Как создать промт по фото в 2026: JSON-код картинки через нейросеть

Вы видите в ленте кадр, который хочется повторить: свет, поза, цвет, атмосфера - всё на месте. Начинаете описывать словами, и получается «девушка в кафе, красивый свет, как на фото». Нейросеть рисует что-то похожее, но не то. Причина простая: человеку трудно словами разложить картинку на составляющие. Нейросеть с этим справляется лучше нас.

В 2026 году самый надёжный способ получить промт по фото - прикрепить картинку к чат-боту и попросить его вернуть структурированное описание в формате JSON. Модель сама разберёт снимок на объект, позу, одежду, фон, свет, оптику и палитру, а вы получите готовый шаблон, который можно править по полям и отправлять в любой генератор изображений. В этой статье разберём, где именно прикреплять фото, как звучит рабочий запрос на русском, как выглядит хороший JSON-код картинки и что с ним делать дальше.

Что такое JSON-промт и почему он точнее обычного описания

JSON - это формат записи данных в виде пар «ключ: значение». В программировании его используют повсюду, а нейросети обучались на миллионах строк такого кода, поэтому понимают структуру без пояснений. Применительно к картинке JSON-промт выглядит как список полей: subject (объект), pose (поза), clothing (одежда), environment (окружение), lighting (свет), camera (камера), mood (настроение), style (стиль).

Чем это лучше сплошного текста:

• Ничего не теряется. Когда описание разложено по полям, нейросеть не может «забыть» про свет или фон - каждый параметр стоит на своём месте.
• Легко править. Хотите ту же сцену, но в другом наряде? Меняете одно поле clothing, остальное остаётся нетронутым.
• Переносится между моделями. Один и тот же JSON понимают Nano Banana 2, GPT Image 2, Qwen Image, Flux и Grok. Не нужно переписывать запрос под каждую нейросеть.
• Убирает случайность. Обычный текст модель трактует по-своему при каждой генерации. Структура даёт повторяемый результат.

Если вы только начинаете знакомиться с составлением запросов, полезно сначала прочитать материал о том, как правильно писать промт для нейросети. JSON-подход - это следующая ступень после освоения базовых принципов.

Где прикреплять фото: какие нейросети умеют «читать» картинку в 2026 году

Здесь важно понимать разницу между двумя типами инструментов. Есть нейросети, которые рисуют (Nano Banana 2, GPT Image 2, Qwen Image, Flux 2 Pro), и есть чат-боты, которые анализируют - они видят картинку и могут описать её текстом. Промт по фото извлекают именно вторые.

ChatGPT

Самый популярный вариант. Нажимаете на скрепку в поле ввода, прикрепляете фото, пишете запрос. Модель видит изображение целиком, включая мелкие детали: текстуру ткани, направление теней, тип объектива. Работает и в бесплатной версии, но с ограничением на число сообщений.

Claude

Прикрепление через ту же скрепку. Claude аккуратнее всех соблюдает формат: если попросить «только JSON без пояснений», он выдаст чистый код без вводных фраз, который сразу можно копировать.

Gemini

Родственная модель для Nano Banana 2, поэтому описания, полученные в Gemini, особенно хорошо «ложатся» на генерацию в Nano Banana. Фото прикрепляется через значок «+» в строке ввода.

Qwen и Grok

Qwen хорошо работает с русским языком и подробно описывает предметы, что удобно для товарных фото. Grok анализирует картинку быстро, но описания получаются короче - потребуется уточняющий запрос.

Для жителей России удобнее всего сценарий, когда анализ и генерация происходят в одном месте. В сервисе NeuroToday доступны и текстовые модели для разбора картинки, и генераторы изображений - прикрепить фото, получить JSON и сразу отправить его в Nano Banana 2 можно без переключения между сайтами. Подробности о работе с моделью без VPN описаны в статье о доступе к Nano Banana в России.

