Промты для фото на документы: создаем идеальный снимок

Содержание страницы

• Как составить и использовать промт
• Базовая архитектура запроса
• Стратегии применения: Text-to-Image против Image-to-Image
• Роль негативных промтов (Negative Prompting)
• Обзор инструментов
• Глобальные модели
• Российские генеративные платформы
• База готовых промптов по категориям
• Классическое фото на паспорт РФ и заграничный документ (Формат 35×45 мм)
• Международные визы и ID-карты (Квадратный формат 1:1, 2×2 дюйма)
• Техническая реставрация и коррекция (In-painting)
• Виртуальная примерочная (Смена одежды)
• Корпоративные бейджи и деловые портреты (Смягченный стандарт)
• Детские паспорта и сложные случаи
• Технические регламенты и форматы
• Стандарты документов
• Биометрическая безопасность и выводы
• Угроза Morphing-атак и фреймворк StableMorph
• Защита идентичности: FaceLock
• Показать ещё (14)

Нейросетевая генерация официальных фотографий и портретов на документы: Структура промта, инструментарий и биометрическая безопасность.

Если ранее сделать фото на паспорт или любые документы требовал физического присутствия в фотостудии, использования сложного осветительного оборудования и кропотливой ручной ретуши, то сегодня диффузионные модели и нейронные сети способны трансформировать бытовые селфи в биометрически выверенные портреты или генерировать синтетические изображения с нуля.

Специфика данной задачи кардинально отличается от традиционной художественной генерации. Ключевая проблема при создании фотографий на документы с помощью искусственного интеллекта заключается во встроенной «эстетической предвзятости» моделей.

Инструменты обучены на миллионах профессиональных художественных снимков, из-за чего они по умолчанию стремятся улучшать внешность, добавлять кинематографическое освещение, размывать фон (боке) и сглаживать текстуру кожи.

Для официальных биометрических документов подобные вмешательства неприемлемы, так как они искажают уникальные антропометрические данные субъекта и приводят к отказу в государственных ведомствах.

Данный обзор представляет методы преодоления этих проблем посредством, разбор применимых инструментов и оценки влияния этих технологий на глобальную биометрическую безопасность.

Как составить и использовать промт

Создание эффективного текстового запроса для официального портрета требует понимания того, как диффузионная модель декодирует лингвистические токены в визуальные признаки.

Успешный промт строится по строгой модульной архитектуре, где каждый семантический блок выполняет функцию ограничителя, отсекающего нежелательные креативные интерпретации нейросети.

Анализ сотен успешных генераций позволяет вывести универсальную формулу, состоящую из нескольких критических компонентов.

Базовая архитектура запроса

Первым и важнейшим элементом выступает позиционирование субъекта. Нейросети необходимо задать жесткий пространственный каркас. Для паспорта это исключительно анфас.
Использование токенов front-view, facing directly forward, direct gaze at camera и shoulders squared to camera заставляет модель выстроить строго симметричную композицию, исключая профильные или полупрофильные ракурсы.

В сочетании с этим контролируется мимика. Поскольку официальные регламенты большинства стран запрещают выражение эмоций, промт должен содержать прямые указания: neutral facial expression, mouth closed, no smile.

Следующий блок описывает освещение. Это один из самых сложных параметров, так как ИИ тяготеет к объемному свету с глубокими тенями (например, свету Рембрандта), который придает лицу выразительность.

Однако биометрические стандарты требуют плоского, равномерного освещения, чтобы автоматизированные системы распознавания могли корректно считать геометрию лица.

В запрос внедряются инструкции even studio lighting, flat lighting, no shadows on face or background, bilateral symmetric studio lighting и no specular highlights on skin (отсутствие бликов).

Затем прописывается фон и стилистика одежды. В зависимости от требований конкретной страны, фон должен быть однотонным.

Использование токенов plain white background, solid light grey background или seamless background устраняет нежелательные текстуры, градиенты и элементы интерьера.

Одежда подбирается по принципу контраста. Чтобы фигура не сливалась со светлым фоном, применяются токены dark business suit, navy blue formal jacket, white dress shirt.Прическа также требует контроля дескрипторами neat hairstyle или hair pulled back away from the face, так как спадающие на лицо пряди нарушают биометрические регламенты.

