День 1. 15 апреля, 06:31–11:46. «Нам нужна картинка притона»

Ранний подъём: текст сценария и первый шаг

Разговор начался в 06:31 — агент предложил раскладывать шоты по полям, отделяя повторяющиеся визуальные якоря локации от уникального. Пользователь не очень понял вопросы и в 06:32 прислал пиньята.txt:

«Сейчас, я не очень понимаю твои вопросы. У тебя есть полный текст пиньяты? Если нет — вот он. Какой первый шаг?»

Кодировка в текстовом файле была кривая, но агент разобрал. Сценарий разложился на три физических пространства: притон-чб (сцены 1, 2 до разрыва трупа, и 4 после пощёчины), притон-цвет (сцена 2 после разрыва, до пощёчины) и деревня-трип (сцена 3). Четыре сцены в сценарии.

Предложение: забыть про шоты и действие, начать с одной задачи — картинка ПРИТОНА, визуальный якорь всех шотов в нём.

Пользователь уточнил:

«То есть нужно начинать с мастер-шота? Это типа общий кадр? А если мне нужен кадр в обратную сторону — и как редактировать мастер-шот?»

Агент объяснил: мастер-шот — это якорь визуальной идентичности, а не широкий establishing. Он фиксирует цвет обоев, характер света, ключевые объекты, грязность текстуры. Дальше встал вопрос: труп — часть локации или отдельная сущность? Ответ — Character. У трупа есть состояния: висит → болтается → разорван → остатки; между сценами 1, 2 и 4 должна сохраняться визуальная идентичность (одежда, возраст, разложение).

Квест с локальным Flux на 7900 XTX

Пользователь спросил про локальный Flux. У него 7900 XTX, 24GB VRAM — железо тянет Flux.1 Kontext dev в FP16. Но старая Windows, ROCm не будет.

«ROCm нету и не будет, старая винда»

Агент перебрал пути: ZLUDA (CUDA-эмуляция, лотерея), DirectML (медленно). Пользователь привёл важный аргумент:

«А почему llama.cpp работает через Vulkan, что, нельзя картинки тоже?»

Оказалось — можно. stable-diffusion.cpp от того же автора (Gerganov), Vulkan-бэкенд без ROCm, поддержка Flux.1 Kontext dev с конца 2024-го, GGUF Q4/Q8. 4 дня назад (11 апреля) в бинарь вшили embedded web UI (PR #1408).

Конкретные ссылки: бинарь sd-master-fd35047-bin-win-vulkan-x64.zip (23MB) + веса flux1-kontext-dev-Q8_0.gguf (12.7GB) + ae.safetensors + clip_l + t5-v1_1-xxl-encoder-Q8_0.gguf. Суммарно ~20GB.

В 07:31 пользователь сообщил: всё скачано в c:\Users\boomyjee\Downloads\sdcpp\. Агент переписал start.bat, создал server.bat. Первый запуск — OOM на VAE encode: ref.png был 2848×1600, при аллокации буфера 3.5GB на 24GB свободных оставалось только 6.7GB. Починил memory-опции.

Запустилось. Цифры:
- Загрузка 4 моделей: 5 сек (~17GB в VRAM)
- VAE encode ref: 7 сек
- CLIP+T5 encode промпта: 2 сек
- Sampling 20 шагов: 180 сек (9 с/шаг) — ожидалось 2–3 с/шаг
- VAE decode: 12 сек
- Всего: 3:20 на одну генерацию

Вторая попытка дала ту же скорость. Flash Attention флаги для Vulkan-бэкенда молча no-op — не реализовано. Вывод: локально на AMD через Vulkan Flux технически работает, но 200 сек на правку — неприемлемо для итераций.

