При создании видео сложнее всего генерировать обычно не яркие, чистые изображения продуктов, а тёмные сцены: ночные пейзажи, катастрофы, научную фантастику, войну.
Такие кадры выглядят «чёрными», но на самом деле содержат ничуть не меньше информации.
В облаках должны быть изменения яркости на разной глубине, дым не должен сливаться в сплошную массу, дальние здания должны сохранять пространственную многослойность, огонь и источники энергии должны освещать окружающую среду, а дождь, металл и скопившаяся вода должны образовывать реалистичные отражения. Когда персонажи одеты в тёмную одежду, их силуэты не должны ни исчезать на фоне, ни выглядеть как наклейки поверх изображения.
Изображения недостаточного качества могут выглядеть очень атмосферно при уменьшении, но как только они попадают в процесс видеопроизводства, проблемы быстро проявляются. В тёмных участках возникают цветовые пятна, детали зданий слипаются друг с другом, дым теряет многослойность, структура летательных аппаратов становится размытой, а персонажей невозможно отделить от фона. При движении камеры вперёд, локальном увеличении, анимации параллакса или генерации видео из изображения эти недостатки ещё сильнее усиливаются.
Для создателей кино и видео генерация изображения — не финал. Оно должно пройти через процессы монтажа, движения камеры, спецэффектов и анимации. Именно в этом заключается смысл существования более высоких уровней качества.
GPT Image 2.5 от Ace Data Cloud теперь, помимо low, medium и high, добавляет два уровня качества: xhigh и max. Flare и Sunburst поддерживают оба этих уровня, включая соответствующие официальные каналы.
Когда изображение включает сложные тёмные участки, объёмные облака, дым, огонь, отражения дождливой ночи и многоуровневые пространственные связи, создатели могут позволить модели использовать больше бюджета генерации, чтобы максимально сохранить структуру и детали в тёмном окружении.
¶ Мы протестировали пять уровней качества на сложной тёмной сцене
Чтобы различия проявились легче, на этот раз мы выбрали не светлый фон или простой продукт, а разработали ключевой кадр визуальных эффектов из научно-фантастического фильма-катастрофы.
Сцена происходит в футуристическом прибрежном городе в синий час. Разрушенное орбитальное кольцо висит над городом, энергетический разлом разрывает грозовые облака, а горящие обломки космического корабля падают на небоскрёбы. На переднем плане находится спасательный пилот, стоящий спиной к камере, а рядом с ним припаркован повреждённый конвертоплан.
Вся сцена построена преимущественно на тёмно-синих, чёрных и серых тонах, и лишь энергетический разлом, огонь, городские огни и отдельные части летательного аппарата образуют тёплые блики.
Такая сцена одновременно проверяет, есть ли в тёмных участках реальные детали, можно ли отделить персонажа на переднем плане от фона, обладают ли облака и дым пространственной многослойностью, действительно ли огонь освещает окружающую среду и согласована ли структура города, летательного аппарата и орбитального кольца.
В тесте используется gpt-image-2.5-sunburst, ориентированный на высокую точность и детальный контроль. Все изображения используют абсолютно одинаковый промпт, изменяется только quality.
¶ Полный тестовый промпт
Cinematic VFX keyframe from an original science-fiction disaster film, ultra-wide 16:9 composition. A colossal orbital ring has fractured above a rain-soaked futuristic coastal megacity at blue hour; a luminous energy rift tears through storm clouds while burning spacecraft debris falls toward skyscrapers. In the foreground, an armored rescue pilot stands on a flooded rooftop beside a damaged tilt-rotor aircraft, seen from behind, looking toward the catastrophe. Include physically plausible volumetric clouds, layered smoke, glowing embers, sparks, rain streaks, wet reflective surfaces, turbulent ocean spray, atmospheric perspective, realistic destruction, miniature-scale city detail, complex blue-orange lighting, accurate reflections and refractions, cinematic anamorphic lens flare, subtle film grain, deep depth staging, photorealistic live-action blockbuster visual effects, coherent geometry, natural human anatomy. No text, no logo, no watermark, no split screen, no collage.
В этот промпт намеренно добавлено большое количество элементов, которые легко теряют контроль в тёмной сцене: тёмные облака и многослойный дым, точечные искры и горящие обломки, персонаж в тёмной броне, ночные городские здания, влажные поверхности и сложные отражения, а также несколько источников света с сильно различающейся яркостью.
Если качество генерации недостаточно, модели легко сохранить лишь ярко выраженную сине-оранжевую атмосферу, пожертвовав структурой тёмных участков, которая действительно определяет фактуру изображения.