Заключительным, но принципиально важным элементом является управление оптическими характеристиками и реализмом.

Чтобы избежать перспективных искажений (например, увеличения носа, характерного для широкоугольных объективов смартфонов), в промт интегрируются параметры профессиональной портретной оптики.

Указание фокусного расстояния shot on 85mm lens или 50mm lens помогает нейросети имитировать правильную компрессию пространства.

Чтобы ИИ не превратил кожу в идеальный пластик, критически важно использовать фразы natural skin texture, visible pores и documentary style.

Стратегии применения: Text-to-Image против Image-to-Image

В контексте подготовки фотографий на документы существует строгое разделение на два метода работы с моделями, выбор которых диктуется конечной целью.
Метод Text-to-Image (T2I), или генерация с нуля, применяется исключительно для создания синтетических персон.

Это необходимо при формировании датасетов для тренировки систем распознавания лиц (Face Recognition Systems), создания портретов для рекламных макетов, геймдева или тестирования программного обеспечения.

В этом случае модель имеет полную свободу в создании геометрию лица на основе текста.

Метод Image-to-Image (I2I), включающий техники Inpainting (частичная перерисовка) и использование модулей ControlNet, является единственным легальным и безопасным способом подготовки собственной фотографии для государственного ведомства.

В этом сценарии нейросеть выступает не как создатель, а как интеллектуальный технический редактор.

Пользователь загружает реальную фотографию, после чего ИИ заменяет сложный фон на белый, выравнивает свет, устраняет цифровой шум и заменяет повседневную одежду на деловой костюм, оставляя антропометрические параметры лица (расстояние между глазами, форму скул и носа) абсолютно нетронутыми.

Для этого в промты внедряются команды жесткой блокировки идентичности (Identity Lock), такие как preserve all facial features exactly as shown in the reference photo — face shape, eye color, nose, lips, jawline, skin tone. Do not alter any facial geometry.

Роль негативных промтов (Negative Prompting)

Для моделей, предоставляющих прямой доступ к латентному пространству (Stable Diffusion, Flux, локальные интерфейсы генерации), негативные промты имеют первостепенное значение.

Они формируют математическое пространство отторжения, не позволяя модели генерировать элементы, нарушающие официальные регламенты.

Эффективный негативный промт для паспортного фото должен содержать блокираторы эмоций, аксессуаров и художественных эффектов: smile, open mouth, teeth, sunglasses, hat, earrings, necklace, patterned background, shadows, blurry, soft focus, bokeh, grainy, watermark, overexposed, distorted face, artistic filter, jpeg artifacts, beauty retouching, smooth skin.

Обзор инструментов

Рынок генеративного искусственного интеллекта предлагает десятки решений, однако для задач строгой документальной фотографии подходят лишь те архитектуры, которые поддерживают сильную математическую привязку к исходному изображению (Conditioning) и обладают высоким уровнем контроля над генерацией деталей.

Глобальные модели

Среди глобальных нейросетевых платформ выделяются архитектуры, демонстрирующие наивысшую точность при работе с портретным сходством и освещением.

Midjourney (v6 / v7) Данная платформа, работающая через Discord-бота и веб-интерфейс, является отраслевым стандартом в области генерации изображений. В последних версиях Midjourney достигнут беспрецедентный уровень рендеринга текстур — алгоритм способен генерировать микрорельеф кожи, поры, веснушки и естественные дефекты, что делает снимки гиперреалистичными и избавляет их от эффекта «зловещей долины» (Uncanny Valley). Ключевым инструментом для создания фото на документы в Midjourney является параметр —cref (Character Reference), внедренный для поддержания консистентности персонажа. Пользователь прикрепляет ссылку на свое селфи и добавляет этот параметр в конец промпта.