Flux.2 через OpenRouter

Пользователь спросил про OpenRouter. Там FLUX.2 (ноябрь 2025, новее Kontext v1):
- flux.2-pro — $0.015/MP input + $0.03/MP output → ~4.5¢ за edit на 1MP
- flux.2-flex — $0.06/MP → 12¢, но multi-reference editing
- flux.2-max — top-tier
- flux.2-klein — дешёвый

«Давай пока двигаться разовыми скриптами, мы тестим концепт. Сгенерируй мастер-план и посмотрим»

В 08:02 написан первый flux_gen.py, запущена генерация M1 — мастер-шот притона, ч/б, взгляд от двери. Первый запуск упал с HTTP 400 "Request Moderated" — Flux хард-цензурит "noose/corpse/criminal". Перепишен промпт без триггеров: "abandoned old Soviet apartment, hanging lightbulb, crumpled newspapers, dust motes" — прошло.

Первая картинка m1_priton.png — 12 секунд, 3 цента:

Derelict run-down Soviet apartment interior, black and white cinematic photograph, high contrast, grainy 35mm film stock. View from the doorway into a small dim bedroom: yellowed peeling wallpaper with faded floral pattern, empty dangling rope noose hanging from a ceiling hook in the center of the room, dusty wooden parquet floor, a single bare naked bulb hanging on a wire from the ceiling, an old Soviet chest of drawers pushed against the left wall with several drawers pulled open, crumpled newspapers and clothing scattered across the floor, heavy grimy curtains on a single small window at the back of the room. Cold atmosphere of abandonment and dread. Petersburg criminal underworld, late 1990s aesthetic. Eye-level wide shot from the doorway, room receding into shadow. Sharp deep focus, cinematic still, dust in the air. Empty room, no people, no corpse.

Красивая атмосфера, но по мнению пользователя — тесно:

«С моей точки зрения тут тесно, нужно простор и глубину»

Итерации мастер-шота: v2 → v7_max

Переделка под cinemascope 2.39:1, дверные проёмы на заднем плане:

Wide cinematic anamorphic 2.39:1 ultrawide black and white photograph, abandoned spacious old apartment interior, two interconnected dilapidated rooms visible through open doorways. Large tall window on the left wall flooding the space with bright natural daylight, dust particles dancing in the light beam. Wide diagonal wooden floorboards covered in debris, crumpled newspapers, scattered trash, broken plaster. Peeling stained wallpaper on the walls, water-damaged crumbling ceiling with exposed wooden beams. An old shabby fabric couch against the back wall, low wooden coffee table tipped over. Two open doorways on the right side leading deeper into more empty rooms, creating layers of depth. High ceiling. Late afternoon dim daylight. Deep perspective, vanishing point composition, wide angle lens. Empty space, no people, no figures. Eastern European post-Soviet decay, late 1990s. Grainy 35mm film stock, deep blacks, high contrast. Wes Anderson symmetrical framing meets Tarkovsky melancholy.

Пользователь прервал:

«А нахера нам столько дверей и почему картинка квадратная? И разрешение почему такое низкое?»

Документация Flux читалась хуже, чем хотелось: оказалось, image_config: {aspect_ratio: "21:9"} надо в payload, а не словами в промпте. И image_size тоже. Починили flux_gen.py — --aspect 21:9 --size 2048:

Wide cinematic black and white photograph, abandoned spacious old apartment, single large room. Tall tall window on the left wall flooding the space with bright shafts of natural daylight, dust particles dancing in the light beam casting visible diagonal rays across the floor. Wide diagonal wooden floorboards covered in scattered debris, crumpled newspapers and trash. Peeling stained floral wallpaper on the back wall, water-damaged crumbling ceiling with exposed dark wooden beams. An old shabby fabric couch against the back wall under the window, low wooden coffee table in front of it. High ceiling, deep open empty room. Late afternoon dim daylight. Ultra-wide deep perspective. Empty space, no people, no figures. Eastern European post-Soviet decay, late 1990s aesthetic. Grainy 35mm film stock, deep blacks, high contrast cinematic still.

