ИИ для смены одежды на фото: бот на n8n одевает одну и ту же модель в твою вещь

Нейросеть для карточек товара: что собрал Роман Сухов

Смена одежды на фото нейросетью — это когда ты отправляешь снимок вещи, а получаешь ту же вещь на модели, в интерьере и с правильным светом. Роман Сухов, разработчик ИИ-автоматизаций, на NeyroSummit 14 показал, как упаковать такую генерацию в обычный Telegram-бот: внутри — сценарий в n8n, модель Nano Banana Pro через агрегатор fal.ai и хранилище с эталонами лиц и комнат.

Роман рассказывал о клиентском кейсе, над которым работал полтора месяца перед докладом. Заказчик — продавец одежды на Wildberries и Ozon — не хотел платить за подписку на готовые сервисы, ему нужен был свой инструмент «в его стиле». Запрос: фото на моделях, обложки с текстом и логотипом, размерные таблицы и видео. Всё — через Telegram-бота.

Зачем это селлеру, Роман объяснял на цифрах. Фотограф с моделью, по его словам, обходится селлеру в среднем от 50 до 100 тысяч рублей за съёмку; эту цену он сверял с другом-производителем одежды. На слайде он умножил 500 товаров на 3 ракурса и на 50 тысяч и получил 75 млн рублей. Но в таком расчёте каждый кадр — отдельная съёмка, а за одну съёмку обычно снимают много вещей, так что эту цифру не повторяй. Честнее сравнивать цену одного готового кадра: стоимость своей съёмки раздели на число кадров, которые она даёт, и поставь рядом цену генерации с повторами. Генерация одной фотографии, по словам спикера, стоила на дату доклада «пять–десять центов», и даже с перегенерацией, по его оценке, это «гораздо дешевле».

Как устроен бот: от фото вещи до готовой карточки

Схема у Романа простая: Telegram как интерфейс, n8n как «клей», агрегатор моделей по API как «мастерская». Telegram он выбрал за удобство: не нужно ставить отдельное приложение или заходить на сайт — продавец и так проводит там день.

Вот цепочка, как она видна на экране в клиентском боте (там, по словам спикера, больше 70 узлов; на момент подготовки слайдов было 53):

Локации в клиентском боте — крупный план, спальня, гостиная, «после тренировки», утро дома у зеркала. Сегментов моделей там было несколько; в статье разбираем только взрослую одежду.

Шаг 1. Агрегатор моделей: ключ fal ai API и готовый запрос

Роман работает через fal.ai — агрегатор, где в одном кабинете собраны модели для картинок, видео и примерки одежды. Похожий агрегатор kie.ai, по его словам, отличается в основном ценами: «выбираете то, что подходит по цене и качеству». Порядок такой:

1. В настройках кабинета создать API-ключ и пополнить баланс.
2. Открыть страницу нужной модели, раздел API: там готовые примеры запросов — Python, JavaScript и HTTP.
3. Скопировать HTTP-вариант в узел HTTP Request в n8n. Роман принципиально работает только HTTP-узлами, без готовых интеграций, и советует не бояться документации: «Если плохо знаете язык — переведите на русский».

Шаг 2. Меню бота в n8n

Бот ведёт продавца кнопками, а не свободным текстом: так в генерацию всегда приходят одни и те же поля — пол, тип изделия, фото, локация. Почему n8n, а не код с нуля? Роман называет n8n «самым гибким инструментом в автоматизации» и объясняет выбор прозрачностью: в сценарии видно, на каком узле поломка, а в сотнях строк кода ошибку искать трудно, и нейросеть, исправляя код, часто переписывает его заново — это «затратно по токенам». Это его позиция; как собрать связку «вебхук → n8n → ИИ-агент» с нуля, подробно разобрано в статье про автоворонку с ИИ-агентом.

Шаг 3. Агент-промптер

Продавец не пишет промптов. Это делает узел ИИ-агента: смотрит на фото вещи, описывает её и собирает промпт на английском. Своих промптов Роман на докладе не показал, поэтому ниже — версия редакции.

You write prompts for an image model that dresses a fixed model in a product.
Input: a photo of the garment, plus gender, garment type and location chosen by the seller.

