
КейсЕвгений16 мин чтения
ИИ-обложка для статьи: серия, референсы и размеры
Как я делаю ИИ-обложки блога одной серией: два референса, пример промпта и кода, сравнение с лентой и размеры 1600×900, 800×450 и OG 1200×630.
Содержание · 12 разделов
Сейчас новые обложки блога UnderCode я делаю моделью генерации изображений OpenAI по двум референсам серии. Ниже рабочий процесс, при котором ИИ-обложка для новой статьи встаёт в ленту рядом с остальными и стиль не приходится придумывать заново. Текст для тех, у кого блог или сайт со статьями. Если вы ещё выбираете сам генератор, начните с обзора нейросетей для генерации изображений.
Весь процесс в пяти шагах:
- Придумать сцену, которая буквально показывает тезис статьи.
- Передать модели два референса: один задаёт стиль, другой персонажей.
- Сделать пробный прогон, а после генерации открыть квитанцию и убедиться, что оба референса ушли в запрос.
- Поставить новую обложку рядом минимум с двумя живыми в размере карточки блога и сравнить.
- Нарезать из одного исходника hero, карточку ленты и OG, заполнить alt.
Почему ИИ-обложки блога должны быть одной серией
Читатель узнаёт блог в ленте по повторяющемуся языку картинок: тот же фон, те же линии, те же герои. Одна красивая обложка в чужом стиле эту узнаваемость ломает, причём по отдельной картинке поломку заметить трудно.
У нас так и случилось. 2 ноября 2026 года я увидел, что обложки трёх статей выбиваются из серии: вместо линейного рисунка на кремовом фоне там цветной глянец и 3D. Когда стали разбирать причину, нашлась четвёртая обложка с той же проблемой.
Причину показали квитанции генераций. Референсов серии в запросе не было, список refs пустой. А промпты сами задавали другой стиль:
flat vector, soft shadows, navy/teal/indigo
Модель нарисовала ровно то, что просили слова. Все четыре обложки мы перегенерировали по рецепту серии, с двумя референсами. Я посмотрел результат, ответил «да норм», и новые картинки пошли на замену через кнопку «Обновить» в карточке статьи.
Мой вывод из этой истории: соответствие обложки серии я проверяю рядом с другими обложками, а не по одной картинке. Для этого в процессе есть две отдельные проверки, о них ниже.
Концепт серии и сцена под тезис статьи
Чтобы нейросеть для обложек держала серию, концепт стоит записать явно. Наш канон:
- минималистичный плоский линейный рисунок;
- округлый почти чёрный контур и плоские заливки;
- тёплый светлый кремовый фон, похожий на бумагу;
- небольшие оранжевые акценты;
- человек и один и тот же дружелюбный робот;
- рамка браузера справа, свободное место слева;
- одна мысль на сцену, без надписей и логотипов.
Браком считаем цветной глянец, 3D, градиенты, мягкие тени, произвольные navy, teal и indigo и стоковую «технику».
Всё перечисленное постоянно. Меняется только сцена. 23 октября я вернул обложки с замечаниями «не показывают суть» и «человек отличается». Переделанный вариант я принял словами «так то лучше», и с тех пор правило простое: сцена буквально показывает тезис статьи. Для сравнения двух агентов это весы с двумя разными роботами. Для статьи об установке это переход из ноутбука в чат на телефоне.
Генерация обложек по двум референсам
Слова «в стиле блога» в промпте серию не удерживают. В нашем рецепте так и записано: словесное «в стиле блога» не заменяет референсы. Поэтому стиль и персонажей модель получает картинками.
В руководстве OpenAI по генерации изображений сказано, что одно или несколько изображений можно использовать как референс для новой картинки. Эндпоинт правки изображений принимает одно или несколько исходных изображений вместе с промптом. А гайд OpenAI по промптингу изображений советует назначать референсу конкретную роль (палитру, фактуру или визуальный медиум) и описывать новый сюжет отдельно.
Ролей у нас две:
| Роль | Откуда берём | Что она держит |
|---|---|---|
| Стиль (style) | последняя одобренная обложка серии | фон, палитру, толщину линий, плотность |
| Персонажи (identity) | обложка с человеком и роботом | внешность героев |
Сюжет задаёт только промпт. Качество генерации ставим high.
