Нейросеть для инфографики: карточки и схемы с текстом

На карточке рюкзака крупно написано «водонепроницамый». Слово длинное, буква пропала в середине, и продавец заметил её только после вопроса покупателя под товаром. Нейросеть нарисовала всё остальное аккуратно: фон, плашки, иконку капли. Ошибка сидела ровно там, куда смотрят меньше всего, — в середине слова.

Нейросеть для инфографики — это генерация картинки с текстом и простой схемой по описанию, где слова для надписей задаются заранее и передаются модели дословно.

Как нейросеть собирает инфографику с текстом

В Савви инфографику рисует то же действие «Сгенерировать изображение», что и обычное фото товара. Отличие в одном — текст для надписей модель получает готовым, через аргумент, и вписывает его в картинку. Сочинять слова ей при этом не нужно.

Сама механика описана в руководстве на примере открытки: аргумент phrase хранит фразу «С Днём Рождения!», а промпт ставит её на изображение. Для карточки товара в такой аргумент уходят заголовок и подписи плашек. Где лежат поля шага и как аргумент добавляется в промпт кнопкой-шестерёнкой, показано по полям в настройке генерации картинок у агента. Здесь важнее другое — что писать в промпт, чтобы надпись вышла читаемой.

Строка в инструкции агента, которая вызывает действие, выглядит так:

Когда пользователь присылает название товара и его преимущества, вызови
функцию infographic_card. В аргумент card_text передай текст дословно, без
перефразирования и без исправлений: первая строка — заголовок, дальше
по одной строке на плашку, не больше четырёх плашек.

Слово «дословно» здесь рабочее. Без него агент может взяться улучшать текст: сократить, переставить, добавить восклицательный знак. И на карточке окажется версия, которую продавец не видел, — с чужой запятой и без его формулировки.

Какая модель держит кириллицу на картинке

Ответ проверяется на вашем тексте. Модели генерации рисуют буквы по-разному, а сбой в кириллице обычно узнаётся сразу: пропавшая или лишняя буква внутри длинного слова, перепутанная цифра, значок, похожий на русскую букву. Чем длиннее слово и мельче кегль, тем больше мест, где модель может ошибиться.

Проверка занимает минут десять — меньше, чем переделка партии. Возьмите одну реальную надпись с карточки, лучше самую длинную, и прогоните её на каждой модели действия в отдельном тестовом чате. В одном чате подряд делать это не стоит: история копится, и результат перестаёт быть честным сравнением.

Начинать удобно с Nano Banana Pro. В нашем сравнении трёх моделей на одном промпте она точнее остальных держала то, что было написано в задании. Тот замер был про форму товара — буквы мы там не сравнивали, так что на своём тексте проверка всё равно нужна.

Почему для маркетплейса берут 3:4 и одну главную мысль

Вертикальная карточка Wildberries и Ozon ближе всего к формату 3:4 из девяти, которые предлагает шаг генерации. Точный размер в пикселях площадки меняют, его сверяют в их справке. Главный кадр по правилам площадок остаётся чистым фото без надписей, это требование расписано в разборе картинок для Вайлдберриз и Озона. Инфографика живёт на следующих кадрах карточки — втором, третьем и дальше.

Кадр с инфографикой покупатель листает за секунду — иногда быстрее. За это время он успевает прочитать одну фразу крупно и зацепиться взглядом за 3–4 плашки. Пятая плашка уже не читается, и каждая лишняя строка уменьшает кегль, а с ним растёт шанс опечатки.

Рабочая иерархия выглядит так:

Промпт под такую схему удобно держать шаблоном, меняя только товар и текст:

Инфографика для карточки товара на маркетплейсе, вертикальный кадр.
Светлый однотонный фон. В центре туристический рюкзак тёмно-зелёного
цвета, занимает половину кадра. В верхней трети крупный жирный заголовок
без засечек: «Не промокает». Справа от рюкзака столбиком 3 плашки
со скруглёнными углами, в каждой иконка и короткая подпись:
«30 литров», «Вес 900 г», «Отделение для ноутбука».
Текст строго такой, как в кавычках, без других надписей и логотипов.

Последняя строка промпта закрывает частую беду — модель дорисовывает свои слова в пустые места.

Как собрать серию карточек на весь ассортимент

Серия собирается одним действием — отдельное на каждый товар не нужно. Промпт общий для категории, меняются в нём товар и содержимое аргумента card_text. Тогда 40 рюкзаков выходят в одном стиле: тот же фон, те же плашки, тот же шрифт заголовка.

На практике продавец присылает агенту в чат список: название, цвет, 3–4 преимущества. Запрос выглядит так:

Сделай инфографику для рюкзака «Тропа 30».
Цвет: тёмно-зелёный.
Заголовок: Не промокает
Плашки: 30 литров / Вес 900 г / Отделение для ноутбука

По одной позиции за раз проверять удобнее, чем разбирать пачку из двадцати картинок сразу. Если вариант не понравился, тот же запрос повторяется ещё раз или два, и из трёх вариантов выбирается тот, где чище буквы. Красота фона идёт вторым критерием.

Плашки с цифрами требуют отдельного внимания. Модель может перенести «900 г» как «90 г» или поменять местами цифры в размере. Покупатель сравнивает карточки как раз по цифрам, и ошибка в них превращается в возврат с претензией «на фото было другое».

Сколько стоит инфографика, сгенерированная в Савви

Серия из 20 карточек под ассортимент выходит примерно в 28 ₽: столько дал наш замер Nano Banana Pro в роли модели агента. Платформа списывает токены по факту расхода — 1000 токенов = 1 ₽. Замер делался на нашем аккаунте, у вас сумма может немного отличаться.

Посчитаем на ассортименте. У продавца 40 позиций, на каждую 4 кадра инфографики, на каждый кадр 3 варианта на выбор. Выходит 480 генераций, около 670 ₽ по нашему замеру на всю линейку. Перегенерация кадра с опечаткой добавит к этому копейки — 1,4 ₽ за попытку.

Если тот же агент потом отвечает покупателям на вопросы под карточкой, считать стоит уже диалоги: около 15 ₽ за диалог против примерно 89 ₽ за обращение у менеджера с окладом 40 000 ₽ и 450 обращениями в месяц (оценка по средним ставкам). Полный список моделей и разрешений шага генерации есть в руководстве Савви.

Проверьте каждую букву и цифру до загрузки

Проверьте первую карточку по буквам сегодня, до того как ставить генерацию на весь ассортимент. Откройте готовый кадр рядом с исходным текстом из аргумента и сверьте три вещи:

1. Каждое слово по слогам, особенно длинные: именно в них теряются буквы.
2. Каждую цифру и единицу измерения с исходником: «900 г», а не «90 г».
3. Весь кадр целиком: нет ли надписей, которых вы не заказывали.

Кадр с ошибкой перегенерируйте, текст в промпте при этом не трогайте. Если одно и то же слово ломается три раза подряд, замените его коротким синонимом — «лёгкий» вместо «облегчённый». Когда несколько карточек подряд выходят чистыми с первого раза, шаблон промпта можно отдавать на всю категорию.

Частые вопросы