Нейросети и фотография — что произошло за два года
Два года назад я с сарказмом написал статью о «сумерках фотографии», поддразнивая тех, кто провозглашал её скорый конец. Сегодня возвращаюсь к той теме, разберем, что действительно изменилось, что стало удобнее для фотографа, а что сделало его работу невостребованной.
Панические заголовки всегда привлекают повышенное внимание аудитории, но они редко дают объективное представление о проблеме, помогают понять ее суть и найти выход из ситуации.
Прогнозы, изложенные в статье двухлетней давности, оказались верными только отчасти — так всегда случается с прогнозами в период технологических трансформаций.
Мне хотелось тогда и хочется сейчас не посеять панику, а вооружить коллег пониманием новых обстоятельств и практическими инструментами для их преодоления.
Как изменилась структура проектов благодаря нейросетям
За два года значительно изменилась структура технологического процесса: как планируется съёмка, как готовятся референсы, как принимаются решения об образе.
Раньше генерация изображений была отдельной стадией — экспериментальной и в какой-то мере маргинальной. В серьезных проектах команда делала вручную референсы или заказывала их у художников, дизайнеры тоже вручную собирали мудборды, ретушёры тратили часы на рутинные исправления. Сегодня те же задачи решаются иначе: генеративные инструменты стали привычными, как кисть для художника или софт для цветокоррекции.
На практике это значит следующее. Перед стартом проекта не нужно тратить много времени на поиски множества референсов: за короткое время можно получить несколько обоснованных вариантов композиции и света и сразу обсудить их с заказчиком.
В постобработке однотипные операции — удаление лишних деталей, выравнивание фона, первичная стилизация — выполняются быстрее, что освобождает время для творческой работы: поиска ракурса, диалога с моделью, выстраивания сюжета. Иными словами, рутинная часть требует меньше времени и усилий, а внимание участников проекта концентрируется на том, что требует креативности и художественного вкуса.
Конечно, речь идет не о «волшебной кнопке», которая сама делает хорошую фотографию. Результат зависит от человека, который управляет процессом: от выбора референса и корректировки результата до умения интегрировать сгенерированный материал в общую идею съёмки.
Генерация стала обыденностью, но именно поэтому выросло значение профессионального отбора — того, как из множества вариантов выбрать лучшее, дополнить и довести до авторского качества. В финале все равно решает не алгоритм, а иррациональная способность человека увидеть образ и рассказать историю через кадр.
В статье Paul Melcher “The Silent Collapse: Generative AI’s Erosion of Photo Licensing Revenue”, название которой можно перевести как “Тихий коллапс: эрозия доходов от лицензирования фотографий в результате развития генеративного ИИ”, автор пишет о значительных финансовых потерях, которые понесли держатели лиценций на визуальный контент. Для меня интересно было изучить приведенный выше график: вероятно, что с 2023 до 2030 года, объем контента в денежном эквиваленте вырастет менее чем в два раза для стоковых изображений и более чем в 200 раз для сгенеренного контента! Цифры отражают настолько грандиозные сдвиги, что изучению этого вопросы стоит уделить некоторое время!
Как изменилась работа фотографа
Сначала стоит уточнить, о каком фотографе идет речь.
Если о парне, который снимает влюблённые парочки, полураздетых красавиц, то, скорее всего, почти ничего не изменилось: он стал использовать генеративные функции для редактирования своих фотографий и сервисы, позволяющие трансформировать снимки, сделанные в шуолах и детских садах, где за пару часов он снимает 25–30 человек. Но вот о фотографировании для маркетплесов ему придется забыть навсегда… во вском случае, в отношении серьезных заказчиков. Но об этом чуть позже!
Новые инструменты, как правило, упрощают рутину и повышают продуктивность. Конечно, при этом они делают стандартную фотографию «по шаблону», сделанную фотографом ненужной.
Обсудим сервисы, которые уже вошли в профессиональную жизнь фотографа за последние два года: где они экономят время, где требуют новых компетенций, в каких случаях могут представлять “угрозу”.
Идея и пред-визуализация (референсы и moodboard)
То, что лежит прямо на поверхности: подготовка референсов и мудборта для предстоящего проекта, это больше не требует значительного времени.
Инструменты: Midjourney, Stable Diffusion-based UIs, Canva с генерацией, специализированные генераторы «headshot» (Generated Photos).