В нашем примере роли style и identity задаются словами в промпте, а пробный прогон и квитанцию receipt.json делает локальный скрипт. Сам запрос устроен проще. Эндпоинт правки изображений принимает массив images (для GPT image моделей до 16 изображений) и промпт, а роль каждой картинки назначается словами в промпте. Минимальный пример на Python. Каждый запуск пишет файлы в свою папку covers/<slug>/<время запуска>: квитанция прошлого запуска новый не подтверждает. Скрипт всегда сохраняет манифест request-manifest.json с хешем тела запроса. Пробный прогон (DRY_RUN = True) на этом останавливается: манифест подтверждает подготовку запроса, но не отправку. Боевой запуск отправляет запрос, проверяет, что пришёл PNG, и только тогда пишет квитанцию receipt.json со статусом, хешем картинки и её размером. Ключ API скрипт берёт из переменной окружения IMAGE_API_TOKEN.
import base64, hashlib, json, os, time, urllib.request
from pathlib import Path
DRY_RUN = True
slug = "ii-oblozhka"
ext, img = "json", "png"
roles = ["style", "identity"]
refs = [Path("refs") / f"{role}.{img}" for role in roles]
prompt = (
"Image 1 is the style reference: keep its lines, palette and density. "
"Image 2 is the identity reference: keep the same person and robot. "
"Scene: a robot holds a new cover card next to a row of matching cards."
)
def sha(data):
return hashlib.sha256(data).hexdigest()
def data_url(path):
return f"data:image/{img};base64," + base64.b64encode(path.read_bytes()).decode()
body = {
"model": "gpt-image-2.5-sunburst",
"prompt": prompt,
"images": [{"image_url": data_url(p)} for p in refs],
"quality": "high",
"size": "1536x864",
"output_format": img,
}
raw = json.dumps(body).encode()
out = Path("covers") / slug / time.strftime("%Y%m%dT%H%M%S")
out.mkdir(parents=True)
inputs = {
"model": body["model"], "quality": body["quality"], "size": body["size"],
"request_sha256": sha(raw),
"prompt_sha256": sha(prompt.encode()),
"refs": [{"path": str(p), "sha256": sha(p.read_bytes())} for p in refs],
"reference_roles": roles,
}
(out / f"request-manifest.{ext}").write_text(json.dumps(inputs, indent=2))
if DRY_RUN:
raise SystemExit(f"пробный прогон: запрос собран в {out}, ничего не отправлено")
req = urllib.request.Request(
"https://api.openai.com/v1/images/edits", data=raw,
headers={"Authorization": "Bearer " + os.environ["IMAGE_API_TOKEN"],
"Content-Type": "application/json"},
)
with urllib.request.urlopen(req, timeout=600) as resp:
pic = base64.b64decode(json.load(resp)["data"][0]["b64_json"])
if pic[:8] != b"\x89PNG\r\n\x1a\n":
raise SystemExit("ответ не PNG, квитанцию не пишем")
(out / f"cover.{img}").write_bytes(pic)
receipt = dict(inputs, status="success", output_sha256=sha(pic),
width=int.from_bytes(pic[16:20], "big"),
height=int.from_bytes(pic[20:24], "big"))
(out / f"receipt.{ext}").write_text(json.dumps(receipt, indent=2))
По справочнику API запрос идёт методом POST на https://api.openai.com/v1/images/edits с JSON-телом, картинка приходит в data[0].b64_json, формат задаёт параметр output_format. Пример собран по этому справочнику, наш собственный конвейер ходит к модели через свою обёртку. Сцена в коде учебная и показывает только устройство запроса. Для настоящей обложки в prompt подставляется полный шаблон из следующего раздела: рамка справа, свободное место слева, без надписей и логотипов. Первые две фразы про Image 1 и Image 2 при этом остаются: только они связывают роль с порядком картинок в запросе, а reference_roles в манифесте это наши локальные метаданные, отдельного параметра ролей в API нет. Если работаете в интерфейсе, который не показывает журнал входных данных, сохраните промпт и оба референса рядом с результатом. Такая папка записывает ваше намерение, но квитанцией фактического запуска не служит.
Откуда брать стиль-референс, мы выяснили на ошибке. 25 октября обложки по ранним референсам вышли «кривые, стиль отличается». Их перегенерировали со стиль-референсом от последней одобренной обложки, и ответ был «да так лучше». С тех пор стиль-референс берём с последней одобренной обложки, а ранние в работу не идут.
