
Убрать объект с фото онлайн нейросетью: без пятна на его месте
На живом примере разбираем, почему после удаления объекта на фото остается пятно, и как в GPT Image 2 и Nano Banana убрать объект с фото без следа. …
17 сентября 2026 г.
Автор: SEEMSEZ · 19 сентября 2026 г.
Портрет поколений из нескольких снимков склеивается за один присест, а если честно - минут за пятнадцать, когда фото уже под рукой. Нужно два-четыре кадра из разных лет: бабушка в молодости, мама в свои двадцать, вы сегодня. Дальше GPT Image 2 и два прогона с текстом: сначала общая сборка в одном кадре, потом выравнивание эпох - одежды, света, фона. На выходе один снимок, где три поколения будто стояли рядом у одного окна, хотя между исходниками полвека разницы.
Тренд с семейными портретами в духе "три поколения в одном кадре" набрал обороты этой осенью: в ленте все чаще мелькают карточки, где рядом стоят бабушка с черно-белого фото шестидесятых, мама с пленочного снимка девяностых и дочь с айфона. Все трое в одном освещении, будто фотограф правда собрал семью в студии и щелкнул один кадр. На деле это монтаж из архивных снимков, которые никогда не пересекались физически, но выглядят так, будто их сделали в один день.
Людей цепляет не сама технология, а результат: у большинства архив разрознен - у бабушки черно-белые карточки с загнутыми углами, у мамы блеклые пленочные, у себя четкие цифровые. Свести их в один портрет руками в редакторе почти нереально, а нейросеть делает это за один заход, сохраняя черты лица и не превращая людей в мультяшных персонажей.
Прежде чем открывать GPT Image 2, стоит перебрать домашний архив и выбрать кадры, где лица видны прямо, без резких ракурсов сбоку. Если единственное фото бабушки - мутный скан с царапинами, его лучше сначала прогнать через восстановление: отдельно разбирали, как восстановить старое фото нейросетью просто, и уже чистый вариант вести дальше в сборку портрета. Если задача проще - просто сложить несколько кадров рядом без слияния лиц в один образ, подойдет и обычный коллаж: про это есть отдельный разбор, как сделать коллаж онлайн из своих фото за 5 минут, но это другой жанр - там фото остаются раздельными, а не сливаются в общий кадр.
Что стоит проверить в исходниках перед загрузкой:
Хвост запроса "портрет поколений 4 человека" встречается в поиске так же часто, как и вариант с тремя: если в кадр нужно добавить еще и прабабушку или сестру, логика та же, просто в первый шаг загружается на одно фото больше.
Дальше все делается прямо в браузере через SEEMSEZ, без установки программ и без танцев с масками в фоторедакторе.
Шаг 1. Откройте GPT Image 2 в разделе "Изображения" и загрузите два-четыре фото родных из разных лет. В поле промпта опишите задачу без лишних деталей: "собери из этих фото один семейный портрет в одном кадре, единое освещение и стиль, черты лиц не менять". Пример полного промпта: "Объедини людей с загруженных фото в один групповой портрет: бабушка, мама, дочь стоят рядом, смотрят в камеру, освещение мягкое студийное, фон нейтральный серый. Сохрани точные черты лиц и пропорции, не меняй форму глаз и носа."
Шаг 2. Когда общий кадр готов, второй заход нужен, чтобы стереть разницу в эпохах: одежда с фото шестидесятых рядом с современной курткой смотрится странно. Промпт для этого шага: "Приведи одежду всех троих к единому стилю - простая современная одежда нейтральных тонов, убери черно-белую часть кадра и сделай цвет одинаковым для всех, выровняй цветовую температуру и общий фон под один интерьер". Если один из исходников черно-белый, отдельно добавьте в промпт "переведи черно-белую часть в естественный цвет, без чрезмерной насыщенности".
Из чего в итоге складывается рабочий промпт для портрета поколений:
Отдельный частый запрос - "портрет поколений на черном фоне", это скорее не отдельная технология, а еще один параметр в том же промпте: "фон однотонный черный, свет направленный сверху, легкий контровой блик по контуру волос". Черный фон визуально выравнивает разные по качеству исходники лучше, чем светлый - на нем меньше заметны швы между кадрами разных эпох.
Первый прогон почти никогда не выходит идеальным, и это нормально - дело не в вас и не в неудачном фото, просто нейросети сложнее всего держать баланс между "похоже на всех троих" и "выглядит как одна фотография".