Возможности: за очень короткое время можно сгенерировать десятки вариантов настроения, света и поз; сразу показать это заказчику и получить быстрое утверждение концепции.
Практический пример: вы готовите серию портретов в ретро-стиле. Вместо долгих поисков и переписки — делаете 6–8 вариантов референсов в Midjourney (или SD-UI), согласовываете с клиентом и выходите на съёмку с точной визуальной задачей. Это экономит время производства и сокращает риск «не того кадра».
Почему это важно: заказчик получает образ, вы — чёткий ориентир. Но важно понимать: сгенерированная картинка — это референс, а не итоговый продукт, если вы продаёте подлинные фотографии.
Важная оговорка: такой подход работает с профессиональными заказчиками, умеющими абстагироваться и формально понимающими цель. Если вы предложите подобную предвизуализацию неподготовленному заказчику, он скорей всего, сосредоточится на интересных для него деталях и не сможет принять решение…
Съёмка: как AI помогает на съемке
Инструменты: мобильные приложения с AI-коррекцией, live-preview на камере, автоматическое удаление мелких дефектов.
Практика: некоторые современные камеры и почти все смартфоны уже имеют встроенные алгоритмы, помогающие экспонировать кадр и корректировать цветовой баланс «на лету». Это не заменяет фотографа, но позволяет получить чистый исходник, который легко довести до финала.
Камеры с встроенными AI / deep-learning функциями (подавляющее большинство — в профессиональном сегменте):Sony α7R V — в описании производителя и у ритейлеров отмечено «AI-based autofocus» с расширенным распознаванием объектов и человеческой позы. Nikon Z9 — в обзорах и мануалах указано «AI-based subject detection and tracking», камера способна автоматически распознавать и отслеживать разные типы объектов. Canon EOS R3 / EOS R5 Mark II / EOS R1 (линейка профессиональных R-флагманов Canon) — Canon прямо указывает на использование алгоритмов глубокого обучения в функции subject detection и новых режимах Eye-Control / Dual Pixel Intelligent AF. Fujifilm X-H2 / X-H2S (и другие последние X-серии) — у Fujifilm официально заявлено использование Deep-Learning в subject detection. Panasonic LUMIX S5 II / S5 IIX и ряд современных Lumix — маркетинг и обзоры подчёркивают «advanced subject detection / phase hybrid AF» и улучшенные алгоритмы отслеживания.
Пример использования: на выездной съёмке вы делаете 200 кадров камерой или смартфоном — в тот же вечер через интеграцию облака прогоняете их через быстрый AI-фильтр для отбора и первичной стилизации; клиент получает ранний «просмотр» в виде слайд-шоу.
Опасность: автоматизация отбора уменьшает роль простых операторских задач — тот, кто ранее «делал заказы» на массовых выездных съемках, теперь вынужден поднимать квалификацию.
Есть еще одна проблема: клиенту (заказчику) может показаться, что работа фотографа сводится к использованию AI-сервисов, т.е. не является продуктом интеллектуального труда и следовательно подход к ценообразованию должен быть изменен.
Постобработка: сегмент, где произошли самые заметные изменения
Инструменты: Adobe Photoshop Generative Fill / Firefly (интеграция в Photoshop), Topaz Photo AI / Gigapixel, локальные SD-UI для пакетной обработки.
Что они дают фотографу в повседневной работе:
Быстрая «первичная» ретушь — удаление мелких объектов, выравнивание фона, исправление погрешностей композиции. Generative Fill буквально вписывает недостающие части изображения, руководствуясь контекстом кадра. Это освобождает ретушёра от рутинных операций и сокращает цикл согласования с клиентом.
Апскейл и восстановление — Adobe Camera RAW, Topaz и подобные движки позволяют увеличить кадр до масштабов крупного принта, восстанавливая детали, что до недавнего времени требовало пересъёмки или сложной ручной работы.
Итог: цикл обработки сократился, но финальная ценность по-прежнему создаётся внимательной авторской работой.
Ключевой эффект: инструменты перераспределяют время — меньше на рутину, больше на идею.
Интересный вопрос, касающийся Upscale. Может ли считаться снимок оригинальным, если он был снят с малым разрешением, а затем подвергут апскейлу?
Массовая обработка и пакетные задачи
Инструменты: AUTOMATIC1111, InvokeAI, корпоративные SD-интеграции.