Промпт для обложки, где меняется только сцена
Промпт под новую статью делится на две части. Сцену под тезис я пишу каждый раз заново. Персонажи, композиция и язык линий остаются, и описывать их прилагательными рискованно: в истории 2 ноября именно такие слова при пустых референсах увели серию в чужой стиль.
OpenAI советует начинать с того, какое изображение нужно, и затем описывать subject, composition, style и constraints. Для правок там же рекомендуют назвать, что меняется и что должно остаться, уточнять по одному элементу и проверять результат. Шаблон по этой схеме:
Subject: {сцена, которая буквально показывает тезис статьи}
Composition: рамка браузера справа, свободное место слева
Style: линии и палитра как на референсе style, герои как на референсе identity
Constraints: без надписей, логотипов и водяных знаков
Если сама постановка задачи модели пока даётся тяжело, загляните в разбор о том, как пользоваться ИИ.
Пробный прогон и квитанция генерации
Перед запуском, который тратит генерацию, делаем пробный прогон (dry-run). После генерации наш скрипт пишет квитанцию receipt.json. В ней есть:
- модель, качество и размер;
- sha256 промпта;
- список refs с путями и sha256 каждого референса;
- роли референсов, у нас
["style", "identity"]; - фактический размер выхода (в квитанции от 23 октября это 1672×941 PNG).
Главное правило: пустой refs означает, что привязки к серии нет, даже если промпт про неё говорит. Ровно так выглядели квитанции четырёх обложек из истории 2 ноября.
Проверку можно добавить в свой скрипт. Пример на Python принимает папку одного запуска и сверяет квитанцию с манифестом и картинкой этого же запуска. Это проверка согласованности файлов, которые пишет ваш же скрипт, а не независимое подтверждение того, как сервис обработал референсы:
import hashlib, json, sys
from pathlib import Path
run_dir = Path(sys.argv[1])
ext, img = "json", "png"
manifest = json.loads((run_dir / f"request-manifest.{ext}").read_text())
receipt = json.loads((run_dir / f"receipt.{ext}").read_text())
pic = (run_dir / f"cover.{img}").read_bytes()
roles = set(receipt.get("reference_roles", []))
ok = (receipt.get("status") == "success"
and all(receipt.get(k) == manifest[k] for k in
("request_sha256", "refs", "reference_roles", "model", "quality", "size"))
and receipt.get("output_sha256") == hashlib.sha256(pic).hexdigest()
and len(receipt.get("refs", [])) >= 2
and roles == {"style", "identity"})
if not ok:
raise SystemExit(f"{run_dir}: референсы этого запуска не подтверждены, обложку не принимаем")
У квитанции есть граница. Она подтверждает входы, но не визуальное сходство. Оба референса могут уйти в запрос, а картинка всё равно не впишется в серию. Поэтому следующий шаг смотрит на сам результат.
Сравнение рядом с живой серией
Одну картинку в изоляции мы не оцениваем: такая проверка не подтверждает соответствие концепту. Новую обложку ставим рядом минимум с двумя живыми обложками из блога, в размере карточки, и сверяем:
- фон и палитру;
- толщину линий;
- персонажей (тот же человек, тот же робот);
- рамку браузера;
- плотность композиции.
Отдельно смотрим ещё три вещи: показывает ли сцена тезис статьи, нет ли логотипов, не обрезано ли важное.
Визуальное ревью у нас делает одна модель, а спорное соответствие решает отдельная модель-судья. Окончательное «да» по серии в истории 2 ноября всё равно давал я.
Как выглядит серия, проще всего увидеть в ленте блога: карточки там стоят рядом в том же размере, в каком мы их сравниваем. Возьмём две соседние обложки. В статье про память агентов в OpenViking робот кладёт документ в папку на схеме, а человек выбрасывает лишний лист в корзину. В статье про несколько ИИ-агентов человек у доски с тремя колонками направляет трёх роботов, которые переносят карточки. Сюжеты разные, а фон, контур, оранжевые акценты и рамка браузера совпадают. Обложка этой статьи сделана по рецепту выше: человек с лупой рассматривает ряд таких же карточек, и её можно сравнить с соседями в той же ленте.
