разную детализацию и тп. Выбор чекпоинта — это как выбор «базового художника» перед работой. Один лучше справиться с людьми, другой с природой, а третий хорош в изображении животных.

Термины про лицо

Отдельная группа терминов связана с генерацией и сохранением лиц — это одна из самых практически важных областей.

Face embedding (векторное представление лица)

Face embedding — это числовой «отпечаток» конкретного лица: набор чисел, кодирующих пропорции, форму черт, расположение элементов. Именно этот вектор передаётся в модель, чтобы она «знала», чьё лицо нужно сохранить.

Identity preservation (сохранение идентичности)

Identity preservation (сохранение идентичности) — способность модели удерживать уникальные черты конкретного человека при генерации: менять фон, наряд, освещение, но оставлять лицо узнаваемым.

Character consistency (консистентность персонажа)

Character consistency — одно лицо, узнаваемое на серии разных изображений. Критически важно для сторителлинга, рекламных кампаний, комиксов, серий иллюстраций.

IP-Adapter и ControlNet

IP-Adapter — инструмент, который «передаёт» face embedding в модель как дополнительное условие генерации. Позволяет сохранять лицо без полного переобучения модели.

ControlNet — компонент, управляющий структурой и позой в изображении: не даёт лицу «поехать» при смене ракурса.

А применить эти технологии к своим фото можно через нейрофотосессию на AVALAVA.

Мини-шпаргалка

Хотите посмотреть, как эти термины работают на практике — в конкретной задаче про текст на изображениях? Читайте «Почему ИИ научился писать текст на картинках» — там объясняются энкодеры, DiT и консистентность персонажа в контексте реального инструмента.

Посмотреть, как работает современная модель со всеми этими компонентами, можно на странице Nano Banana.

Попробуйте сами

Теперь вы знаете, что означают основные термины. Лучший способ закрепить — попробовать: введите промт, зафиксируйте сид, поменяйте одну переменную и посмотрите, что изменилось.

Попробовать бесплатно →