Здесь я размещу несколько специфическую информацию, которая подавляющему большинству фотографов не понадобится никогда, но для тех, кто заинтересуется будет возможность, используя этот материал, найти требуемые данные.
AUTOMATIC1111 (sd-webui / «AUTOMATIC1111 web UI»)
Что это: наиболее распространённый локальный веб-интерфейс для Stable Diffusion (и совместимых чекпойнтов). Фактически — «пульт управления» для запуска txt→img, img→img, inpainting, batch-прогона и множества вспомогательных операций.
Ключевые возможности: текстовые подсказки (prompts), img2img, inpainting, upscaling/denoise, управление seed, пакетная обработка, набор сэмплеров и расширений (перенастройка модели, управления стилями, масками и пр.).
Где применяется: когда нужно гибко и локально генерировать варианты, массово обрабатывать изображения, экспериментировать с разными чекпойнтами и расширениями — удобен для студий, продакшенов и продвинутых ретушёров.
Плюс: локальность, полная управляемость (данные остаются у вас), гибкость через плагины.
Минус: требует установки, базовых навыков работы с окружением (python, GPU), интерфейс порой перегружен функциями.
InvokeAI
Что это: проект/набор инструментов для работы со Stable Diffusion, ориентированный на удобство рабочего процесса и более «пользовательский» опыт по сравнению с некоторыми альтернативами.
Ключевые возможности: генерация изображений (txt→img, img→img), скрипты для автоматизации цепочек обработки, поддержка высококачественной генерации и работы с композициями, часто предлагается с более “чистым” интерфейсом и рабочими сценариями.
Где применяется: когда нужна стабильная среда для генерации и интеграции в рабочие пайплайны с акцентом на удобство использования и автоматизацию (например, пакетная генерация референсов, подготовка набора изображений для согласования).
Плюс: хорош для тех, кто ищет баланс между функциональностью и удобством.
Минус: локальная эксплуатация и настройка всё ещё требуют ИТ-навыков; функционал меньше ориентирован на «эксперименты» по сравнению с AUTOMATIC1111.
«Корпоративные SD-интеграции» (общая категория)
Что это: разнородный класс решений, когда Stable Diffusion (или подобные модели) внедряют в корпоративные продукты и процессы.
Формы реализации: Облачные API / SaaS (поставщик хостит модель, вы вызываете через API — удобно для быстрой интеграции и масштабирования). On-premise / private deployments (модель развёрнута в инфраструктуре компании — важно для контроля данных и соответствия политике безопасности). Fine-tuned / private models (корпоративные модели натренированы на собственных архивах, дают уникальный «почерк» генерации). Интеграция в рабочие пайплайны (автоматическое создание референсов, пакетная генерация, pre-production визуализация, inline-редактирование в DAM/PLM/CRM).
Где применяется: в крупных рекламных агентствах, e-commerce, издательствах, медиа, в продакшн-студиях, где важны масштаб, безопасность данных и корпоративная политика.
Плюс: масштабируемость, корпоративная безопасность, возможность монетизации внутренних данных. Минус / риск: требует инвестиций в инфраструктуру и юридическую проработку прав на данные; возможны сложности с прозрачностью происхождения изображений и соблюдением лицензий.
Это все, продолжаем!
Сценарий: каталог e-commerce с 1000 товаров — раньше фотограф и ретушёр могли работать несколько недель; сегодня можно автоматизировать шаблонную предметку, генерировать фон, выставить batch-параметры и получить серию однотипных картинок за пару дней.
Кому это угрожает: фрилансерам и малым студиям, которые жили на массовых бюджетных съёмках для каталожных площадок — в ряде случаев автоматизированные процессы фатально сбивают цены.
Вывод: Новые технологии представляют опасность для тех, кто во главу угла ставит рутинные процессы и чьи результаты носят “шаблонный” характер ─ соперничать с AI в подобном, на мой взгляд, бессмысленно!
Верификация, доказательство происхождения и борьба с фейками
Инструменты: Adobe Content Credentials / C2PA, Truepic и подобные сервисы верификации.
Зачем это нужно: когда синтетические изображения становятся «неотличимыми» от “сделанных людьми”, потребители и заказчики требуют доказательства происхождения. Content Credentials — это «подтвержденное клеймо производителя» для изображения: кто его создал, каким инструментом, есть ли в нём правки, и т.д. Это помогает медиа, юристам и клиентам отличать «реальный» кадр от сгенерированного.
