ИИ для главного фото товара: что реально работает в 2026, а что — мусор
Тема горячая: «загрузил товар в Midjourney, получил главное фото, не платил студии». На бумаге звучит как мечта, на практике — половина таких карточек либо проседают в выдаче из-за низкой конверсии, либо приезжают в бан за нарушение правил площадки. Разберём честно: где генеративный ИИ для фото на маркетплейсе действительно работает, а где это путь в никуда.
Что вообще делают модели
Сегодня в практике селлера применяются три класса инструментов. Midjourney — генеративная модель с самой сильной эстетикой, отлично рисует обстановку, свет, атмосферу. DALL·E внутри ChatGPT — удобно для быстрых правок и для последовательного диалога: «сделай то же самое, но поменяй фон на белый». Stable Diffusion и его производные — для тонкой работы с подложкой и кропами через ControlNet и LoRA, когда нужно вписать реальный товар в новый фон.
Все три по сути умеют две принципиально разные вещи. Первая — сгенерировать товар «с нуля» по описанию. Вторая — взять уже существующее фото товара и поменять у него фон, освещение, окружение или добавить инфографику. Это и есть водораздел между «работает» и «не работает».
Генерация товара с нуля: почему это путь в бан
Когда селлер просит модель «нарисуй термокружку синего цвета с надписью “mountain” на белом фоне», на выходе он получает картинку несуществующего предмета. У этой картинки нет реального прообраза: пропорции, текстура крышки, шрифт надписи — всё это интерпретация модели. Использовать такое как главное фото — значит обещать покупателю товар, который физически отличается от того, что приедет в коробке.
Здесь сразу два пересекающихся риска. Первый — правила площадки. И Ozon, и WB прямо требуют, чтобы главное фото соответствовало товару. Несоответствие — основание для удаления карточки, штрафа, а при повторе — блокировки. Модерация в 2026 году научилась хорошо отличать сгенерированные изображения: текстуры, освещение, мелкие артефакты на отражениях, нелогичный шрифт — всё это маркеры, на которые натренированы фильтры. Карточка может пройти модерацию с первого раза, а вылететь по жалобе конкурента через месяц.
Второй риск — возвраты и отзывы. Покупатель открывает коробку и видит, что цвет реальной кружки чуть холоднее, чем на рендере, надпись чуть тоньше, ручка чуть другая. Это автоматический возврат, плюс отзыв «обманули, фото не соответствует». Несколько таких отзывов — и карточка просела не от модерации, а от падения конверсии.
Поэтому правило простое: главное фото «нарисовать в Midjourney» — это не экономия на студии, это отложенный убыток. На любом сколько-нибудь массовом товаре эта схема ломается за два-три месяца.
Что разрешают Ozon и WB
Обе площадки относятся к ИИ-обработке без идеологии, но с твёрдыми границами. Что точно допустимо: чистка фона, замена белой подложки, цветокоррекция, удаление мелких дефектов реальной съёмки, ретушь модели, добавление инфографики поверх честного фото товара. Это считается обычной постобработкой и никаких санкций не несёт.
Что в серой зоне: подстановка товара на «новый» сгенерированный фон, добавление окружения, которого не было на исходной съёмке. Формально не запрещено, но если фон создаёт ложное впечатление о товаре — например, у одежды дорисованы декоративные элементы, которых в реальности нет, — это уже нарушение.
Что прямо запрещено: товар, изображённый целиком сгенерированно; модели, у которых дорисованы части тела или одежда; коллажи, где из реального товара «вытащены» характеристики, которых у него нет; имитация бренда или дизайна, на которые нет прав.
Отдельный пункт — лица. Использование сгенерированных лиц на главном фото моделей одежды балансирует на грани: формальных запретов на это пока нет, но фильтры регулярно начинают помечать такие фото как «не настоящие» и снижать им показы. Большинство опытных селлеров возвращаются к живой съёмке именно из-за этого.
Где ИИ для фото реально полезен
Самая выигрышная область — инфографика на дополнительных фото карточки. Здесь работает чистая комбинация «реальное фото товара плюс ИИ-инфографика поверх». Модель помогает быстро накидать иконки преимуществ, схематичные сравнения «было/стало», подложки с цифрами, аккуратные блоки текста. То, что раньше делал дизайнер за два дня, агент собирает за пару часов, и качество отличается уже не радикально.