Экосистема Flux (Flux.1, Flux 2 Max) Семейство моделей Flux, построенное на гибридной трансформерно-диффузионной архитектуре, признано экспертами одним из лучших решений для достижения фотореализма без дополнительных настроек. В отличие от генераторов предыдущего поколения, Flux превосходно справляется с расчетом естественного освещения и не склонен к избыточной мультяшной стилизации. При использовании режима Image-to-Image с низким параметром Strength (около 0.40) модель позволяет ювелирно заменить фон на белый стандарт РФ, не затрагивая контуры лица и волос. Модель Flux 2 Max особенно рекомендуется для технической коррекции освещения, когда требуется выровнять тени без потери качества.

DALL-E 3 (OpenAI) Интегрированная в экосистему ChatGPT и Bing модель демонстрирует глубокое семантическое понимание сложного контекста. DALL-E 3 превосходит многие аналоги в задачах инпеинтинга (локальной дорисовки элементов), например, когда необходимо виртуально «переодеть» пользователя из домашней одежды в белую рубашку с пиджаком посредством простой переписки в чате. Главным ограничением DALL-E 3 в контексте паспортов является встроенный фильтр безопасности и алгоритмическая склонность делать кожу слишком гладкой, напоминающей 3D-графику, что требует постоянного уточнения промптов для возврата реалистичной текстуры.

Российские генеративные платформы

Отечественные разработчики предлагают мощные нейросетевые инструменты, которые обладают критическим преимуществом: они нативно понимают сложный синтаксис русского языка, обучены на локальном культурном контексте и доступны без использования VPN.

Kandinsky 5.0 (Сбер) Новейшая линейка моделей от Сбера, интегрированная в экосистему GigaChat, представляет собой серьезный скачок в качестве отечественного генеративного ИИ. Модель Kandinsky 5.0 Image Lite базируется на архитектуре диффузионного трансформера (Cross Attention DiT) и содержит 6 миллиардов параметров, что позволяет генерировать изображения в высочайшем HD-разрешении. Нейросеть Kandinsky исторически ценится за отсутствие языковых барьеров — она поддерживает запросы на более чем 100 языках, но русский понимает на уровне культурного кода. В контексте фото на документы Kandinsky 5.0 предлагает мощный функционал Image-to-Image (режим вариаций и дорисовки), где пользователь может загрузить свое фото и с помощью текстового запроса изменить фон, одежду или выровнять освещение. Модель не имеет строгих лимитов на количество генераций, предоставляя пользователям возможность проводить десятки итераций для достижения идеального биометрического сходства.

Шедеврум (Яндекс / YandexART) Приложение Шедеврум, базирующееся на нейросети YandexART, является одним из самых популярных мобильных ИИ-решений в России. Для документальных задач здесь предусмотрен специальный креативный режим — «Ручной фильтрум». Пользователь загружает исходную фотографию и в текстовом поле описывает желаемые изменения. Технология YandexART преобразует загруженную картинку в векторное представление (эмбеддинги), а затем сочетает их с текстовым промптом, при этом алгоритм старается максимально сохранить изначальные черты оригинала (опция «сохранять контур оригинала»). Важным техническим ограничением платформы является лимит длины промпта в 500 символов, что требует от пользователя максимально емких и точных формулировок. Кроме того, сервис в большей степени ориентирован на мобильные устройства (iOS, Android), хотя имеет и веб-версию с лимитом до 70 картинок в день. Приложение отлично подходит для генерации деловых портретов для корпоративных профилей, где требования чуть мягче паспортных.

Специализированные хабы и Telegram-боты (Nano Banana, Study AI) Для пользователей, которым требуется мгновенный результат без изучения диффузионных параметров, на рынке существуют узкоспециализированные ИИ-сервисы и боты (например, Telegram-боты @pauk_ai или @ii_nejrosetbot). За кулисами эти платформы используют не универсальные модели генерации искусства, а кастомные чекпоинты (например, алгоритмы Nano Banana Pro или Photo Generator от Study AI), которые натренированы исключительно на студийных и паспортных снимках. Система анализирует геометрию лица пользователя и автоматически выстраивает классическую схему студийного света (например, «треугольник Рембрандта» или фронтальную заливку), делая лицо выразительным, но анатомически точным. Эти сервисы часто имеют готовые встроенные пресеты («Загранпаспорт», «Виза»), автоматически соблюдая миллиметровые отступы по ГОСТу.