1. Describe the garment precisely: type, color (exact shade), fabric texture, fit, neckline, sleeves, seams, prints, buttons, labels.
2. Write one prompt in English, up to 120 words: put the garment from image 1 on the person from image 2, in the room from image 3; keep the face, body and hairstyle of the person; keep the room unchanged; natural pose, facing the camera, full garment visible.
3. Never add details that are not on the garment photo: no logos, text, extra pockets, other colors.
4. Return only the prompt, without explanations.

Шаг 4. Генерация и кнопки после результата

Узел HTTP Request отправляет промпт, фото вещи, эталон модели и эталон комнаты в Nano Banana Pro. Роман хвалит именно версию Pro: она чуть дороже обычной, зато точнее, и «в большинстве случаев не нужно даже перегенерировать». На эфире он выбрал мужскую майку и «гостиную» — бот вернул молодого человека в этой майке на фоне той же комнаты.

Под картинкой — две кнопки: «Повторить» (перегенерировать) и «Анимировать». Ссылку на готовое фото можно скопировать и использовать в других инструментах.

Dress the person from image 2 in the garment from image 1.
Keep the person's face, skin tone, body shape and hairstyle exactly as in image 2.
Place the person in the room from image 3 ([локация]), keep the room unchanged.
The garment must match image 1 exactly: same color, fabric texture, fit, length and details. Do not add logos, text or decorations.
Natural relaxed pose, facing the camera, the whole garment visible, soft even light, photorealistic catalog photo, vertical 3:4.

Шаг 5. Пять стыков, на которых сборка обычно ломается

Таблица выше — схема. Чтобы она заработала, нужно закрыть пять стыков между узлами; в докладе их не разбирали, поэтому ниже — по документации n8n и fal.ai.

Одно лицо и один интерьер на всех фото

Главная задача кейса, по словам Романа, — чтобы у магазина были модели «с одной и той же внешностью», и внешность совпадала на любой фотографии. Описать лицо словами так, чтобы модель повторила его в сотый раз, не получится. Поэтому эталоны хранятся как файлы.

Как это устроено у Романа:

• в Supabase Storage — папки с фото моделей (каждая модель — свой эталон) и папка rooms с интерьерами;
• при генерации бот берёт фото вещи, «подглядывает» эталон выбранной модели и эталон комнаты и отправляет всё вместе;
• сменить модель — значит удалить её фото из хранилища и загрузить новое: сгенерированное или снятое, «это не имеет значения».

Supabase здесь не обязателен: подойдёт любое хранилище, откуда n8n может забрать файл по ссылке. Обязательно другое — эталон модели должен быть твоим по праву. Сгенерированное лицо безопаснее всего; снимок реального человека — только с его согласия (подробнее — в разделе про правила).

Видео из карточки: почему оно получилось статичным

Кнопка «Анимировать» запускает второго агента: он пишет промпт на английском для видеомодели и отправляет кадр в Kling. Генерация, по сообщению бота, занимает одну–три минуты. Для видео Роман советует брать самую сильную модель, какую можешь себе позволить, — у него это серия Veo: «чтобы меньше было галлюцинаций».

Честная часть доклада: на эфире видео вышло «практически статичным». По замыслу модель должна была сделать оборот на 360 градусов, чтобы покупатель увидел вещь со всех сторон. Вывод Романа — движение надо прямо прописывать в промпте, а неудачный ролик перегенерировать.

Но у оборота есть предел, о котором на докладе не говорили. По одному фронтальному кадру модель не знает, как выглядят спинка, застёжка или принт сзади, — она их додумает. Для карточки это уже недостоверная информация о товаре. Показываешь вещь сзади — сначала сними настоящую спинку и сверь ролик с ней. Нет такого фото — проси движение без разворота: шаг к камере, поворот на три четверти, ткань в движении.

The person slowly turns around in place, a full 360-degree rotation, so the [изделие] is visible from the front, side and back.
Camera static, full body in frame, same room and light as in the image.
The garment keeps its exact color, fit and details during the whole video; no new logos, text or objects.
Smooth natural motion, 5 seconds.

Видео из фото — отдельная большая тема: как оживлять кадры и во что это обходится на длинном ролике, считали в статье про клип из фото; о работе с Kling из этого же выпуска — в статье про ролик с собой в Kling.

