Больше всего вопросов вызывает то, что оригинальная кожа не сохранилась, а с каждой генерацией насыщенность растёт.

Ещё приведу пример с тем же персонажем, но уже одетым в Google Gemini 3.1 Flash Lite (в той же Арене), только там с каждым одеванием происходит ухудшение качества оригинального рисунка (вспомните видеокассеты VHS, у которых качество видео с каждой перезаписью деградирует):

Как мне правильно с помощью нейросетей переодевать аниме-персонажей, не угробив при этом рисунок из оригинала? Какую нейросеть лучше использовать?

Убедительная просьба НЕ ОТГОВАРИВАТЬ. Мне так проще рисовать различных аниме-персонажей.

4) нет мобильного приложения, только веб-версия. Было бы, конечно же, удобно юзать Arena на смартфоне с помощью мобильного приложения, но я сразу представляю, какая нагрузка на сервера из-за этого произойдёт.

Я лично проверял: сгенерил порядка 100 картинок и за это время всё-равно ловил капчу и временные баны (не из-за нарушения правил, просто так у них работает оптимизация нагрузки на сервера).

Остаётся только гадать, на какие ещё ухищрения пошли их создатели, чтобы сделать сервис полностью бесплатным и безлимитным.

Есть также Google Vids, правда, с ограничениями: в частности бесплатно там доступны только модель Veo и максимальное разрешение в 720p. Может, это потому, что у Google очень много мощных серверов по всему миру, которые регулярно обслуживаются и обновляются?

К тому же, Google Vids, в отличие от некоторых других сервисов Google, работает в России без обхода ограничений.

Ну ещё и не стоит забывать про наших "суверенных" Алису (с ограничениями в качестве картинок) и Кандинского. В них можно хоть тысячу картинок нагенерить бесплатно и без ограничений.

В общем, не зря существует фраза "кто ищет, тот и всегда найдёт".

Буквы русские, начертание уверенное, вывеска висит ровно — только таких слов не существует. Так нейросеть Grok выполнила запрос, в котором прямым текстом стояло: на вывеске написать «РЕМОНТ ОБУВИ».

Это один из семи прогонов теста, где проверялось, умеют ли нейросети писать русский текст на картинке. Оказалось, что вопрос стоит по-другому: не «умеют ли», а «сколько знаков подряд удержат».

Сцена для всех была одна и та же: витрина мастерской по ремонту обуви, три надписи разной длины. Вывеска «РЕМОНТ ОБУВИ» — 12 знаков. Ценник «от 500 руб.» — 11 знаков, но мелким шрифтом. Объявление на двери «Открыто с 10:00 до 20:00» — 24 знака, тоже мелко. Один запрос на модель, без вторых попыток, что вышло — то и в зачёт. Проверка посимвольная: совпадает текст на картинке с заданным или нет.

Участвовали семь нейросетей для генерации изображений: GPT Image 2 (генерация картинок в чате GPT от OpenAI), Nano Banana Pro (та самая nano banana, генерация изображений у Gemini), FLUX.2 Max (старшая нейросеть FLUX), Seedream v4 (ByteDance), Qwen 2 (Alibaba), Grok Imagine (картинки у нейросети Grok от xAI) и Ideogram v3 — последний интересен тем, что его продают именно как специалиста по тексту на картинках. Гонялось всё в одном окне, через агрегатор veruna.io, где эти модели лежат рядом, — правда, половина участников открывается только на старших тарифах.

Вывеску из двух слов правильно написали шесть моделей из семи. Провалилась только та, что выдала «ОУЧНЫЙ КИВЫЙ».

Ценник «от 500 руб.» — пять из семи. Seedream v4 потерял букву: получилось «т 500 руб.». FLUX.2 Max продублировал число, написав в две строки «от 500.» и ниже «500 руб.».

Объявление на двери — три из семи. И вот тут ошибки самые обидные, потому что мелкие.

У Qwen 2 «д» превратилась в «а»: на бумажке написано «ао 20:00». Одна буква из двадцати четырёх — а объявление уже читается как опечатка на стекле.

У Ideogram v3 развалилось время: «до 26-80» вместо «до 20:00». Двоеточие стало дефисом, двадцать превратилось в двадцать шесть, нули — в восьмёрку. При этом крупную вывеску та же модель сделала лучше всех в тесте: ровная синяя табличка, ни одного артефакта.