База готовых промптов по категориям

Представленные ниже шаблоны могут использоваться как на английском языке (для Midjourney, Flux, DALL-E), так и на русском (для Шедеврум, Kandinsky, GigaChat).
В квадратных скобках [ ] указаны переменные, которые пользователь должен адаптировать под свою задачу.

Классическое фото на паспорт РФ и заграничный документ (Формат 35×45 мм)

Для данного формата критически важны математические пропорции. Согласно требованиям МВД РФ, лицо должно занимать от 70 до 80% высоты кадра, взгляд должен быть направлен строго в камеру (анфас), а на фоне не должно быть никаких текстур или теней.

Универсальный англоязычный шаблон (Midjourney, Flux):

Passport-style photo of [user description]. Neutral facial expression, mouth closed, eyes open, looking straight at the camera. Even soft frontal lighting, no shadows on the face or background. Plain white background. Head and shoulders framing, realistic proportions. No smile, no makeup enhancement, no retouching, no artistic style. Natural detailed skin texture. Official document photo, high resolution.

Развернутый русскоязычный шаблон (Kandinsky 5.0, Шедеврум, ChatGPT):

Сделай официальное фото для гражданского паспорта РФ. Переведи обычное селфи в паспортное фото с соблюдением всех государственных требований. Размер итогового изображения 35×45 мм. Лицо строго анфас, взгляд прямо в камеру, выражение лица нейтральное — рот закрыт, не улыбаться. Голова занимает 70–80% высоты фото (расстояние от макушки до подбородка 30–34 мм). Белый или светло-серый фон, без теней, узоров, лишних предметов. Освещение равномерное, без бликов и пересветов на коже. Прическа не закрывает глаза или брови, уши видны. Одежда однотонная и контрастная относительно фона (темно-синий или черный пиджак). На фото только естественный макияж. Фото цветное, высокого разрешения, без сильной ретуши и художественных фильтров. Центрировать голову и плечи.

Международные визы и ID-карты (Квадратный формат 1:1, 2×2 дюйма)

Требования к визам в США, страны Азии и многие другие государства предполагают строгий квадратный формат (2×2 дюйма). Здесь важна точная центровка головы и наличие специфического отступа (маржи) над волосами, чтобы система автоматического распознавания могла корректно отсканировать лицо.
Шаблон для визового портала:

Turn the uploaded reference image into a standard travel-visa photo. Keep the exact face, likeness, and biological age. Use a plain white background, even diffuse studio lighting with no drop shadows behind the person. Neutral closed-mouth expression, eyes open looking directly forward at the lens. Center the head and shoulders squared to the camera with a clear small margin above the hair. Photographic realism, high resolution, 1:1 square aspect ratio.

Технический нюанс: Для британских виз (UK standards) регламент часто требует светло-серый или кремовый фон вместо чисто белого, чтобы повысить контрастность краев лица. В таком случае формулировку plain white background следует заменить на plain light-grey or cream background.

Техническая реставрация и коррекция (In-painting)

В случаях, когда исходная фотография уже удовлетворяет требованиям по мимике и положению тела, но была сделана на пестром фоне (например, на фоне обоев) или при неудачном освещении, используются промпты для точечной коррекции. Главная задача здесь — запретить ИИ трогать само лицо.
Промпт для точечной замены фона (Kandinsky, Шедеврум):

Используй загруженное фото как основу. Сохрани лицо, волосы, форму головы, уши, шею, плечи, текущую одежду и естественные пропорции абсолютно без изменений. Замени только фон на ровный белый, без теней, пятен, предметов и текстуры. Выровняй освещение на границах фигуры, но не меняй внешность человека. Сделай результат реалистичным, как официальное фото на документы.

Промпт для исправления жестких теней и пересветов:

Correct the lighting in the provided image for a passport photo. Keep the exact anatomical features and identity unchanged. Remove harsh highlights, hot spots, and uneven shadows on the face. Replace them with a soft, balanced frontal light that evenly illuminates both sides of the face. Keep the plain background, neutral expression, and direct gaze. Restore natural skin texture.

