Бот по картинкам: генерация изображений в мессенджерах¶
Бот по картинкам — это программный ассистент (чат-бот), интегрированный в мессенджер или мессенджер-платформу, который по текстовому описанию пользователя генерирует изображения с помощью нейросетей. Такие боты работают в Telegram, Discord, ВКонтакте и других мессенджерах, где поддерживаются боты с API, и предоставляют пользователю картинку в ответ на текстовый запрос (промпт).
¶Принцип работы
Бот по картинкам выступает посредником между пользователем и генеративной моделью изображений. Обычно архитектура выглядит следующим образом:
- Пользователь отправляет боту текстовое описание (промпт) и при необходимости уточняющие параметры — размер, стиль, количество вариантов.
- Бот формирует запрос к API генеративной модели (например, Stable Diffusion, DALL-E, Midjourney, Kandinsky, «Шедеврум»).
- Модель генерирует изображение и возвращает его в виде файла или ссылки.
- Бот отправляет результат пользователю в чат.
Часть ботов работает на собственных серверах с локально развёрнутой моделью (например, Stable Diffusion), часть — через облачные API сторонних сервисов. Открытые модели Stable Diffusion и Kandinsky (от Сбера) распространяются свободно, что позволяет разрабатывать ботов без лицензионных платежей за саму модель.
¶Платформы и среды распространения
¶Telegram
В Telegram боты создаются через BotFather и получают токен для работы с Bot API. Telegram поддерживает отправку изображений, поэтому бот по картинкам может отвечать пользователю картинкой напрямую в чат. Наиболее популярный формат — бот, который принимает текст и отвечает сгенерированным изображением. Некоторые боты поддерживают режимы «txt2img» (генерация по тексту) и «img2img» (генерация по исходному изображению с изменением стиля или содержания).
¶Discord
В Discord боты создаются через Discord Developer Portal и работают по Bot API. Платформа Discord стала основной средой для Midjourney — одного из самых известных генераторов изображений, который изначально работал только через бота в Discord. Пользователь отправлял команду /imagine с описанием, а бот возвращал сетку из четырёх вариантов изображения.
¶ВКонтакте и другие платформы
ВКонтакте поддерживает ботов через Callback API, что позволяет создавать генераторы изображений и в этой социальной сети. Аналогичные решения существуют для Discord, Slack, Matrix и других платформ с открытыми API для ботов.
¶Типы ботов по картинкам
| Тип | Описание |
|---|---|
| Генеративные | Создают изображение с нуля по текстовому описанию |
| Апскейлеры | Увеличивают разрешение существующих изображений |
| Стилизаторы | Переносят стиль одного изображения на другое |
| Редакторы | Выполняют инпейнтинг, аутпейнтинг, замену фона |
| Комбинированные | Объединяют несколько функций в одном боте |
¶Технические особенности
Для работы бота по картинкам необходимы вычислительные ресурсы: генерация изображения нейросетью требует GPU. Поэтому большинство публичных ботов используют облачные GPU-серверы или API генеративных моделей. Скорость генерации зависит от модели, размера изображения и загрузки сервера — от нескольких секунд до нескольких минут.
Часто боты предоставляют пользователю настройки: выбор модели, стиля, соотношения сторон, количества шагов генерации, seed (начальное значение генератора случайных чисел) для воспроизводимости результата. Продвинутые боты поддерживают негативные промпты — описания того, что не должно попасть на изображение.
¶Правовые и этические аспекты
Изображения, сгенерированные нейросетями, в ряде юрисдикций не охраняются авторским правом, так как создаются автоматически без участия человека в творческом процессе. В России правовая позиция по этому вопросу окончательно не сформирована. Боты по картинкам могут использоваться для создания дипфейков — поддельных изображений реальных людей, что вызывает этические и правовые опасения. Ряд мессенджеров и платформ вводит ограничения на генерацию изображений с изображением реальных персон.
¶Применение
Боты по картинкам используются для иллюстрации, создания контента для соцсетей, прототипирования дизайна, генерации изображений для статей и презентаций, а также в развлекательных целях. В России среди пользователей Telegram популярны боты, работающие на модели Kandinsky от Сбера и на открытой Stable Diffusion.
¶Источники
- Документация Telegram Bot API
- Документация Discord Developer Portal
- Репозитории Stable Diffusion (Stability AI)
- Пресс-материалы Сбера о модели Kandinsky