Обложки с текстом и размерная таблица отдельным сервисом

Тот же бот, по словам Романа, делает и обложки карточек: название товара, иконки, бейджи, размеры, фирменная деталь магазина (у заказчика — значок «Турция»: вся одежда оттуда). Всё это рисует Nano Banana. Текст на картинке проверяй глазами по буквам: про неудачные генерации с искажёнными символами отдельно предупреждает Wildberries (ниже).

С размерной таблицей так не вышло. В логику бота, говорит Роман, она не поместилась: слишком много переменных. Поэтому он навайбкодил отдельный веб-сервис — «буквально за пару дней», тогда как с автоматизацией «возиться бы пришлось гораздо дольше»:

1. Загрузить уже сгенерированное фото модели в полный рост.
2. Выбрать категорию и тип: мужчины → майка; есть рукав или нет.
3. Заполнить размеры: A — длина, B — грудь, дальше талия и рукав. Это делает сотрудник, который отвечает за карточки.
4. Нажать «Сгенерировать таблицу» — сервис кладёт её на картинку; результат можно скачать или пересоздать.

Главная сложность, по словам спикера, — таблица ложилась на саму модель; её пришлось уводить «за модель». Читаемость он собирался дорабатывать. Вывод для своего проекта: таблицу накладывай кодом из точных чисел, а не генерацией — цифры размеров нейросеть рисовать не должна.

Сколько это стоит: февраль и сейчас

На дату доклада Роман называл «пять–десять центов» за фото. Клиентский бот занял у него около трёх недель: начинал он с простой версии на 20–25 узлов, а к финалу вышло больше 70. Сравнение спикера: заказчик за год платил бы готовым сервисам примерно столько же, сколько за свою автоматизацию.

Нейросеть для карточек маркетплейса и правила площадок: что проверить до запуска

В докладе о правилах площадок и законе не было ни слова. Без этой части советовать «заменить фотосессию» нельзя: ИИ-кадр, на котором вещь выглядит иначе, чем в посылке, — это возвраты, блокировка карточки и претензии покупателя.

Что из этого следует на практике — чек-лист перед загрузкой каждого кадра:

1. Исходник — только твоё фото твоей вещи. На эфире Роман для теста брал картинки с Pinterest и одну отбраковал из-за чужого логотипа. Мы так не делаем и не советуем: чужие фото — чужие права, а Wildberries прямо требует не нарушать права третьих лиц.
2. Сверка с вещью в руках. Цвет, фактура, длина, швы, принт, пуговицы. ИИ любит «улучшать» — добавлять логотипы и детали, которых нет.
3. Текст на картинке — по буквам. Искажённые символы — прямой повод для замечания на Wildberries.
4. Эталоны — с правами. Сгенерированное лицо или реальный человек с подписанным согласием.
5. Исходник вещи — в архив. Храни оригинальное фото рядом с ИИ-кадром: если покупатель скажет «на фото было иначе», будет с чем сверить.

Что взять себе из демо, а чего не повторять

Простой бот, который Роман запускал «в прямом эфире», дважды не вернул результат: «до эфира у меня всё работало нормально». Причина, по его объяснению, — сценарий был в тестовом режиме: он запускал его по тестовому вебхуку, чтобы показать, какие узлы срабатывают. Для работы сценарий нужно активировать в боевом режиме — тогда он работает автономно. Клиентский бот в боевом режиме, по словам Романа, «работает как часы». Одна из возможных причин для Telegram — конфликт вебхуков: у бота один вебхук, и тест с рабочим сценарием перебивают друг друга (подробнее — в шаге 5). Что именно случилось на эфире, не установлено.

Взять себе:

• кнопки вместо свободного текста — в генерацию приходят одни и те же поля;
• эталоны модели и комнаты в хранилище — постоянство без чуда промпта;
• двух агентов-промптеров: один для картинки, второй для видео;
• движение в видео — словами в промпте, с запасом на повтор;
• то, что не помещается в бота, — отдельным сервисом;
• начинать с простой версии на 20 узлов и наращивать по задачам — так, по словам Романа, вырос и клиентский бот.

Не повторять:

• чужие фото с Pinterest и других сайтов — даже «для теста» в боевом боте;
• показ сценария в тестовом режиме — на демо и заказчику показывай активированную версию, отлаживай на отдельном тестовом боте;
• генерацию цифр размеров нейросетью — только наложение из точных данных;
• публикацию кадра без сверки с реальной вещью.

С чего начать сегодня

Вопросы и ответы