Виртуальная примерочная (Смена одежды)

Данная категория промптов активно задействует алгоритмы сегментации кадра. Нейросеть распознает контуры тела, текущую одежду, направление рук и позу корпуса, после чего «стирает» старые элементы гардероба и генерирует на их месте новые пиксели, подстраиваясь под освещение исходного снимка.
Шаблон для переодевания в деловой стиль:

Замени текущую одежду на человеке на строгую классическую синюю рубашку и белый деловой пиджак. Сохрани исходный фон, лицо, прическу, естественное освещение и пропорции плеч без изменений. Ткань костюма должна выглядеть фотореалистично, с естественными складками, тенями и текстурой. Аккуратно интегрируй воротник рубашки с шеей, без размытия контуров.

Технический нюанс: Если руки на исходнике скрещены перед грудью или перекрывают корпус, алгоритму будет крайне сложно корректно отрисовать новый пиджак, не деформируя анатомию конечностей. Для виртуальной примерки исходный силуэт должен быть максимально чистым, с опущенными вниз руками.

Корпоративные бейджи и деловые портреты (Смягченный стандарт)

В отличие от сухих государственных документов, корпоративные стандарты для LinkedIn, пропусков, резюме или профилей на сайтах компаний допускают легкую улыбку, полуоборот корпуса и более художественное освещение.
Англоязычный бизнес-промпт (Midjourney, DALL-E):

Create a professional corporate resume-style photo in a business format based on the reference. Use the exact appearance. The person should sit straight, facing the camera directly, with a confident, slightly pleasant expression and a subtle smile. Clothing: formal business attire or a crisp white shirt. Background: solid light gray or blurred bright office interior. Soft studio lighting without harsh shadows. Frame the shot chest-up, highly detailed skin texture, professional corporate portrait.

Русскоязычный промпт (Kandinsky, Шедеврум):

Подготовь деловое фото на документы по исходному снимку. Сохрани внешность и возраст, сделай нейтральный светлый фон, ровное освещение, аккуратную композицию по грудь, естественный вид лица с живой, ненаигранной полуулыбкой без открытого рта. Без сильной пластиковой ретуши, стиль профессиональной корпоративной фотостудии.

Детские паспорта и сложные случаи

Генерация и корректировка детских фотографий имеет свою специфику. Младенцев и маленьких детей крайне сложно заставить смотреть прямо в камеру и не улыбаться. В этом случае генеративный ИИ используется для выравнивания оси взгляда и программного закрытия рта.
Специализированный корректирующий промпт:

Reformat the uploaded image into a child’s passport photo. Keep the child’s exact face, biological age, and likeness. Plain white background, soft even lighting with no drop shadows. If the original face has a smile or open mouth, gently soften it to a neutral closed-mouth expression. Ensure both eyes are fully open and looking directly into the camera lens. Center the head and shoulders, natural skin tone, 1:1 square.

Технические регламенты и форматы

Владение текстовыми запросами решает эстетическую сторону вопроса, однако сгенерированный файл должен соответствовать установленным форматам.
Нейросети управляют соотношением сторон через параметр Aspect Ratio (—ar в Midjourney), но не всегда могут выдержать точную геометрию лица в процентах от высоты кадра.
После базовой генерации в Midjourney или DALL-E, изображение часто обрабатывается в специализированных автоматизированных сервисах (например, IDPhoto4You или Cutout.pro).
Эти алгоритмы не используют генеративные сети, а накладывают на лицо математическую сетку, выравнивая линию глаз и макушку в соответствии с международными стандартами биометрии.

Стандарты документов

В таблице ниже синтезированы требования различных государств к размеру физического носителя и цифрового файла.

При подготовке к физической печати качество исходной генерации часто оказывается недостаточно из-за алгоритмического сжатия.
Перед отправкой файла в фотолабораторию или загрузкой на государственные порталы, эксперты рекомендуют пропускать полученный кадр через ИИ-апскейлеры (повышающие разрешение нейросети), такие как Nano Banana Pro, Topaz Photo AI или Remini, для достижения плотности пикселей не менее 600 DPI, что гарантирует абсолютную резкость на бумаге.