Полный зачёт получили две модели: GPT Image 2 и Nano Banana Pro. У обеих совпали все три надписи, включая двоеточия во времени и точку в сокращении «руб.». Ни та ни другая ничего особенного про работу с текстом не обещает — то есть заявленная специализация Ideogram в этом тесте преимуществом не стала.

Общая картина складывается не в пользу привычного объяснения «нейросети не знают русского». Ни одна модель не написала латиницей вместо кириллицы и ни одна не перевела надпись на английский — с алфавитом проблем нет. Ломается другое: чем длиннее строка и чем мельче она набрана, тем выше шанс, что буква подменится на похожую, цифры перепутаются, символ пропадёт или кусок фразы продублируется.

Практический вывод для тех, кто делает картинки с надписями. Крупный короткий текст — вывеска, заголовок, одно слово на упаковке — модели тянут нормально. Всё, что в кадре выглядит мелким шрифтом, проверять придётся по буквам, потому что издалека кадр выглядит безупречно, а «ао 20:00» видно, только если специально всматриваться. Длинную фразу лучше просить частями, а если текст критичен — сгенерировать картинку по тексту без надписей и поставить буквы сверху в редакторе, где они останутся ровно теми, которые вы напечатали.

Разборы и новости про нейросети — в отдельном канале: t.me/veruna_ai_news

В запросе стояло «старая иномарка припаркована у дома». Из шести картиночных моделей, которым отдали один и тот же запрос, иномарку нарисовали две. У остальных четырёх во дворе оказался советский автопром: синяя «Нива» и три «Жигули» разных лет.

Смысл теста не в ошибке с машиной. Проверялось другое: что делают нейросети, которые рисуют картинки по описанию, с деталями запроса, когда те расходятся с усреднённым представлением модели о стране.

Запрос был один и тот же для всех шести, на английском, с пятью проверяемыми пунктами: двор российской пятиэтажки летом, снято на телефон; лавочка у подъезда с пожилой женщиной; верёвка с бельём между двумя деревьями; металлическая рама для выбивания ковров, на ней ковёр; старая иномарка у дома. Участники — шесть нейросетей для генерации изображений: GPT Image 2 (генерация фото в чате GPT от OpenAI), Nano Banana Pro (та самая nano banana — картиночная модель Gemini от Google), Qwen 2 (Alibaba), Seedream v4 (ByteDance), Grok Imagine (картиночный режим нейросети Grok от xAI) и FLUX.2 Max (нейросеть FLUX от Black Forest Labs). Гонялось всё в одном окне, через агрегатор veruna.io, где эти модели лежат рядом, — правда, половина участников теста открывается только на старших тарифах, на среднем их просто нет в списке.

Лавочка с пожилой женщиной — шесть из шести. Половина ещё и добавила платок на голову, которого в запросе не было.

Бельё на верёвке — шесть из шести, но «между двумя деревьями» соблюдено не везде: у трёх верёвка идёт от дерева к стене или к столбу.

Старая иномарка — две из шести. Иномарку дали Nano Banana Pro (ржавая Audi 100) и Grok Imagine (зелёный Volkswagen Passat). У GPT Image 2 — «Нива», у Qwen 2, Seedream v4 и FLUX.2 Max — «Жигули». Слово «foreign» стояло в запросе прямо, но представление «российский двор» его перебило: в кадрах, которые модели видели про такие дворы, у подъезда стоит «Лада».

Металлическая рама для выбивания ковров — пять из шести: узнаваемая конструкция из труб, вкопанная в землю или сваренная буквой «А». Qwen 2 повесила ковёр на складную бельевую сушилку посреди двора — предмет из соседней категории, назначение перепутано.

Пять этажей — ноль из шести. Дом целиком, с крышей, влез в кадр только у Seedream v4 — и этажей в нём четыре. У остальных дом обрезан по верхней границе: посчитать нечего, но и пяти этажей не видно ни на одной картинке.

Отдельно — то, что никто не заказывал. Grok Imagine выдал машине российский номер, но написал на нём кириллическую абракадабру, которая не читается. Nano Banana Pro поставила во двор песочницу с игрушками, Grok — трёхколёсный велосипед и самокат.