Практическая польза для фотографа: предлагая опцию «подтверждённый файл» (RAW + Content Credentials + Truepic verification), вы получаете конкурентное преимущество при работе с editorial, документальными заказами и клиентами, для которых важна доказуемая подлинность.
Кейсы, когда инструменты облегчают работу
Несколько совершенно реалистичных ситуаций из фотографической практики практики, чтобы показать, когда инструменты действительно экономят время и деньги.
Кейс A — рекламная предметная съемка для онлайн-магазина
Задача: нужно снять 200 товарных позиций, требуется белый фон + 3 ракурса.
Традиционно: работа фотографа + ассистента + ретушёра — многочасовая съёмка и часы ретуши.
С новым подходом: фотосессия делается за один рабочий день; автоматизированный скрипт на SD-UI/LOCAL снимает фон, делает пакетную коррекцию, затем Generative Fill подправляет недочёты. Апскейл для печатных заглушек. Итог — 60–70% экономии времени и бюджета. Польза для фотографа — возможность брать больше контрактов; угроза — если клиент предпочитает полностью автоматизированный сервис, он может вообще отказаться от живой съёмки.
Кейс B — подготовка moodboard и презентация концепции клиенту
Ранее: сбор референсов вручную, создание moodboard в Photoshop — несколько часов.
Теперь: генерация 12–15 визуалов в Midjourney/SD; согласование и правка в реальном времени. Результат — быстрый «прототип» идеи, который можно создать в живой съёмке. Это повышает клиентоориентированность и уменьшает неопределённость заказа.
Когда технологии делают работу фотографа менее нужной — практические границы
Ниже — типичные задачи, в которых искусственный интеллект способен заменить работу фотографа частично или полностью:
- Низкобюджетная предметка и массовая сток-фотография. Коммерческие порталы, лендинги и рекламные баннеры часто требуют «картинку» без творческой цельности — эти задачи успешно автоматизируются.
- Кастинг и массовые headshots для каталогов. Сервисы типа Generated Photos могут дать «узаконенные» (лицензируемые) лица для макетов. Это особенно актуально для A/B-тестирования UI/UX.
- Простая стилизация и фоновые корректировки. Для стандартного портрета, где требуется лишь «модный» фильтр и чистый фон, автоматические пайплайны иногда дешевле живой съёмки.
Важно: замещение происходит там, где не требуется история, контекст, доказуемость или человеческое присутствие. Глубокие, эмоциональные, документальные и художественные проекты остаются областью человекого творчества.
Как трансформируются бизнес-модели фотографов: три рабочих стратегии
Чтобы не оказаться “вне рынка”, фотографы выстраивают новые предложения. Вот три рабочие стратегии, которые мне известны
Стратегия 1 — «Гибридная студия»
Что это: живая съёмка + AI-доработка в рамках одного пакета.
Почему работает: вы снимаете «историю», AI экономит время ретуши и расширяет визуальные возможности (фоны, стилизация). Цена пакета остаётся премиальной за счёт авторского подхода, но себестоимость падает.
Пример продукта: «Standard» (живой репортаж), «Enhanced» (живые кадры + AI-стилизация), «Archive» (проверяемые файлы + хранение RAW).
Стратегия 2 — «Авторская специализация»
Что это: фокус на узкой нише (документалистика, арт-портрет, редакционная фотография) с высокой доказуемостью и интеллектуальной ценностью.
Почему работает: в этих сегментах клиенты платят за уникальность и за доказуемость — AI-замены не принимаются на уровне доверия. Добавьте опцию Content Credentials — и вы продаёте не просто картинку, а гарант качества.
Стратегия 3 — «Прокачанный провайдер услуг»
Что это: предоставление сервисов, связанных с данными — реставрация архивов, апскейл, компоновка библиотек, лицензирование контента для обучения моделей.
Почему работает: если у вас большой архив — он сам по себе становится товаром для ИИ-компаний. Формализуйте лицензирование, договоры и получите новый источник дохода.
Договоры, маркировка, и защита — практические формулировки
Если вы работаете с ИИ или продаёте изображения в эпоху, когда сгенерировать можно всё — важно иметь понятные договоры. Несколько практических пунктов, которые стоит включить в ваши шаблоны:
- Пункт об использовании AI-инструментов. Пропишите, какими инструментами вы можете пользоваться (например: «При обработке изображений подрядчик вправе использовать программное обеспечение для генерации/редактирования изображений и обязуется документировать использование таких инструментов»).