Размеры обложки для статьи из одного исходника
Генерирую один исходник, близкий к 16:9 (в примере выше 1536x864, в нашей квитанции 1672×941), и уже из него режу три файла. Отдельную генерацию под каждый размер не запускаю.
| Назначение | Размер | Формат | Откуда требование |
|---|---|---|---|
| Hero в статье | 1600×900 | WebP | наш выбор |
| Карточка ленты блога | 800×450 | WebP | наш выбор |
| OG image для превью ссылки | 1200×630 | JPEG | наш выбор по рекомендации Meta |
| Превью ссылки в Facebook | не меньше 1200×630, минимум 600×315, около 1.91:1 | не задан | рекомендации Meta |
| Сторонняя ссылка в органическом посте LinkedIn | 3:2 или 16:9 | не задан | справка LinkedIn |
Размер 1200×630 не обязателен для всех площадок. Meta советует его для лучшего отображения на экранах высокой плотности, а 600×315 называет минимумом, при котором пост показывается с крупной картинкой. Пропорции там просят держать как можно ближе к 1.91:1, чтобы картинка помещалась в ленту целиком. LinkedIn для органических постов рекомендует 3:2 или 16:9 и предупреждает, что при других пропорциях картинку может обрезать. Одного размера, который устроит всех, нет, поэтому 1200×630 у нас осознанный выбор под рекомендацию Meta.
Главный приём здесь касается OG. Исходник 16:9 уже, чем 1.91:1, поэтому вписываем его по высоте, без обрезки: 630 пикселей высоты дают 1120 по ширине, по бокам остаётся по 40 пикселей полей. Человек, робот и рамка браузера остаются в кадре целиком.
Кабинет блога принимает файлы cover_1600, cover_800 и cover_og, но проверяет только формат. Размеры и внешний вид проверяем сами. У видеопревью и обложек сообществ свои форматы, здесь я их не разбираю.
Как подготовить файлы обложки к публикации
WebP для hero и карточки
По данным Google, lossy WebP на 25-34% меньше сопоставимых JPEG при эквивалентном качестве. Это их сравнение, на ваших файлах экономия может отличаться. В рекомендациях Google по изображениям WebP и JPEG входят в список форматов, которые поддерживает Поиск, а имена файлов там советуют делать короткими, но описательными.
Alt по смыслу сцены
W3C разделяет картинки на информативные и декоративные. Информативная картинка передаёт простую мысль, и её текстовая альтернатива передаёт смысл, а не буквальное описание. Обложка, которая показывает тезис статьи, ближе к этому случаю. Декоративной картинке нужен пустой alt="", а убирать атрибут совсем нельзя: тогда некоторые экранные дикторы зачитают имя файла. Наша сборка вдобавок требует cover_alt длиной 10-160 знаков.
og:image и og:image:alt
По протоколу Open Graph og:image задаёт URL картинки, которая представляет страницу, og:image:width и og:image:height задают размеры в пикселях, а og:image:alt описывает, что на изображении. Если страница указывает og:image, ей следует указать и og:image:alt. Вебмастер Яндекса описывает Open Graph как способ контролировать превью ссылки в социальных сетях. Meta добавляет, что теги размеров позволяют краулеру отрисовать картинку сразу.
Картинка в разметке статьи
В разметке Article у Google обязательных свойств нет. Для image нужна картинка, релевантная статье, а не логотип или подпись, и её URL должен быть доступен для сканирования и индексирования. Google рекомендует несколько изображений высокого разрешения с соотношениями 16x9, 4x3 и 1x1. Наш hero закрывает только 16:9. В рекомендациях по изображениям Google также просит не ставить в og:image и разметку schema.org типовую картинку вроде логотипа или картинку с текстом.
Ошибки, на которых мы обжигались
Генерация без референсов. Разобрана в начале статьи. Лечится рецептом с двумя референсами и проверкой квитанции до приёмки.
Сетевой диск. Генератор писал результат прямо на NAS, и запись падала с [Errno 45] Operation not supported при атомарном переименовании временного .tmp-файла. Картинка терялась, а генерация уже была списана. При перегенерации 2 ноября первый заход на сетевой диск стоил 5 потерянных генераций, во втором заходе в локальную папку было ещё 5 генераций, включая один TLS-повтор. Теперь генерируем только локально и потом копируем на NAS.