Вторая полезная область — замена фона у имеющейся съёмки. Снял товар на белом дома, через ИИ перенёс на стилизованную интерьерную подложку, чтобы дополнительные фото выглядели богаче. Если сам предмет на фото остался настоящим, площадки относятся к этому спокойно, а карточка визуально подтягивается до уровня брендов с собственной студией.
Третья — ретушь и доводка. Удалить пылинку на чёрном корпусе, выровнять цвет упаковки, поправить блик от лампы, привести серию фото к единому свету. Раньше это делал ретушёр в Photoshop по полчаса на кадр, сейчас ИИ-инструменты вытягивают это за минуту, и порог входа для селлера упал почти до нуля.
Vision-модели для анализа конкурентов
Отдельная и недооценённая тема. Современные vision-модели вроде GPT-Vision и аналогов умеют не генерировать, а смотреть. Это значит, что ИИ-агенту можно отдать главное фото твоей карточки и главные фото пяти лидеров ниши, и попросить сравнить.
На выходе получаешь конкретный разбор. «У тебя товар занимает 60 процентов кадра, у лидеров — 80. У троих лидеров вынесены три ключевых преимущества прямо на главное фото, у тебя — ни одного. У двух лидеров используется тёплый свет, твоё фото холодное и кажется дешевле». Это профессиональный аудит, который обычно стоит как несколько ставок дизайнера, а тут он автоматический и повторяется по любой нише за десять минут.
Дальше эти выводы либо превращаются в правки своими силами, либо в техзадание фотографу. В обоих случаях экономия времени и денег заметная, а карточка становится сильнее конкретно по тем параметрам, в которых проседала.
Гибридный подход
Сводим в одну схему то, что реально работает в 2026. Главное фото — настоящая съёмка товара. Можно домашняя, если предмет компактный и поддаётся ровному свету; можно из мини-студии за условные пару тысяч в час. На этом фоне ИИ помогает с чисткой, выравниванием цвета и заменой подложки на нейтрально-стильную.
Дополнительные фото — гибрид. Реальный товар плюс ИИ-инфографика: иконки, блоки преимуществ, схемы сравнения с конкурентом, размерная сетка с фотографией в масштабе. Здесь генеративные модели дают наибольший прирост качества при минимальных рисках.
Анализ — полностью на vision-моделях. Раз в две недели прогоняешь конкурентов и свои карточки через агента, получаешь список визуальных слабых мест, по приоритетам закрываешь. Этот цикл — то, что отличает магазин, который год выглядит одинаково, от того, который последовательно подтягивается под лидеров ниши.
А вот «нарисовать товар целиком» оставь экспериментаторам, которые готовы потерять кабинет. На дистанции это не работает ни на одной из площадок, и в 2026-м эта тенденция только усиливается.
Сколько это стоит и как считать окупаемость
Подписка на одну из генеративных моделей обходится в условные несколько тысяч рублей в месяц. Vision-агент для аудита — либо часть установленной AI-команды, либо отдельная подписка сопоставимого порядка. Если сравнивать с одной полноценной фотосессией в студии, эти суммы окупаются буквально первым месяцем, при условии что у тебя больше десяти активных карточек и есть, что улучшать.
Считать окупаемость стоит не на уровне «нарисовали красивее», а на уровне конверсии. До правки фото была кликабельность по карточке такая-то и конверсия из клика в заказ такая-то. После — стало вот так. Если рост хотя бы на пятую часть удержался две-три недели, инвестиция себя оправдала. Если изменений нет, значит проблема была не в фото, а в цене, в позиции в выдаче или в характеристиках, и переделывать визуал дальше — пустая трата времени.
Именно такая дисциплина и отличает работу с ИИ-инструментами от хаотичного «попробуем нейросеть, вдруг попрёт». Площадки в 2026-м награждают не за модное использование технологий, а за то, насколько карточка реально соответствует ожиданиям покупателей. ИИ — это удобный способ дойти до этого соответствия быстрее и дешевле, но он не отменяет ни честной съёмки реального товара, ни обычной аналитики после каждого изменения.