¶ Low：атмосфера создаётся быстро, но результат больше похож на ранний концептуальный эскиз
low завершил генерацию примерно за 25,11 секунды, вывод изображения составил 157 Tokens.
Он может быстро создать целостную сцену, а также передать атмосферу катастрофы, расположение персонажа и основные источники света. Он очень эффективен для оценки того, работает ли композиция, или для раннего исследования нескольких направлений кадра.
Но в сложной тёмной сцене нельзя смотреть только на то, достаточно ли изображение «тёмное и крутое». Важнее проверить, осталось ли что-нибудь в тенях.
Структура брони спасательного пилота, механические детали повреждённого летательного аппарата, границы между дальними зданиями и изменения яркости внутри облаков — всё это определяет, можно ли дальше использовать это изображение в постпродакшене. Если эти элементы уже смешались в исходном изображении, простое повышение яркости или резкости на этапе постобработки не сможет по-настоящему вернуть утраченную структуру.
¶ Medium：тёмные участки начинают содержать больше различимых элементов
medium завершил генерацию примерно за 27,18 секунды, вывод изображения составил 367 Tokens.
По сравнению с Low, время ожидания не увеличилось значительно, но модель получила больше бюджета генерации.
Для обычных видеоиллюстраций Medium уже является довольно практичной отправной точкой. Ему нужно не только завершить общую атмосферу, но и более внимательно проработать взаимосвязи между зданиями, транспортом, персонажами и окружением. В тёмном кадре так называемое повышение качества не обязательно проявляется как «ярче» или «резче». Гораздо важнее, остаётся ли видимой структура в тенях, есть ли у дыма передние и задние планы, способен ли далёкий город сформировать реалистичную воздушную перспективу и естественно ли персонаж отделяется от фона с помощью контрового света.
¶ High: от «есть атмосфера» к «есть структура»
Время генерации high составляет около 41,35 секунды, а вывод изображения увеличивается до 1 413 Tokens.
Начиная с этого уровня, вложения модели заметно возрастают. Для тёмных сцен в кино наиболее достойны внимания в этих дополнительных вложениях переходы между светлыми и тёмными областями.
Энергетическая трещина не должна быть просто белым бликом, она должна влиять на окружающие облака; горящие обломки не должны быть просто оранжевыми пятнами, они должны создавать дым, тлеющие угли и окружающий свет; скопления воды также не должны быть просто зеркальной поверхностью, им необходимо формировать отражения разной интенсивности в зависимости от структуры крыши и направления источника света.
Когда эти связи становятся более полными, кадр постепенно приближается от атмосферной картинки к кинематографическому плану. High больше подходит для полноценного включения в видеомонтажную линию, особенно для кадров, требующих лёгкого наезда, панорамирования и обработки глубины резкости.
¶ XHigh: запас для увеличения, движения камеры и послойной постобработки
xhigh завершает генерацию примерно за 53,68 секунды, а вывод изображения достигает 2 511 Tokens.
В видеопроцессе многие проблемы проявляются только после того, как изображение приходит в движение. Когда камера движется вперёд, далёкий город должен выдерживать увеличение; при создании параллакс-анимации персонаж на переднем плане, летательный аппарат и фон должны иметь чёткие границы; при передаче модели «изображение в видео» для дальнейшей генерации механические конструкции и взаимосвязи окружения также должны быть достаточно ясными, иначе во время движения легко возникают деформации.
В этом и заключается ценность XHigh. Он не просто делает изображение более красивым на первый взгляд, а по возможности оставляет больше полезной информации для последующего производства. Для тёмных сцен это означает более чёткие контуры, более стабильные локальные структуры, а также более многослойные тени и дым.
Если изображение будет использоваться в качестве ключевого кадра, заставки, концепт-арта для фильма или первого кадра для генерации видео из изображения, XHigh будет лучше соответствовать реальным производственным потребностям, чем обычные уровни качества.
¶ Max: повышение предела вывода для важнейших кадров тёмной сцены
max завершает генерацию примерно за 104,43 секунды, а вывод изображения достигает 5 650 Tokens.
Время ожидания почти вдвое больше, чем у XHigh, а количество Tokens вывода изображения также более чем вдвое превышает XHigh. Это показывает, что Max — не просто другое название, звучащее более продвинуто, а уровень с заметно увеличенными вложениями в генерацию.
В сложных тёмных сценах смысл наивысшего качества заключается не в бесконечном добавлении текстур, а в том, чтобы по возможности одновременно сохранить несколько легко конфликтующих целей: кадр должен сохранять тёмную атмосферу, но не терять структуру; энергетическая трещина должна быть достаточно яркой, но не разрушать детали облаков; персонаж должен быть ясным, но не выглядеть так, будто его отдельно вырезали; дым должен быть насыщенным, но не закрывать все здания; отражения должны быть заметными и одновременно соответствовать освещению окружения.
