Нейросети для презентаций: как получить рабочий результат, а не картинки

Недавно ко мне обратились организаторы детского мероприятия. Нужно было привести в порядок презентацию для детей и настроить анимацию в PowerPoint. Когда я открыл материалы, оказалось, что большую часть презентации уже сделали с помощью нейросети.

Сначала я подумал: ну и хорошо, часть работы уже сделана. Но когда начал смотреть внимательнее, стало понятно, что не всё так просто. На первый взгляд некоторые слайды выглядели вполне нормально, где-то даже симпатично. Но вместе с тем было слишком много типичных ИИ-шных галюцинаций: где-то узор не совпадает, где-то элементы как будто живут каждый своей жизнью, шаблонные фразы, не естественные конечности, и так далее. В общем, было видно, что картинки и текст сгенерировали, а дальше особо с ними ничего не делали.

При этом времени на всё было, мягко говоря, немного. Поэтому я не стал даже пытаться вручную исправлять слайды. Для начала очистил их от стиля, подключил языковую модель и с её помощью стал составлять промты для каждого слайда. Дальше “скормил” эти промты нейросети Nano Banana, которая специализируется на визуалах и графике, и с ее помощью отрисовывал слайды. Тут есть момент, который хорошо знаком тем, кто занимается презентациями и графикой. Нейросеть может сделать картинку, которая отлично выглядит сама по себе. Но на выходе это обычно просто одна большая картинка, jpeg одним слоем. Вставил её в PowerPoint — и всё. Нельзя отдельно подвинуть объект, поменять его размер, сделать ему свою анимацию или вообще что-то нормально переделать внутри.

А мне как раз нужно было потом собирать из этих элементов слайды и анимировать их. Поэтому следующим этапом мне предстояло разделить изображение на редактируемые слои. С этим сейчас хорошо справляется Canva. Надо понимать, что при разделении на слои качество отдельных графических элементов может ухудшиться. Также нейросеть не всегда правильно понимает, где заканчивается один объект и начинается другой, поэтому может дорисовывать ненужные артефакты. Тут приходилось проверять, что получилось, и отдельно дорабатывать нужные элементы.

Некоторые из них я потом снова прогонял через Nano Banana — уже не как часть всего слайда, а отдельно. Для каждого элемента делал свой промт и заново генерировал его в нормальном качестве. И только после этого собирал всё в PowerPoint.

В итоге процесс получился примерно такой:

языковая модель → промты → генерация слайда → разделение на слои (Magic Layers) → для отдельных элементов → снова генерация → PowerPoint → верстка → анимация.

Это показательный и хороший пример того, почему фраза «я сделал презентацию с нейросетью» может означать что угодно. Можно за несколько минут сгенерить картинку, вставить её в презентацию и сказать, что все готово. А можно использовать нейросети на разных этапах, чтобы получить материал, с которым потом действительно можно работать. В этом случае нейросеть не сделала за меня всю презентацию, она лишь помогла на отдельных этапах, где действительно была полезна. А часть работы всё равно пришлось делать руками. Но! При том, что я не владею графическими редакторами, без нейросетей эта работа была бы для меня недостижима, кроме как с привлечением дизайнера. Она заняла бы раз в 7 больше времени и стоила бы бесконечно дороже.

Со мной согласны и дизайнеры тоже:

Что еще хочу сказать. На мой взгляд, сейчас это довольно типичная картина с ИИ: дело уже не столько в том, какая нейросеть лучше, сколько в том, как ты выстраиваешь рабочий процесс из нескольких ИИ-инструментов.