Итог. Легче всего дались вещи, которые есть в любой стране: лавочка, пожилая женщина, бельё. Сложнее — предмет без западного аналога: раму для ковров одна модель заменила похожим объектом. Хуже всего прошло то, что противоречило усреднённой картинке: «пять этажей» и «иномарка» проиграли тому, что модель чаще видела в кадрах с подписью «российский двор».

То есть запрос читается не как инструкция, а скорее как пожелание: где он совпадает с типичным, там исполняется буквально, где расходится — молча правится в сторону типичного. Практический вывод для тех, кто генерирует картинки по описанию: чем дальше деталь от типичной, тем настойчивее её приходится повторять — и всё равно проверять результат глазами по каждому пункту.

Разборы и новости про нейросети — в отдельном канале: t.me/veruna_ai_news.

Пока все обсуждали взлом OpenAI, из Германии тихо прилетел самый амбициозный релиз недели. Black Forest Labs — те самые авторы FLUX, на которых до сих пор держится половина опенсорс-пайплайнов для генерации картинок, — показали FLUX 3. И заявка у них дерзкая до наглости.

Что это вообще такое

FLUX 3 — это не очередная модель-картиночница. Это единый flow-matching-бэкбон, который из одного набора весов умеет сразу всё: генерировать изображение, видео длиной до 20 секунд с родным синхронным звуком и даже предсказывать «действия робота» (для этого есть отдельный вариант FLUX-mimic, крутится меньше 80 мс на одной RTX 5090). Это первая модель семейства FLUX, где видео, аудио и управление роботом едут из одних и тех же весов. На бумаге — мультимодалка мечты, «одна модель на всё».

А теперь холодный душ

Мы разобрали релиз на пятничном стриме, и вывод простой: смотреть, если честно, не на что — и это видно прямо по цифрам самих авторов.

Начнём с бенчмарков. Все громкие проценты, которыми размахивает BFL, — это внутренний тест «раннего кандидата» модели: 10-секундные ролики в 720p, без раскрытой методологии, без размера выборки и числа живых оценщиков. Независимо это не проверял вообще никто.

Красиво выходит только против слабых соперников: 93% побед против Luma Ray 3.2 и 77% против Runway Gen-4.5. Но стоит поставить рядом реальных топов — Seedance 2.0 и Gemini Omni Flash — и остаётся всего 52%. Это буквально подбрасывание монетки. То есть против сильных конкурентов FLUX 3 не выигрывает, а тянет вничью.

Чего нет вообще

А вот дальше начинается совсем неловкое. Картиночных бенчмарков Black Forest Labs не опубликовала ни одного — и это при том, что именно генерация изображений когда-то сделала FLUX именем. Нет цены. Нет публичного API. Нет production-гарантий. Доступ раздают по гейту: видео и «действия» — в раннем доступе, картинки будут позже, а открытые веса обещают выложить в самую последнюю очередь.

И главное — того, что реально нужно художнику прямо сейчас, потрогать нельзя: читаемый текст на постере и стабильный персонаж между кадрами в раннем доступе недоступны. А ведь именно на этих двух вещах ломается большинство генераторов.

Вывод

Пока FLUX 3 — это не модель, а очень красиво свёрстанный пресс-релиз. Показательна и сама раскладка обучения: больше 95% вычислений ушло в видео, а на аудио досталось меньше 0,5% токенов — и результат ровно такой, каким и выглядит, «широко, но неглубоко». Идея объединить все модальности в одном flow-бэкбоне красивая и, возможно, правильная на будущее. Но выкатывать это как готовый прорыв, спрятав картиночные бенчи и открытые веса «на потом», — так себе презентация. Ждём независимых замеров и релиза весов. Вот тогда и поговорим по существу.

🔗 Источник: MarkTechPost — Black Forest Labs Releases FLUX 3

🎯 НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

Апологетам:
Не зачтется. Не научишься. Кривые руки сейчас — кривыми и останутся. Какую тебе сотку пожать? Радуйся, что айфон от журнального столика можешь оторвать (а если лежа на диване держать над головой айфон/айпад — рука же быстро затекает, признайся?).