Анатомия JSON-промта: 8 полей, которые определяют результат

Прежде чем просить нейросеть выдать код, нужно понимать, какие поля в нём должны быть. Ниже - структура, которую мы используем на практике. Она покрывает все параметры, влияющие на итоговую картинку.

Объект съёмки

Кто или что в кадре. Для человека: пол, примерный возраст, телосложение, выражение лица, причёска. Для предмета: тип, материал, размер относительно окружения. Это поле задаёт основу, всё остальное её дополняет.

Поза и положение в кадре

Как расположен объект: сидит, стоит, идёт; куда направлен взгляд; что делают руки; наклон головы. Поза - то, что чаще всего теряется при описании словами, а именно она создаёт «живость» кадра.

Одежда и аксессуары

Предметы одежды по слоям, цвета, фактура ткани, украшения, головной убор, обувь, если она видна. Чем подробнее это поле, тем меньше нейросеть додумает от себя.

Окружение и фон

Где происходит действие: интерьер или улица, время суток, погода, детали второго плана. Указываем глубину: что в фокусе, что размыто.

Освещение

Источник (окно, закатное солнце, студийный софтбокс, неоновая вывеска), направление (сбоку, сверху, контровой), характер (мягкий рассеянный или жёсткий с резкими тенями), цветовая температура (тёплый, холодный, нейтральный).

Камера и оптика

Тип съёмки (портрет, крупный план, общий план), примерное фокусное расстояние (35 мм для репортажа, 85 мм для портрета), глубина резкости, ракурс (уровень глаз, снизу, сверху). Если снимок похож на плёнку - указываем зерно и характерную цветопередачу.

Палитра и настроение

Три-пять главных цветов кадра и общее ощущение: спокойное, драматичное, тёплое домашнее, холодное деловое. Настроение задаёт тон обработки.

Стиль и запреты

Стиль - фотореализм, кинематографичность, редакционная съёмка для журнала, аналоговая плёнка. Поле negative перечисляет то, чего быть не должно: лишний текст, водяные знаки, искажённые пальцы, лишние люди.

Эта структура перекликается с тем, как устроены все качественные запросы на сайте - например, в подборке промтов для ИИ-фотосессии девушки каждый шаблон описывает те же элементы, только сплошным текстом.

Как подготовить фото перед анализом

Нейросеть описывает то, что видит. Если снимок плохой, описание будет неточным.

• Разрешение. Минимум 1000 пикселей по длинной стороне. Сжатые скриншоты из мессенджеров теряют детали света и фактуры.
• Один главный объект. Если на фото толпа, попросите описать конкретного человека: «опиши девушку в красном пальто слева».
• Без наложенных надписей и стикеров. Модель может включить их в описание, и они попадут в промт.
• Обрезка. Если вас интересует только композиция портрета, а на фото много лишнего пространства - обрежьте до нужного кадра.
• Референс и ваше фото - разные вещи. Референс нужен для получения JSON. Ваше собственное фото вы прикрепите позже, уже к генератору, чтобы он взял черты лица.

Рабочие запросы на русском для получения JSON-кода картинки

Ниже - четыре проверенных формулировки. Копируйте и прикрепляйте фото.

Базовый - универсальный разбор

Проанализируй прикреплённое изображение и верни его описание строго в формате JSON без пояснений до и после кода. Используй поля: subject, pose, clothing, environment, lighting, camera, color_palette, mood, style, negative. Заполняй каждое поле подробно, на русском языке, по 1–3 предложения. Не придумывай деталей, которых нет на фото.

Для повторения стиля на своём фото

Разбери это фото на JSON-структуру для генерации в нейросети. Мне нужно воспроизвести стиль, свет, позу и окружение, но с другим человеком. Поле subject опиши обобщённо (пол, возраст, телосложение), без черт лица. Поля pose, clothing, environment, lighting, camera, color_palette, mood, style заполни максимально детально. Добавь поле negative со списком того, что нужно исключить. Ответ - только JSON.

