Как нейросеть на самом деле превращает описание в картинку: три слоя, которые стоит различать

Когда говорят «модель поняла промпт», это упрощение. Внутри происходит несколько отдельных шагов, и ошибка на каждом выглядит по-разному.

— Первый слой: текст переводится в числовое представление. Здесь теряются нюансы формулировок, зато сохраняются устойчивые связки понятий. Отсюда эффект, когда синонимы дают заметно разный результат.

— Второй слой: из шума постепенно собирается изображение, шаг за шагом приближаясь к тому, что соответствует этому представлению. Композиция задаётся рано, детали — поздно.

— Третий слой: доводка и повышение чёткости, где картинка становится приятнее, но принципиально уже не меняется.

Практический вывод: если не нравится композиция, переписывать надо начало описания и запускать заново. Если не нравятся детали — менять последние шаги. Правки не там, где проблема, дают бесконечные круги без улучшения.