«Слишком много разрухи, негде будет товар искать. И одна дверь нам нужна»

v4 убрал разруху и ненужные проёмы, оставил одну дверь справа, добавил шкаф, тумбочки, стол, стул — «есть что обыскивать»:

Wide cinematic black and white photograph, dingy old Soviet apartment interior, single spacious living room. Tall window on the left wall with worn lace curtains pushed aside, bright shafts of natural daylight pouring in casting visible diagonal sunbeams across the wooden floor, dust particles dancing in the light. Old creaky wooden parquet floor, lightly dusty but mostly clean. Faded yellowed floral wallpaper on the walls, tarnished but still intact. Furniture along the walls: a tall dark wooden wardrobe with closed doors on the right wall, a chest of drawers next to it, a worn shabby fabric couch against the back wall under a small tarnished mirror, a small writing desk with a single drawer in the corner, a low coffee table. A single closed wooden door on the right wall (the entrance). High ceiling, intact plaster. Late afternoon light. Wide deep perspective. Empty space, no people, no figures. Lived-in but undisturbed, melancholic atmosphere. Eastern European late 1990s aesthetic. Grainy 35mm film stock, deep blacks, high contrast cinematic still.

«По мне потолки низковаты»

v5 добавил «4-метровые потолки, лепнину, сталинку, паркет ёлочкой, окно от пола до потолка»:

Wide cinematic black and white photograph, dingy old pre-revolutionary Stalinka apartment interior, single spacious living room with VERY TALL HIGH CEILINGS (4 meters tall), grand pre-war architecture. Tall narrow window on the left wall, full-height from floor almost to ceiling, with worn lace curtains pushed aside, bright shafts of natural daylight pouring in casting visible diagonal sunbeams across the wooden floor, dust particles dancing in the light. Old creaky herringbone parquet floor, lightly dusty. Faded yellowed floral wallpaper on the walls, tarnished but still intact. Decorative crown molding around the high ceiling. Furniture along the walls: a tall dark wooden wardrobe with closed doors on the right wall, a chest of drawers next to it, a worn shabby fabric couch against the back wall, a small writing desk with a single drawer in the corner, a low coffee table. A single closed wooden door on the right wall (the entrance). Late afternoon light. Wide deep perspective, low camera angle looking slightly up to emphasize the height of the ceiling. Empty space, no people, no figures. Lived-in but undisturbed, melancholic atmosphere. Eastern European late 1990s aesthetic. Grainy 35mm film stock, deep blacks, high contrast cinematic still.

Уже сталинка. Размер, правда, 1920×816 ≈ 1.57 MP — при --size 3072 тот же результат:

Wide cinematic black and white photograph, dingy old pre-revolutionary Stalinka apartment interior, single spacious living room with VERY TALL HIGH CEILINGS (4 meters tall), grand pre-war architecture. Tall narrow window on the left wall, full-height from floor almost to ceiling, with worn lace curtains pushed aside, bright shafts of natural daylight pouring in casting visible diagonal sunbeams across the wooden floor, dust particles dancing in the light. Old creaky herringbone parquet floor, lightly dusty. Faded yellowed floral wallpaper on the walls, tarnished but still intact. Decorative crown molding around the high ceiling. Furniture along the walls: a tall dark wooden wardrobe with closed doors on the right wall, a chest of drawers next to it, a worn shabby fabric couch against the back wall, a small writing desk with a single drawer in the corner, a low coffee table. A single closed wooden door on the right wall (the entrance). Late afternoon light. Wide deep perspective, low camera angle looking slightly up to emphasize the height of the ceiling. Empty space, no people, no figures. Lived-in but undisturbed, melancholic atmosphere. Eastern European late 1990s aesthetic. Grainy 35mm film stock, deep blacks, high contrast cinematic still.