Для товарного фото

Опиши прикреплённое предметное фото в формате JSON для последующей генерации. Поля: product (тип, материал, цвет, форма), surface (поверхность, на которой стоит предмет), background, lighting (источник, направление, мягкость, отражения), camera (ракурс, фокусное расстояние, глубина резкости), props (дополнительные предметы), style. Пиши на русском. Только код.

Для кинематографичного кадра

Верни JSON-описание этого кадра так, как его составил бы оператор. Поля: scene, character, action, framing (крупность плана), lens, lighting_setup, color_grading, film_stock (если похоже на плёнку), atmosphere, negative. На русском, без вступлений и комментариев.

Первого промта хватает в 80% случаев. Остальные три нужны, когда задача узкая и стандартные поля не подходят.

Как выглядит готовый JSON-код по фото

Допустим, вы прикрепили снимок девушки в кафе у окна. Ответ модели будет примерно таким:

{ "subject": "Женщина 25–30 лет, стройная, тёмные волосы собраны в небрежный низкий пучок, лёгкая улыбка, взгляд направлен в сторону от камеры", "pose": "Сидит за столиком у окна, корпус развёрнут на три четверти, локти на столе, в руках керамическая чашка, голова слегка наклонена", "clothing": "Бежевый оверсайз-свитер крупной вязки, тонкая золотая цепочка, серьги-кольца", "environment": "Кофейня с большими окнами, деревянный стол, на заднем плане размытые полки с посудой и растения, за окном пасмурная улица", "lighting": "Мягкий рассеянный дневной свет из окна слева, тёплые тени на правой стороне лица, лёгкое свечение по контуру волос", "camera": "Портрет по грудь, объектив 85 мм, открытая диафрагма, фон сильно размыт, ракурс на уровне глаз", "color_palette": "Бежевый, кремовый, тёплый коричневый, приглушённый зелёный", "mood": "Спокойное, уютное, утреннее", "style": "Фотореализм, лайфстайл-съёмка для соцсетей, естественная цветопередача", "negative": "Текст, водяные знаки, лишние люди, искажённые руки, пересвет на лице" }

Этот код можно копировать целиком в поле промта Nano Banana 2 или GPT Image 2 - обе модели понимают JSON без перевода. Если вы хотите получить себя в этой сцене, прикрепляете к генератору своё фото и добавляете строкой перед кодом: «Используй лицо и внешность человека с прикреплённого фото, остальное - по JSON».

Готовые примеры аналогичных сцен без JSON есть в подборке 41 промт для генерации женских портретов - удобно сравнить два подхода на одном сюжете.

Что делать с JSON дальше: три сценария использования

Повторить чужой кадр с собой в главной роли

Самое частое применение. Получаете JSON с референса, меняете subject на нейтральное описание, прикрепляете своё фото к Nano Banana 2 и запускаете генерацию. Модель берёт лицо с вашего снимка, а сцену - из кода. Так же работают парные промты для фотосессии, только полей subject будет два.

Собрать серию в одном стиле

Сохраняете JSON как шаблон. Для каждого нового кадра меняете только pose и environment, оставляя lighting, camera, color_palette и style без изменений. На выходе - серия из 5–10 фото, которые выглядят как одна съёмка. Именно так делаются вирусные форматы вроде фото в стиле Клавы Коки: единый свет и оптика, разные позы.

Улучшить собственное фото

Прикрепляете своё неудачное фото, просите JSON, затем правите поля: lighting заменяете на «мягкий студийный свет», background - на «однотонный светло-серый», negative дополняете «размытость, шум». Отправляете исправленный код вместе с исходным фото в генератор. Подробнее о таком редактировании - в статье как улучшить фото нейросетью.

Попробовать все три сценария можно бесплатно: в сервисе NeuroToday доступны и текстовые модели для анализа, и Nano Banana 2 для генерации, одна генерация в день не требует оплаты.

Как перевести JSON в обычный текстовый промт

Некоторые генераторы (особенно старые версии или сервисы с ограничением длины поля) хуже воспринимают фигурные скобки. В таком случае JSON легко превращается в текст: попросите ту же нейросеть «преврати этот JSON в связный текстовый промт для генерации изображения на русском, сохрани все детали, убери названия полей». Получится абзац на 80–120 слов, который выглядит как обычный запрос из коллекции промтов для ChatGPT.

