undercode_
  1. Главная
  2. Блог
  3. ИИ-обложка для статьи: серия, референсы и размеры
Человек с лупой сравнивает ряд похожих обложек в окне браузера, рядом робот с раскрытой книгой

Кейс16 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:

  1. Придумать сцену, которая буквально показывает тезис статьи.
  2. Передать модели два референса: один задаёт стиль, другой персонажей.
  3. Сделать пробный прогон, а после генерации открыть квитанцию и убедиться, что оба референса ушли в запрос.
  4. Поставить новую обложку рядом минимум с двумя живыми в размере карточки блога и сравнить.
  5. 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:

РольОткуда берёмЧто она держит
Стиль (style)последняя одобренная обложка сериифон, палитру, толщину линий, плотность
Персонажи (identity)обложка с человеком и роботомвнешность 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.

НазначениеРазмерФорматОткуда требование
Hero в статье1600×900WebPнаш выбор
Карточка ленты блога800×450WebPнаш выбор
OG image для превью ссылки1200×630JPEGнаш выбор по рекомендации Meta
Превью ссылки в Facebookне меньше 1200×630, минимум 600×315, около 1.91:1не заданрекомендации Meta
Сторонняя ссылка в органическом посте LinkedIn3:2 или 16:9не задансправка 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

  1. Сцена буквально показывает тезис статьи.
  2. Заданы оба референса, стиль-референс взят с последней одобренной обложки.
  3. Пробный прогон сделан.
  4. В квитанции refs не пустой, роли style и identity на месте.
  5. Обложка сравнена рядом минимум с двумя живыми в размере карточки.
  6. Нет надписей, логотипов, глянца, 3D и запрещённых цветов.
  7. Нарезаны три файла, OG вписан с полями, персонажи целы.
  8. Alt передаёт смысл сцены и укладывается в требования сборки.
  9. Указаны og:image и og:image:alt.
  10. 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

Источники

  1. The Open Graph protocol
  2. Image SEO Best Practices
  3. Learn About Article Schema Markup
  4. An image format for the Web
  5. Decorative Images
  6. Informative Images
  7. Images in Link Shares
  8. Differences in image size and third-party links for organic posts and Sponsored Content
  9. Open Graph
  10. Сниппет
  11. Image generation
  12. Create image edit
  13. Provenance signals in OpenAI-generated content
  14. LinkPreviewOptions
  15. Image prompting
Консультация · 60 минут · 6 000 ₽Обсудить свою задачуОпишите задачу в Telegram-боте, разберём её на созвоне.