Одна картинка -шедевр, сто картинок -катастрофа: как я пытался укротить AI-генерацию ассетов для инди-RPG

Его вывод: для игровых ассетов важнее контроль над вариативностью, чем качество одной картинки. Для тех, кто рисует серии персонажей, окружения и карты, это хороший повод попробовать собрать понятную визуальную спецификацию.

Когда отдельные удачи не складываются в серию

Красивого фэнтезийного рыцаря генеративная модель рисует легко. Гораздо сложнее получить гоблина-шамана, скелета-воина, эльфийского лучника, башню, лесной объект и иконку способности так, чтобы все они выглядели принадлежащими одной игре.

По материалу, отдельные результаты могут напоминать иллюстрацию из настольной RPG, современный 3D-рендер, концепт-арт для дорогой компьютерной игры или детскую книжную картинку. Каждая генерация заново принимает творческие решения, поэтому одинаковый запрос не гарантирует одинаковую интерпретацию.

Один универсальный промпт на всю игру тоже получается слишком абстрактным. Практичнее начать с одного типа ассета и записать параметры, которые должны повторяться: кадр, ракурс, перспективу, фон и освещение. Это тот же спокойный рабочий порядок, который мы выстраиваем перед серией набросков, только здесь он помогает управлять генерацией.

Постоянная и переменная части

Первый подход автора был простым: описывать каждый объект отдельно. Затем он разделил промпт на постоянную и переменную части. Постоянная отвечает за общий визуальный язык, переменная задаёт содержание конкретного персонажа или объекта.

В материале такую схему сравнивают с вызовом функции, где один набор параметров остаётся неизменным. Gemini не исполняет код буквально, но сама инженерная логика оказалась полезной: промпт перестал быть отдельным произведением и превратился в конфигурацию генератора.

Для разных категорий ассетов автор создал отдельные общие блоки:

• Для портретов: положение по грудь, вид в три четверти, запас пространства над головой и спокойный размытый фон.
• Для глобальной карты: единый угол обзора, одинаковый масштаб объектов, ортографическая проекция без перспективных искажений и тёплый свет сверху слева.

Такое разделение не гарантирует абсолютно одинаковые результаты, зато заметно упрощает управление стилем.

Маленькая репетиция перед большим набором

Самый полезный тест, по мнению автора, простой: положить изображения рядом. Если персонажи, предметы или участки карты выглядят как случайные соседи, стоит вернуться к общему блоку промпта и проверить, какое правило нарушено.

Необязательно сразу генерировать сотню объектов. Сначала можно собрать небольшую серию внутри одной категории, попробовать разные формулировки и сохранить удачный вариант как опорный. Так появляется ощутимый поиск, а не бесконечный перебор случайных промптов.

В сюжете есть и денежный контекст: на этапе MVP наём художника для каждого экспериментального ассета показался автору нерациональным, поэтому он выбрал генеративный ИИ. Если такой подход рассматриваете и вы, полезно поддержать решение подсчётом бюджета.

Попробуйте на одной небольшой серии. Без обязательства сделать идеальный результат, зато с возможностью увидеть, где именно нужен ещё один общий штрих. Такой свободный эксперимент часто показывает путь к единству гораздо быстрее, чем бесконечная замена одной картинки другой.