Биометрическая безопасность и выводы

Тотальная доступность генеративных моделей, способных создавать высокодетализированные лица без видимых цифровых артефактов, спровоцировала масштабный кризис в сфере безопасности.
Это вынуждает государственные ведомства пересматривать фундаментальные принципы доверия к цифровым изображениям.

Угроза Morphing-атак и фреймворк StableMorph

Одной из самых серьезных угроз для автоматизированных систем пограничного контроля (e-Gates) стали так называемые атаки морфинга (Morphing Attacks).
Морфинг — это процесс бесшовного цифрового слияния лиц двух разных людей (например, преступника, которому запрещен выезд, и соучастника с чистой историей) в одно изображение.
Если такое комбинированное фото вклеивается или загружается в паспорт, оба субъекта смогут успешно пройти биометрическую верификацию, так как алгоритм распознавания найдет достаточный процент математического сходства (Morph Attack Potential) с каждым из них.
Для противодействия этой угрозе миграционные службы многих стран постепенно отказываются от приема цифровых файлов или распечатанных фотографий от заявителей, переходя на систему live-enrollment — когда фотографирование происходит исключительно внутри защищенных кабин непосредственно в ведомстве.

Защита идентичности: FaceLock

Параллельно с развитием методов генерации и атак развиваются технологии проактивной защиты биометрической приватности.
Учитывая, что злоумышленники могут использовать легальные фотографии из социальных сетей или корпоративных порталов (LinkedIn) в качестве референсов для создания дипфейков, компрометирующих документов или порнографии, исследователи разработали класс защитных алгоритмов, ярким представителем которых является FaceLock.
Системы подобного класса вносят в оригинальную фотографию состязательные пертурбации (adversarial perturbations) на пиксельном уровне еще до ее публикации в интернете.
Для человеческого глаза такие изменения абсолютно невидимы, и фотография выглядит обычным качественным снимком.
Однако, если злоумышленник попытается использовать это защищенное изображение в качестве референса (например, загрузив его в алгоритмы Image-to-Image или использовав параметр —cref в Midjourney), скрытый цифровой шум фатально нарушит процесс генерации нового изображения.

Генерация и редактирование фотографий на документы с помощью искусственного интеллекта прошли путь от экспериментальных любительских практик до стандартизированной методологии. Главный вывод заключается в том, что успешность применения ИИ в этой сфере прямо пропорциональна строгости ограничений, накладываемых на модель.
При создании официальных документов генеративные сети должны функционировать исключительно в парадигме жесткого технического редактора, лишенного права на эстетическую и геометрическую интерпретацию. По мере совершенствования моделей грань между классической студийной фотографией и синтезированным кадром полностью исчезает.

Часто задаваемые вопросы

Почему нейросети портят фото на документы?

ИИ по умолчанию «украшает» снимки: сглаживает кожу и размывает фон. Для документов это недопустимо, так как искажает биометрические данные и приводит к отказу.

В чем разница между T2I и I2I?

Text-to-Image (T2I) генерирует лица «с нуля» (подходит для тестов). Image-to-Image (I2I) редактирует ваше реальное фото (меняет фон, одежду), сохраняя черты лица. Для паспорта подходит только I2I.

Как сохранить узнаваемость лица?

Используйте в промте команды «Identity Lock» (например, preserve all facial features). Это запрещает нейросети менять геометрию лица и накладывать бьюти-фильтры.

Зачем нужны негативные промты?

Они «отсекают» запрещенное: улыбки, аксессуары, украшения, размытый фон и художественные эффекты. Это обязательный барьер для соблюдения регламента.

Нужна ли обработка после генерации?

Да. ИИ может ошибиться в пропорциях или четкости. Финальное фото обязательно нужно кадрировать под стандарт конкретной страны и «апскейлить» (увеличить разрешение) до 600 DPI.

Почему так строго проверяют ИИ-фото?

Из-за угрозы «морфинга» — создания поддельных лиц путем слияния данных двух людей. Поэтому многие службы теперь требуют делать фото только на месте (live-enrollment).