- Пункт о правах на исходники. Чётко укажите, кто владеет RAW-файлами и кто имеет право лицензировать их третьим лицам.
- Пункт о маркировке. Обозначьте, требуется ли заказчику пометка «частично сгенерировано/редактировано ИИ» при публикации.
- Пункт о подтверждении происхождения. Предложите опцию «Content Credentials / Truepic verification» как премиальную услугу и пропишите, кто оплачивает её стоимость.
- Гарантия соответствия/репутационная ответственность. Укажите, кто несёт ответственность за возможные претензии третьих лиц (пример: если заказчик просит имитировать работающую торговую марку или образ реального человека).
Практические советы о том, что можно начать делать уже сегодня
- Освойте одну функцию Generative Fill/Firefly и примените её в паре заказов, чтобы понять эффект для своей практики. (Интеграция Adobe заметно упрощает рабочий процесс.)
- Добавьте в прайс-лист опцию «проверяемый файл» (Content Credentials / Truepic) — это работает как «страховка доверия» для клиентуры премиум-уровня.
- Разбейте продукты на живые / гибридные / цифровые и прозрачнее обозначьте разницу по цене и по рискам.
- Соберите библиотеку промптов и референсов — держите её в форме, удобной для быстрого согласования с клиентом.
- Подумайте о коммерческом использовании архива — формализуйте права и условия лицензирования, особенно если у вас большой набор уникальных фотографий.
- Обновите договоры и обсудите с юристом практики лицензирования (особенно если вы планируете продавать данные или сотрудничать с AI-поставщиками).
Короткий прогноз: что будет важным в ближайшие 12–24 месяца
- Верификация и маркировка станут стандартной практикой в сегментах editorial и коммерции — те, кто первым предложит этот сервис, получат премиальный спрос.
- Модели «частной генерации» (натренированные на внутренних коллекциях компаний) станут источником новых предложений — и это, наверное, создаст рынок для лицензирования архивов.
- Экономическая конкуренция усилится в массовых сегментах; авторы, продающие идею и подлинность, сохранят высокую цену.
Короткое резюме
Не бойтесь инструментов. Они ускоряют, но не отменяют смысл.
Не экономьте на доказуемости. Верифицируемый файл — ваша страховка.
Разделяйте продукты. Чётко объясняйте клиенту разницу между «дешёвым визуалом» и «авторской работой».
Думайте о данных как о запасе прочности. Ваш архив — потенциальный будущий доход и реальный актив.
Обновите документы. Практические правила игры меняются — будьте готовы к претензиям.
Итог, что действительно изменилось за прошедщие два года
За столь короткий срок произошли действительно важные изменения индустрии создания визуального контента и, естественно, они коснулись профессии фотографа.
Три момента особенно важны и их нельзя сводить к техническим обсуждениям: изменения коснулись инструментов, рынка и правил игры — и все три связаны между собой.
Во-первых, технологии перестали быть экзотикой — генерация и «умная» ретушь вошли в привычный рабочий поток. Это значит не столько то, что «машины сделали всё за нас», сколько «машины убрали рутину и потребовали новых навыков»: быстрые референсы, in-painting прямо в редакторе, пакетная генерация и апскейл теперь доступны большинству. Технические «детские болезни» исчезли — качество стало достаточным для коммерческого использования.
Во-вторых, рынок изменился. Стандартные, шаблонные изображения стали дешевле и частично автоматизировались; одновременно выросла ценность подлинности, авторства и доказуемости происхождения кадра.
В-третьих, правовая и репутационная плоскости сдвинулись из разряда обсуждений в практику.
Также важно отметить смещение востребованных компетенций: фотографу уже недостаточно делать технически качественные снимки — нужны навыки промптинга и управления данными. Параллельно выросли риски: синтетическая реальность размывает доверие, а «быстрая генерация» усиливает конкуренцию в бюджетном сегменте.
Итоговая формула простая: инструменты меняют процессы, процессы меняют рынок, рынок требует новых правил и новых компетенций. Для тех, кто остаётся в профессии, ключевые задачи на ближайшее время — осознать изменения.
Сайт фотошколы фотографического агентства GurFoto.Ru .