Таймауты. Связь с сервисом генерации иногда рвётся по TLS timeout: однажды понадобилась четвёртая попытка, во втором заходе 2 ноября один повтор тоже пригодился. Это наш опыт с обрывом соединения. Если оборвалось ожидание ответа на уже отправленный запрос, исход неизвестен: прежде чем платить за повтор, проверьте, не появился ли результат.
Пустой alt. 7 ноября проверка статьи о Kubernetes упала на пустом cover_alt. Заполнили, сборка прошла, разметка BlogPosting в порядке.
Цвета старого стиля. Цвета прежнего стиля серии (#11110F, #E8DDC6, #B7FF2A, #FF6A2A) теперь запрещены и проверяются по пикселям готовой обложки. У обложки о Kubernetes 7 ноября доля #B7FF2A и #FF6A2A вышла 0%.
Метки происхождения в сгенерированных обложках
По справке OpenAI у изображений два сигнала происхождения, Content Credentials и водяные знаки SynthID, и картинки из ChatGPT, Codex и OpenAI API содержат оба. Покрытие может различаться в зависимости от продукта, модели, способа экспорта, типа файла и времени создания. Content Credentials, разработанные C2PA, могут теряться при обычных действиях вроде скриншота или конвертации файла, а обрезка, шум, конвертация в JPEG и скриншоты могут затруднить обнаружение сигналов. Наша нарезка в WebP и JPEG тоже конвертация, и подтверждённых данных о том, сохраняются ли метки в готовых файлах, у нас нет. OpenAI советует хранить оригинал и проверять типичные файлы после правки, конвертации и публикации через Content Provenance API. И сигналы не гарантируют, что картинка точна, не отредактирована, законно кому-то принадлежит или показана в правильном контексте. Про права подробнее в статье о нейросетях для генерации изображений.
Чек-лист перед публикацией обложки
- Сцена буквально показывает тезис статьи.
- Заданы оба референса, стиль-референс взят с последней одобренной обложки.
- Пробный прогон сделан.
- В квитанции refs не пустой, роли style и identity на месте.
- Обложка сравнена рядом минимум с двумя живыми в размере карточки.
- Нет надписей, логотипов, глянца, 3D и запрещённых цветов.
- Нарезаны три файла, OG вписан с полями, персонажи целы.
- Alt передаёт смысл сцены и укладывается в требования сборки.
- Указаны og:image и og:image:alt.
- Результат генерации сохранён локально и только потом скопирован на сетевой диск.
Если застряли на том, чтобы собрать концепт и референсы для своей серии, задайте вопрос в Telegram-боте UnderCode.
Частые вопросы об ИИ-обложках
Можно ли сделать обложку ИИ без референсов?
Сгенерировать можно, серию так удержать трудно: у нас четыре такие обложки ушли в цветной глянец и 3D.
Какой размер обложки нужен для соцсетей?
Одного размера на все площадки нет: требования Meta и LinkedIn собраны в таблице выше. Наш OG image 1200×630 JPEG, вписанный с полями.
Нужен ли alt у обложки?
Да. По W3C атрибут alt нельзя опускать даже у декоративной картинки, там он просто пустой. Обложке, которая показывает мысль статьи, нужен смысловой alt, а наша сборка без него не проходит.
Почему на обложке нет текста?
Так задумано концептом: одна мысль на сцену, без надписей и логотипов. Вдобавок Google советует не ставить картинку с текстом в og:image и разметку schema.org.
Читайте также
- Нейросеть для генерации изображений: как выбрать по правкам, тексту и правам
- Как пользоваться ИИ: пять правил из 800 сессий с ИИ за месяц
- Нейросеть для написания текста: черновик по источникам и проверка
- ИИ для создания приложений: как работать с агентами и проверять результат
- Файловый сервер на Samba: общая папка и права доступа для дома и офиса
Источники
- The Open Graph protocol
- Image SEO Best Practices
- Learn About Article Schema Markup
- An image format for the Web
- Decorative Images
- Informative Images
- Images in Link Shares
- Differences in image size and third-party links for organic posts and Sponsored Content
- Open Graph
- Сниппет
- Image generation
- Create image edit
- Provenance signals in OpenAI-generated content
- LinkPreviewOptions
- Image prompting