OpenRouter режет аутпут на 21:9 до ~2 MP у обеих моделей. Попробовали топовый flux.2-max — $0.10, 42с, получили m1_priton_v7_max.png: 2048×880, 1.80 MP. Чуть резче и контрастнее. Всё ещё не 4K, но канонический M1:

Wide cinematic black and white photograph, dingy old pre-revolutionary Stalinka apartment interior, single spacious living room with VERY TALL HIGH CEILINGS (4 meters tall), grand pre-war architecture. Tall narrow window on the left wall, full-height from floor almost to ceiling, with worn lace curtains pushed aside, bright shafts of natural daylight pouring in casting visible diagonal sunbeams across the wooden floor, dust particles dancing in the light. Old creaky herringbone parquet floor, lightly dusty. Faded yellowed floral wallpaper on the walls, tarnished but still intact. Decorative crown molding around the high ceiling. Furniture along the walls: a tall dark wooden wardrobe with closed doors on the right wall, a chest of drawers next to it, a worn shabby fabric couch against the back wall, a small writing desk with a single drawer in the corner, a low coffee table. A single closed wooden door on the right wall (the entrance). Late afternoon light. Wide deep perspective, low camera angle looking slightly up to emphasize the height of the ceiling. Empty space, no people, no figures. Lived-in but undisturbed, melancholic atmosphere. Eastern European late 1990s aesthetic. Grainy 35mm film stock, deep blacks, high contrast cinematic still.

«Давай заведём файл с решениями. Флюкс-макс норм, оставляем его. Что дальше?»

Создан docs/movie_pipeline.md — фиксировать решения и открытые вопросы.

Критический тест: держит ли multi-ref edit локацию

Агент сформулировал главную непроверенную гипотезу: multi-ref edit сохраняет визуальную идентичность локации. Если не сохраняет — вся архитектура "M1 + Character → шот" не работает.

Пользователь в 08:29 прислал char_bandit.jpg, char_bandit_2.png, char_body.png, char_wife.png — character sheets от Seedance-2-character. Каждый лист содержит 8 видов и выражений персонажа. Идея: подать лист как ref в multi-ref edit.

Первый тест на flux.2-flex (multi-ref): M1 + char_body → повешенный в петле над столом.

test_shot1_body_in_room — мужик на диване

params flux · flux.2-flex · 2048 · 21:9

refs

m1_priton_v7_max.pngchar_body.png

prompt

Wide cinematic black and white photograph in the style and exact setting of the first reference image (the apartment room): the same dingy old Stalinka apartment with tall ceilings, herringbone parquet floor, faded floral wallpaper, large window on the left with sunbeams, wooden wardrobe and chest of drawers on the right, shabby couch and low coffee table in the center, single closed door on the right wall. Camera position and framing identical to first reference. Now in this exact same room, a lifeless man matching the second reference (dark business suit, dark hair) hangs limp from a long rope attached to the ceiling above the coffee table, his feet dangling several centimeters above the floor, head slumped forward. Otherwise the room is unchanged. Same grainy 35mm film stock, deep blacks, high contrast, same lighting from the window beams. No other people.

Локация сохранилась один-в-один — те же обои, паркет ёлочкой, шкаф, окно, лепнина. Персонаж читается. Но модель не повесила — посадила на диван. Пользователь поймал сразу:

«Не, это бред, типа каждая поза персонажа — это новый персонаж? Угораешь?»

Да, это был тупик: агент пытался плодить костыли архитектуры вокруг safety-фильтра Flux. Правильно — не модель подгонять под архитектуру, а под несшиваемый шот выбирать другую модель.

Seedream 5.0-lite через Evolink

Пользователь напомнил: character sheets делает seedance-2-character из generator.py — они есть только у MUAPI. А для композиции нужен композитор. В config нашёлся Evolink key. Написан seedream_gen.py под endpoint /v1/images/generations, модель doubao-seedream-5.0-lite.

Тот же тест: M1 + char_body на Сидриме:

Локация 1-в-1, персонаж читается, модель действительно повесила, но ноги стоят на столе. Агент в эйфории назвал это победой. Пользователь отрезвил:

«Ты угораешь? Там чел тупо стоит на столе и лицо не читается»

И сразу ключевой вопрос:

«А с чего ты взял, что это цензура, а не хуёвый промпт?»

Промпт перечитали. Там было «feet dangling several centimeters above the floor» — модель буквально это и сделала: ноги в нескольких сантиметрах над столом (~50 см высоты). Переписали: "FULLY SUSPENDED IN MID-AIR... clear empty gap of 30 centimeters":

Стоит вертикально на столе, с верёвкой над головой декорацией.