Обратное тоже работает: любой текстовый промт можно разложить в JSON, чтобы удобнее было править отдельные части.

Частые ошибки при создании промта по фото и как их исправить

1. Просите «опиши фото» без указания формата. Модель выдаст литературный абзац с эпитетами, из которого сложно вытащить параметры. Исправление: всегда указывайте «в формате JSON» и перечисляйте нужные поля.
2. Оставляете в subject черты лица референса. При генерации со своим фото два описания конфликтуют: нейросеть смешивает ваше лицо с чужим. Исправление: в subject оставляйте только пол, возраст и телосложение, лицо задаёт прикреплённое фото.
3. Модель додумывает детали. Иногда нейросеть добавляет то, чего на фото нет, - например, «золотой час», хотя свет пасмурный. Исправление: в запросе пишите «не придумывай деталей, которых нет на изображении», и проверяйте lighting и environment глазами.
4. Слишком длинный JSON. Описание на 600 слов перегружает генератор, и он начинает игнорировать часть полей. Исправление: просите «по 1–3 предложения на поле» или сократите вручную.
5. Копируете JSON без поля negative. Без запретов чаще появляются лишний текст на картинке и артефакты рук. Исправление: всегда добавляйте negative, даже если модель его пропустила.
6. Смешиваете русский и английский в полях. Часть моделей при смешении языков начинает вставлять надписи в кадр. Исправление: держите весь JSON на одном языке - на русском, если генератор его понимает (Nano Banana 2, GPT Image 2, Qwen Image понимают).

Больше о типичных промахах при обработке снимков - в материале лучшие промты для обработки фото в ChatGPT.

Пошаговая инструкция: промт по фото за 5 минут

1. Выберите референс. Найдите фото, которое хотите повторить, и сохраните его в хорошем качестве.
2. Откройте чат-бот с поддержкой изображений. ChatGPT, Claude, Gemini, Qwen или текстовая модель в сервисе NeuroToday.
3. Прикрепите фото и вставьте промт 1 или 2 из раздела выше. Дождитесь JSON-ответа.
4. Проверьте код. Убедитесь, что поля lighting, camera и clothing заполнены конкретно, а в subject нет черт лица, если планируете подставлять себя.
5. Откройте генератор. В NeuroToday - вкладка «Изображения», модель Nano Banana 2. Обзор возможностей модели читайте здесь.
6. Прикрепите своё фото и вставьте JSON. Перед кодом одной строкой напишите: «Возьми лицо с прикреплённого фото, сцену - из JSON».
7. Запустите генерацию и сравните с референсом. Если разошлись свет или ракурс - правьте соответствующее поле и повторяйте. Обычно хватает 2–3 итераций.
8. Сохраните JSON как шаблон для следующих кадров в этом же стиле.

Если хотите глубже разобраться в принципах, по которым строятся сильные запросы, посмотрите статью о технике составления промтов. А для семейных и групповых снимков, где объектов несколько, пригодится инструкция по семейной ИИ-фотосессии.

Заключение

Создание промта по фото в 2026 году свелось к одному действию: прикрепить картинку к чат-боту и попросить JSON-код с нужными полями. Нейросеть разбирает снимок на объект, позу, одежду, свет, оптику и настроение точнее, чем это сделает человек словами, а структурированный формат позволяет править отдельные параметры и переносить шаблон между генераторами.

Главные правила: указывайте формат и список полей, убирайте черты лица из описания, если подставляете своё фото, всегда добавляйте поле с запретами и держите весь код на одном языке. Начните с базового промта из этой статьи, получите первый JSON и отправьте его в Nano Banana 2 - а сравнить результат с готовыми шаблонами можно в коллекции промтов для обработки фото. Бесплатная генерация доступна после регистрации в NeuroToday.