«Шедеврум» — проект, сервис и приложение компании «Яндекс», с помощью которого пользователи могут генерировать изображения и видео по текстовому описанию с помощью нейросетей.

Это не единственная российская нейросеть для генерации картинок — примерно одновременно с Яндексом и Сбер запустил свою нейросеть Kandinsky, которая генерирует картинки по текстовым запросам.

Ну что же, посмотрим, что они генерируют и можно ли этим пользоваться в реальной жизни.

Мне понадобилась довольно простая картинка — джазовый ансамбль на сцене. Не будем мудрить, усложнять и запутывать — промпт (текстовый запрос) будет максимально простым, «джазовый ансамбль».

Вот что нам выдает нейросеть «Шедеврум» от Яндекса:

На беглый взгляд что-то даже похожее на запрос — но вы приглядитесь. Что это за инструменты? Как на них «играют» музыканты?

Ну что, поняли? Это же какой-то ад и бомбежки израильские. Ладно толпа негров с кривыми саксофонами — большинство из которых просто держат их в руках, не дуют в них, но посмотрите, что вытворяет ансамбль на второй картинке! Музыкант по центру — засовывает саксофон внутрь тубы, музыкант справа от него играет на воображаемом пианино, музыкант слева — очевидно, воображает себя играющим на виолончели. Самих инструментов, разумеется, нет. Чем заняты два крайних музыканта — вообще непонятно. Ясно, что у крайне правого, по крайней мере, имеется виолончель — но зачем он прикрутил на её гриф пюпитр с нотами?

Может, нам «Кандинский» покажет лучший результат?

Ничуть не бывало — проблемы те же самые, да еще и люди изломаны так, как будто это ансамбль инвалидов.

Какой из этого следует вывод? Да очень простой — пока что российские нейросети, рисующие картинки, ни для чего мало-мальски серьезного непригодны.

Вдобавок «Шедеврум» отказывается обрабатывать промпты наподобие «Ельцин с бутылкой». Кандинский не отказывается, но результат вот такой:

Прастити, а где заказанная бутылка? Ельцина (почему-то смахивающего на Джулиана Ассанджа с похмелья) вижу, а бутылку куда дели? Ах, Греф, ах, пострел — прямо на ходу подмётки режет! Конкретизируем промпт: «Ельцин с бутылкой на руинах рейхстага».

Ну слава Богу, бутылка нашлась. Но Ассанжечек-то остался.

В целом моё эрго: Кандинским в простом случае можно пользоваться, но уровень сложнее портрета он осиливает плохо. Группу людей обе нейросети рисуют отвратительно.

И да — до уровня Midjourney им как до Пекина раком на Ладе Калина. Увы.