Эксперимент: есть ли цензура

Пользователь потребовал доказать тезис про цензуру:

«Про цензуру ты ещё не доказал. Попробуй Flux, Seedream, Banana — сгенери человека повесившего без рефов вообще и узнаем, есть ли цензура»

Написан banana_gen.py (Gemini Image через OpenRouter). Одинаковый промпт, три модели параллельно:

Гипотеза "Сидрим цензурит" развалилась. Цензуры у Сидрима нет, проблема в multi-ref — когда добавляется лист персонажа, модель каким-то образом «гасит» сложные действия.

Итерации V1/V2/V3 с face crop

Пользователь параллельно нарезал char_body_front.png и char_body_face.png — отдельные фронт и лицо вместо полного листа 4096×1737, где каждое лицо после ресемпла становится ~50×50 пикселей и нихрена не извлечь.

Три варианта multi-ref параллельно:

V1 победил. Гипотеза подтвердилась: char_body_front.png (живой стоящий мужчина) активно мешает модели сделать «мёртвого висящего». Вывод: подаём face crop для идентичности, а позу описываем словами или отдельным pose-ref'ом.

«Нужно ближе тело»

«Только висящий чел должен быть сильно ближе по кадру»

Агент начал крутить "medium close-up" промптом — пользователь сразу поправил:

«Нет, не так. Фон оставь 1-в-1, тело физически ближе — тогда станет крупнее»

Поменять не камеру, а место где тело висит. Повесить ближе к точке съёмки — в foreground:

Тело крупное, висит правильно. Но пользователь:

«Да нет, херня полная. Пробуй другие модели»

Марафон моделей

banana_gen.py переделан в универсальный OpenRouter-gen (любая модель через --model). Прогнали Riverflow v2 Pro, Gemini 3 Pro Image, Seedream 4.5 параллельно:

• Riverflow — 413, рефы слишком тяжёлые
• Gemini 3 Pro — IMAGE_SAFETY (отказ)
• Seedream 4.5 — отработал, $0.04, но тело висит горизонтально параллельно полу (гравитация не работает)

Сжали рефы до 1280px. Попробовали без "foreground" — Seedream 4.5 дал вертикально висящего. Агент назвал это «лучше всего». Пользователь тут же:

«Так Сидрим комнату поменял на другую. А GPT-5 ты как обращался?»

GPT-5 Image через тот же OpenRouter лёг на unsupported_country_region_territory. У пользователя есть прокси в config, прогнали через него — GPT-5 долетел (200, 51с), но вернул safety_violation. Модель списали.

«Я тебе положил body_ref, там тело как надо»

Пользователь нашёл body_ref.png — живой ref позы висельника (вероятно от Higgsfield). Новый план: M1 + body_ref + face crop.

✅ Локация 1-в-1 с M1. ✅ Тело висит вертикально, голова склонена. ✅ Костюм. Body_ref дал физику позы, M1 дал локацию, face crop дал идентичность. Каждый реф сыграл свою роль.

«Не утверждаю. Нужно ближе тело. И хочу Higgsfield Soul потестить»

Попытки "body fills 70% of frame", 1.5м от камеры — test_composite_close.png:

И попытка на 16:9 вместо 21:9 — тело смотрится крупнее при той же физике:

Квест WaveSpeed и brute-force endpoint'ов

У Higgsfield нет pay-as-you-go. Пользователь дал ключ WaveSpeed ($1 бесплатно). Написан wavespeed_gen.py под POST → task_id → polling. Запустили Higgsfield Soul на M1 — задача застряла в очереди на 12+ минут с executionTime=0ms, cold start.

Параллельно — brute-force по endpoint'ам (bytedance/*, kwaivgi/*, alibaba/*, higgsfield/*). Нашли рабочие: bytedance/seedream-v4/edit, bytedance/seedream-v4.5, alibaba/wan-2.7/image-edit. Kling не нашёлся ни в каком варианте.