Если модель смешала черты лиц вместо того, чтобы просто поставить людей рядом, в промпте нужно явно продублировать запрет: "не смешивай черты лиц между людьми, каждый должен остаться узнаваемым как на исходном фото". Иногда помогает загрузить фото по одному через повторный заход, а не все четыре разом - так модель меньше путает, кому какое лицо принадлежит.
Бывает, что после первого промпта бабушка так и осталась в кофте из шестидесятых, а дочь в толстовке двадцать пятого года - визуально разрыв в полвека виден сразу. Здесь помогает более жесткая формулировка во втором шаге: указать конкретный стиль одежды словами, а не просто "сделай одинаковым" - "надень на всех троих простые вязаные свитера нейтральных бежевых тонов".
Кроме смешения черт, есть еще пара мест, где сборка обычно спотыкается, и обе чинятся правкой промпта, а не пересъемкой.
Если на исходниках свет падал с разных сторон - у бабушки слева, у мамы справа - итоговый портрет иногда получается с нелогичными тенями на лицах. В промпт стоит добавить направление света явно: "свет падает слева сверху равномерно на всех троих, без резких теней". Это снимает у модели необходимость додумывать физику освещения самостоятельно.
Если на исходном групповом снимке уже было несколько человек, модель иногда путает, кого именно переносить в портрет поколений. Лучше заранее обрезать в каждом фото лишних людей и оставить в кадре только того, кто должен попасть в финальный портрет - так задача сужается и результат становится точнее.
Если после сборки портрет получился с явными артефактами на фоне - размытыми пятнами, странным ореолом вокруг волос - проще не переделывать все заново, а отдельно поправить именно фон: тут пригодится разбор как заменить фон на фото без ореола и света, логика там та же самая.
Портрет поколений не обязан быть строго про троих. Вариант с четырьмя людьми в кадре - прабабушка, бабушка, мама, дочь - собирается тем же способом, просто в первый шаг добавляется еще один исходник и в промпте явно прописывается порядок: кто стоит слева, кто справа, кто в центре. Модель охотнее держит композицию, если порядок задан словами, а не оставлен на ее усмотрение.
Отдельно стоит сценарий "современное поколение" - когда наоборот нужно омолодить старый портрет до актуального стиля одежды и фона, без смешения с другими людьми. Промпт тогда короче: "оставь лицо и позу без изменений, поменяй только одежду и фон на современные, естественное дневное освещение".
Если задача не в точной склейке, а в общем настроении семейного альбома, можно вообще не выравнивать эпохи до конца - оставить легкую черно-белую дымку у старших и цвет у младших, это тоже читается как осознанный художественный прием, а не как ошибка.
Генерация в GPT Image 2 идет из общего баланса токенов аккаунта SEEMSEZ, отдельной фиксированной цены за эту задачу нет - один прогон обычно укладывается в стоимость пары обычных генераций изображения.
Да, при регистрации в SEEMSEZ начисляются стартовые токены, которых хватает на несколько пробных прогонов, включая правки промпта на месте.
Чаще всего модель смешала черты нескольких людей или взяла слишком мелкое лицо с фото низкого качества. Помогает явный запрет на смешение черт в промпте и более крупный кадр лица на входе.
Одна генерация занимает от тридцати секунд до пары минут в зависимости от загрузки сервиса, весь путь с двумя шагами и правками обычно укладывается в десять-пятнадцать минут.
Да, для работы с GPT Image 2 и сохранения истории генераций нужен аккаунт SEEMSEZ, сам процесс входа занимает меньше минуты.
Начните создавать вместе с SEEMSEZ
На живом примере разбираем, почему после удаления объекта на фото остается пятно, и как в GPT Image 2 и Nano Banana убрать объект с фото без следа. …
17 сентября 2026 г.

Как нейросеть пишет поздравление с деталями про человека и собирает видео-поздравление из фото: примеры промптов, инструменты, частые ошибки новичков. …
15 сентября 2026 г.

Показываем восемь задач для нейросети на фото: ретушь, смена фона, апскейл, стиль. Разбираем слабый и сильный промпт и какая модель для чего подходит. …
13 сентября 2026 г.

Пошаговый гайд на четырех рилсах seemsez: кальмар-мойщик, котенок-паук, Maserati в Москва-Сити и Ктулху во льду. Модели Seedance 2.5 и GPT Image, структура промпта, типичные ошибки, полные промпты и готовые видео. …
11 сентября 2026 г.