Философия промпта

Основной принцип

Внешность — в референсных изображениях.
Не описывайте словами то, что уже надёжно передаётся хорошим референсом.

Уточнения внешности — в промпте привязки внешности.
Опишите инструкции и детали, которые плохо передают референсные изображения.

Сцена — в основном промпте.
Описывайте словами то, что должно произойти с этим персонажем.

Чем чище разделены эти вещи, тем проще управлять результатом и тем легче использовать один и тот же промпт снова.

Промпт это не анкета и не рассказ

Здесь промпты обычно не содержат описание внешности. Они не содержат описание тела и фигуры, внешности, пропорций, причёсок и национальностей. В промпты заложена основа: сама сцена, её стиль, поза, окружение, освещение и, если это действительно нужно, одежда или другие детали кадра. Внешность персонажа при этом подробно не расписана.

Если использовать такой промпт без дополнительных референсов, результат получится красивым, но не полностью предсказуемым — нейросеть сама определит внешность персонажа.

Проблемы начинаются, когда мы пытаемся одним огромным промптом одновременно описать сцену, персонажа, фигуру, лицо, одежду, свет, настроение и ещё всё, что только приходит в голову. Вместо промпта получается анкета.

Что должен описывать промпт

Хороший сценический промпт прежде всего отвечает на простой вопрос:

Что должно находиться в кадре и как это должно выглядеть?

Где находится персонаж. Что он делает. Какая у него поза и положение конечностей. Что находится вокруг. Откуда приходит свет. Как построена композиция. Как выглядит поверхность, фон или окружение. Из каких материалов это всё состоит. Какой должна быть фотография или иллюстрация в целом. То есть промпт описывает кадр, а не биографию и внешность человека, который в этом кадре оказался.

Не заставляйте сценический промпт делать чужую работу. Одна из самых частых ошибок, это пытаться заставить основной промпт отвечать сразу за всё. Если пытаться уместить в основной промпт всё сразу, то в нём появляются длинные списки вроде:

молодая красивая женщина, голубые глаза, длинные светлые волосы, светлая кожа, европейская внешность, стройная фигура...

А затем к этому добавляется сама сцена, одежда, камера, объектив, свет, окружение, настроение и ещё несколько десятков уточнений. Иногда это работает. Но такой промпт быстро перестаёт быть универсальным.

Если мы меняем персонажа, приходится переписывать основной промпт, описание внешности в нём. Если пытаемся сохранить одного персонажа в десятках разных сцен, приходится его внешность вписывать во все эти сцены.

Гораздо удобнее разделить эти задачи.

Разделяйте персонажа и сцену

Удобная схема выглядит примерно так:


[Референс персонажа]

(фото лица, тела, пропорций)

+

[Промпт привязки внешности]

(что с какого фото брать и уточнение параметров)

+

[Сценический промпт]

(чистый, без параметров внешности)

Первый блок отвечает за внешний вид персонажа. Ищем, подбираем или создаём хорошие фотографии нашего персонажа. Лицо с нескольких ракурсов и тело, где видно пропорции, размеры и другие особенности внешности.
Что отдавать референсу? Если у нас уже есть хорошие эталонные изображения, нет особого смысла заново переписывать в промпте всё, что ИИ может увидеть сам. Цвет глаз, форма носа, губы, волосы, естественная асимметрия лица, особенности фигуры — всё это может приходить из референса. Чем лучше подготовлен референс, тем меньше приходится объяснять словами. Это особенно важно, когда нам нужна не просто «красивая девушка в сцене», а конкретный персонаж, которого хочется сохранить узнаваемым от одной генерации к другой.
Второй блок помогает явно сказать нейросети, что внешность из референса имеет приоритет. Что с этого фото бери лицо и черепушку, а с этих возьми грудь, задницу и ножки. А ещё рост у этой кобылки 170 см и лифчик она носить с чашечкой D.
Когда текст всё-таки нужен? Это не означает, что внешность вообще никогда не нужно описывать. Иногда какие-то параметры плохо видны на фотографиях. Иногда нужно дополнительно указать рост, размер обуви, размер груди, особенности фигуры или другие характеристики, которые референс не передаёт достаточно хорошо. В таком случае текст не заменяет изображение, а дополняет его. Это важная разница. Референс даёт ИИ визуальную информацию. Текст может уточнить то, чего на изображении недостаточно.
Третий блок сам сценический промпт, который описывает, что с этим персонажем происходит в конкретном кадре.