Seedream v4.5 Edit с тремя рефами (M1 + body_ref + face):

Физика ясная — висит с зазором, голова склонена. Локация близко к M1, хоть мебель чуть отличается. Нюанс инфраструктуры: прямой download с d2p7pge43lyniu.cloudfront.net из РФ блокируется, качали через прокси.

Попробовали Wan 2.7 Edit — голова почти прямо (не безвольная), тело мелкое, лицо смазано.

Nano Banana Pro (google/nano-banana-pro/edit) на WaveSpeed — та же гугловская цензура.

Перегруз: «я запутался»

Агент выкатил рейтинг по 4 моделям. Пользователь:

«Я запутался, какая картинка оригинальная, с чем мне сравнивать, что стало ближе?»

И дальше, когда агент ошибся в сравнении размеров тел:

«В 45edit тело мельче, чем в 5lite_closer, а ты говоришь наоборот»

И ещё жёстче:

«Я не понимаю, ты новые модели тестил редактирование или заново генерацию? Что подавал на вход? Ты делаешь кучу выводов и они неверны. Проблема не в моделях, а в том, что ты подаёшь»

И финальное:

«Вот m1_priton_v7_max — единственная картинка, которую мы утвердили. Дальше ты генерил кучу версий, и проблема в том, что ты на вход новым версиям пихал старые версии, на основе этого делал выводы о моделях. Надо откатываться в состояние "есть только комната"»

Чистый старт: формат "что подаю + чего жду"

«Что значит "Сделает с локацией"? Ты можешь писать в формате — что именно подаёшь на вход. Комната + промпт краткий. Или комната + лицо. Или комната + лицо + тело. Или комната + лицо + реф висельника. Там миллион вариаций. Как мне понять, что ты делаешь?»

После этого — формальный формат для всех тестов: Вход: X + Y → Модель: Z → Что узнаём: A.

Тест #1: M1 + промпт «в этой комнате висит труп», ничего больше. Seedream 5.0-lite через Evolink. Узнаём, держит ли локацию без рефов:

Локация удержана, но физика спорная — тело вертикально, ноги на уровне столика, непонятно висит или стоит.

«Почему тело опять так далеко от камеры? Может есть методы — рисуешь ему реф буквально где нужно и какого нужно размера?»

Агент предложил Qwen Image Edit Plus через Evolink ($0.022, тот же endpoint что Сидрим): маска + промпт, белая зона = «здесь будет тело». Pixel-perfect остальное. Сгенерил маску — вертикальный овал 307×660 по центру M1 (зона заполнения).

Прорыв: composition mockup

Пользователь сформулировал главную идею дня:

«Почему нельзя в тот же Сидрим тоже картинку с маской загрузить? Типа вот комната, вот с маской — на месте маски тело»

Это composition mockup: руками кропаешь body_ref, вставляешь в M1 в нужное место и размер (как фотомонтаж), Сидрим работает с готовым layout'ом — ему остаётся только сделать переход бесшовным. Контроль композиции — на тебе, а не на модели.

Первый mockup: body_ref → кроп 409×1152 → ресайз до 234×660 → вставка в (907, 44) на M1. Пользователь сразу:

«Ты угораешь? На рефе тело половина кадра, у тебя на коллаже ещё меньше стало»

Посчитали заново: в body_ref тело только нижние 60–70% картинки, при полной высоте — 430px = 50% кадра M1, не 75%. Перекропили тесно «шея–ботинки», ресайзнули до 75% высоты. Шов остался — это фича, не баг: Сидриму он сообщает «вот сюда тело, этот размер».

Запуск: M1 + composite_mockup → Seedream 5.0-lite. Промпт: «Render as one cinematic photo, blend the body seamlessly, preserve the room from reference 1».

✅ Тело 75% высоты кадра, реально доминирует. ✅ Висит правильно — ноги в воздухе с зазором, голова склонена. ✅ Локация M1 сохранена 1-в-1. ✅ Шов от mockup'а убрался — модель аккуратно слила границы. Минус один: лицо не видно (голова свешена вниз, только макушка), но это следствие позы из body_ref, не косяк пайплайна.

