290 фото врачей за $3,2 вместо фотосессии

Специалист по платному трафику для стоматологий выложил на Хабре разбор: нейросеть для создания фото сделала 290 кадров для 20 врачей, а аренда видеокарт обошлась в 3,2 доллара. Исходная проблема знакома каждому, кто делает рекламу клиник. Настоящее лицо врача в кабинете работает лучше стока, но съёмка превращается в отдельный проект. Врачи заняты пациентами, кабинеты заняты, хорошему фотографу надо платить много. Через месяц креативы выгорают, и нужны новые кадры.

Как нейросеть для создания фото собрала 290 кадров из одного портрета

В основе кейса три инструмента: модель FLUX.3 Image Klein, интерфейс ComfyUI и облако RunPod. Исходник на каждого врача – одна фотография с сайта клиники. Дальше сюжеты: врач лечит пациента, детский стоматолог играет с динозавром, терапевт изучает снимок КТ. Врачи в фирменной одежде клиники, на бейдже логотип, вокруг реальные интерьеры.

Для продюсера здесь важно вот что: не нужно согласовывать студию и отрывать врачей от приёма. Честно, не знаю, как такие кадры переживут придирчивого клиента, который каждый день видит своего врача вживую. Но стоимость в 3,2 доллара за всю партию заставляет хотя бы протестировать.

Как устроен конвейер и что решает промпт

Скрипты и ИИ-ассистент Claude Code автоматизируют процесс. Рендер идёт в облаке RunPod на видеокартах RTX 4090 или RTX PRO 4500 Blackwell, а платить приходится только за время аренды. На один кадр уходит около 27 секунд.

Главная находка автора – FLUX.3 Klein на 5,6 млрд параметров. У неё коммерческая лицензия для компаний с выручкой до 5 млн долларов в год, и это условие стоит проверить до старта.

Промпт конвейер собирает из трёх элементов:

– Кто: фотография врача с сайта клиники. – Что делает: действие и поза, например держит стоматологическое зеркало. – Где и в чём: интерьер клиники, цвет и фасон униформы, освещение.

Так врачи из разных клиник не попадают в одинаковые кабинеты.

Четыре правила генерации, которые подтвердились на практике

Во FLUX.3 встроен языковой апсемплер (Prompt Upsampler) на базе Qwen. Он превращает короткий запрос в описание сцены на 150–200 слов, и без него модель выдаёт шаблонные кадры. Автор разбора вывел четыре правила.

– Внешность в промпте не описывайте, давайте только референс лица. Напишете «женщина 30 лет с тёмными волосами» – модель сотрёт сходство. – Позу прописывайте отдельно. По умолчанию нейросеть копирует наклон головы с референса, поэтому для динамичного кадра задайте поворот корпуса и направление взгляда. – Пациента описывайте детально. Иначе модель может одеть его в такую же форму, как врача. – Мусорные слова вроде «photorealistic» и «8k» вредят: апсемплер их вырежет. Попытки сделать кадр «кинематографичным» превращают его в пластик.

Что сделать завтра

– Возьмите у клиники по одному хорошему портрету врача с сайта и заранее договоритесь с врачом, что его лицо можно использовать в сгенерированных кадрах. – Сверьте выручку своей компании с условием лицензии FLUX.3 Klein: коммерческое использование разрешено до 5 млн долларов в год. – Попросите у подрядчика три сцены и промпты до старта, разложенные на «кто, что делает, где и в чём». – Сделайте по одному тестовому кадру на врача и покажите клинике. Партию запускайте после того, как лица узнают.

Собрать такую связку на реальном проекте – уже задача производства, а не эксперимент на выходных. Про консалтинг и обучение команд работе с нейросетями рассказано на странице AI-консалтинг и обучение команд.