В результате один и тот же персонаж может переходить из сцены в сцену без необходимости каждый раз переписывать его внешность. А сам сценический промпт остаётся чистым и универсальным.

A prompt is neither a resume nor a story

Here, prompts typically do not include a description of physical characteristics. They do not describe the body, figure, appearance, proportions, hairstyles, or ethnicity. Prompts provide the foundation: the scene itself, its style, pose, surroundings, lighting, and—if truly necessary—clothing or other details of the scene. The character’s appearance, however, is not described in detail.

If you use such a prompt without additional references, the result will be beautiful but not entirely predictable—the neural network will determine the character’s appearance on its own.

Problems begin when we try to describe the scene, character, figure, face, clothing, lighting, mood, and everything else that comes to mind all at once in a single, massive prompt. Instead of a prompt, we end up with a questionnaire.

What a scene prompt should describe

A good scene prompt, first and most importantly, should answer a simple question:

What should be in the frame, and what should it look like?

Where is the character? What is he doing? What is their pose and the position of their limbs? What is around them? Where is the light coming from? How is the composition structured? What does the surface, background, or surroundings look like? What materials are they made of? What should the photograph or illustration look like as a whole? In other words, the prompt describes the frame, not the biography or appearance of the person who happens to be in that frame.

Don’t make a scene prompt do someone else’s job. One of the most common mistakes is trying to make the main prompt handle everything at once. If you try to put everything into the main prompt right away, it ends up with long lists like:

a young beautiful woman, blue eyes, long blonde hair, fair skin, European features, a slender figure...

And then you have to add the scene itself, the clothing, the camera, the lens, the lighting, the surroundings, the mood, and dozens more details. Sometimes this works. But a prompt like that quickly ceases to be universal.

If we change the character, we have to rewrite the main prompt, including the description of the character's appearance. If we try to keep the same character across dozens of different scenes, we have to adapt the character's appearance to fit all of those scenes.

It’s much more practical to separate these tasks.

Separate the character from the scene

A useful structure looks something like this:


[Character Reference]

(photos of the face, body, and proportions)

+

[Appearance Binding Prompt]

(which elements to take from which photo and specific parameters)

+

[Scene prompt]

(clean, without appearance parameters)

The first block is responsible for the character’s appearance. Find, choose, or create good photos of your character. Include the face from several different angles and shots of the body that show proportions, measurements, and other physical features.
What should the reference include? If you already have good reference images, there’s not much point in rewriting everything in the prompt that the AI can see on its own. Eye color, nose shape, lips, hair, natural facial asymmetry, and body features—all of these can come from the reference. The better the reference is prepared, the less you have to explain in words. This is especially important when we need not just a “beautiful girl in a scene,” but a specific character whom we want to keep recognizable from one generation to the next.
The second block helps explicitly tell the AI that the reference appearance takes priority. For example, “Take the face and skull from this photo, and the chest, butt, and legs from these ones.” Also, this girl is 170 cm tall and wears a D-cup bra.
When is text really necessary? This doesn’t mean you should never describe a person’s appearance at all. Sometimes some features aren’t clearly visible in photos. Sometimes you need to specify height, shoe size, bust size, body shape, or other characteristics that the reference image doesn’t show well enough. In such cases, text doesn’t replace the image—it complements it. This is an important difference. The reference image provides the AI with visual information. Text can clarify what the image doesn’t show clearly enough.
The third block is the scene prompt itself, which describes what is happening to this character in a concrete frame.

As a result, the same character can move from scene to scene without having to rewrite their appearance each time. And the scene prompt itself remains clean and universal.