«Да, принимаем»

Первая утверждённая композиция. В docs/movie_pipeline.md добавлен раздел «Реестр одобренных артефактов» — точный вход, промпт, параметры для M1 и Shot 1, плюс Python-блок сборки mockup'а (координаты кропа, масштаб, точка вставки). Любой следующий шот теперь делается по шаблону.

Кадр на дверь

«Не думаю, что этому место в гите, это же эксперименты. Сгенерируй кадр на дверь справа, которую выбьет бандит»

По ходу пользователь поднял важный вопрос:

«Нужно ли нам генерить самостоятельно все эти кадры картинками перед генерацией видео? Не делаем ли хуже видео-модели, когда даём ей кадры? Может надо начинать с мастер-видео? Когда модель не ограничена кадром, а только стилем, она выдаёт в более толстом пространстве весов»

Интуиция верная технически: диффузия без image-conditioning сэмплит из родного распределения. Чужой кадр как якорь тратит мощность на примирение со стилем. Video-first отложили, сделали кадр на дверь.

Первая попытка: агент начал кропать бандита для mockup'а. Пользователь прервал:

«Какой ещё бандит, нам нужна просто закрытая дверь»

Новый подход — тайтер-кадр той же локации. Второй важный совет:

«А ты написал, чтоб угол под 45? Если будет прямой, и он потом на труп посмотрит — взгляд в камеру, 180° сломается»

Оператская логика. И сразу после — главное правило минимального промпта:

«А ты уверен, что нужно заново описывать помещение? Можно же просто: "дай более крупный кадр на дверь слева на референсе". Ты просто пишешь "те же обои, тот же пол и т. д."»

Прав. Если M1 в ref'е, модель уже видит обои/паркет/окно — пере-описывать избыточно или хуже (если слова не совпадают с ref'ом — модель выбирает). Минимальный промпт описывает только что меняется (фрейминг камеры), константы даются ref'ом.

Промпт сократился до двух фраз:

"Same room as in the reference image, but tighter framing on the closed wooden door. Camera at 45-degree angle. Same style. Empty room, no people."

✅ Локация узнаваема: те же обои, дверь, тумбочка с ящиками, стул, край шкафа, паркет. ✅ Дверь в центре, ожидающая. ✅ Минимальный промпт сработал — модель забрала всё из ref'а.

«Может не труп, а нога или ботинок»

«Вышло неплохо, но не принимаем. На такой крупности слева был бы труп. Даже может не труп, а нога или ботинок»

Хичкоковский ход — рифма «дверь ждёт, но в кадре уже висит ботинок». Зритель ловит «там что-то ужасное» до того, как бандит вваливается. К этому моменту — 11:46, сессия подходит к первой паузе. План на следующую: собрать mockup из body_ref (нижняя часть тела) + shot1_door_closed, отправить Сидриму, дожать через rembg если фон будет грязным.

Итог дня 1 (утренняя сессия)

За пять часов:
- выбран стек: Flux 2 Max для location master-shots (через OpenRouter), Seedream 5.0-lite для шотов с multi-ref (через Evolink), body_ref + face crop как два отдельных якоря
- утверждены два канонических артефакта: m1_priton_v7_max.png (мастер-шот притона) и shot1_pinata_corpse.png (труп в петле)
- найден главный инструмент композиции: layout mockup — руками собираем коллаж M1 + body_ref в нужной позиции и размере, Сидрим полирует шов
- сформулировано правило минимального промпта: описываем только что меняется, константы даются ref'ом
- зафиксированы цензурные ограничения (Flux, Gemini, GPT-5 не рисуют повешения; Seedream без рефов — рисует)
- инфраструктурные нюансы: OpenRouter режет 21:9 до ~2 MP, WaveSpeed cloudfront из РФ блокируется (прокси обязателен), Higgsfield требует регистрации