Выполнить эти требования по отдельности несложно, сложность заключается в том, чтобы они выполнялись одновременно.
Max больше подходит для финального вывода после утверждения композиции и промпта, например для главного визуала заставки, кинопостера, ключевых кадров, важных рекламных материалов, а также изображений, которым предстоит войти в сложный процесс постобработки.
¶ Различия в качестве тёмных изображений нельзя оценивать только по «чёткости»
Запись этого теста следующая:
| Уровень качества | Время генерации | Вывод изображения Tokens | Всего Tokens |
|---|---|---|---|
| Low | 25,11 сек. | 157 | 567 |
| Medium | 27,18 сек. | 367 | 777 |
| High | 41,35 сек. | 1 413 | 1 823 |
| XHigh | 53,68 сек. | 2 511 | 2 921 |
| Max | 104,43 сек. | 5 650 | 6 060 |
От Low до Max действительно необходимо сравнивать не то, какое изображение просто резче, а то, сколько полезной информации сохранено в тёмной среде.
Можно сосредоточиться на том, имеет ли броня пилота-спасателя различимую структуру, существует ли ясная пространственная связь между персонажем и летательным аппаратом, являются ли крылья, роторы и корпус летательного аппарата цельными, не слился ли далёкий город из-за темноты в сплошное пятно, имеют ли облака глубину переднего и заднего планов и способна ли вода на крыше отражать несколько источников света в окружении.
Больше всего тёмная сцена боится не темноты, а «темноты без содержания».
В высококачественном тёмном изображении, даже если общая яркость очень низкая, персонажи, здания, механизмы, дым и облака всё равно должны иметь собственные уровни. Зрители не обязательно смогут явно назвать эти различия, но интуитивно почувствуют, обладает ли кадр кинематографическим качеством.
¶ Качество изображения определяет, сколько пространства для работы остаётся на видеопостобработке
При создании видео редко напрямую используют полностью неподвижное исходное изображение. Создатели обычно используют наезд камеры, горизонтальное перемещение, локальную обрезку, разделение переднего и заднего планов, наложение световых эффектов, имитацию глубины резкости или передают изображения моделям «изображение в видео» для дальнейшей генерации. Все эти операции усиливают недостатки в тёмных областях.
Если контур персонажа изначально сливается с фоном, при создании параллакса будет трудно разделить слои; если архитектурная структура уже размыта, после наезда камеры будет видно лишь ещё большее размытие; если у дыма нет пространственных связей, при генерации динамических эффектов он легко превращается в хаотично клубящиеся цветовые пятна.
Поэтому более качественные исходные изображения нужны не только для того, чтобы «готовый кадр выглядел красивее», — они также напрямую определяют, насколько далеко может зайти постобработка.
¶ Не обязательно использовать Max для каждого изображения, но важные тёмные сцены заслуживают более высокого качества
Разумный подход к производству заключается не в том, чтобы с первого чернового изображения выставлять качество на максимум.
На этапе исследования можно использовать Low или Medium, чтобы быстро определить композицию, положение персонажа, направление источника света и общую цветовую гамму. После стабилизации направления можно использовать High для создания финальных материалов. Если изображение требует заметного увеличения, сложного разделения на слои или дальнейшей генерации видео, XHigh будет более подходящим.
Max следует оставить для самых важных кадров, например, первого кадра заставки, ключевого визуала постера, центрального изображения трейлера или ключевой сцены, определяющей качество всей видеоработы.
Ace Data Cloud добавляет XHigh и Max для GPT Image 2.5, и это действительно означает не просто появление двух дополнительных параметров, а то, что создателям больше не нужно останавливаться на этапе «атмосфера примерно подходит» при работе со сложными тёмными сценами.
Темнота больше не означает отказ от деталей.
Когда модель получает более высокий бюджет качества, города, персонажи, летательные аппараты, дым и отражения в тенях получают шанс сохраниться вместе. Для кинопроизводства эта информация, скрытая в тёмных областях, зачастую является ключом к переходу изображения от обычной иллюстрации к кинематографическому кадру.
¶ Попробуйте GPT Image 2.5 прямо сейчас
Хотите использовать XHigh и Max для собственных кадров с тёмными сценами, постеров и первых кадров видео? Перейдите в Ace Data Cloud, чтобы попробовать высокоточную, детально управляемую GPT Image 2.5 Sunburst, или выберите более ориентированную на быструю генерацию изображений GPT Image 2.5 Flare.