Как копировать стиль продукта через ChatGPT
Этот промт не про магию, а про дисциплину. Даете ChatGPT референсы — он собирает визуальный ДНК бренда в JSON, и дальше этот стиль можно натянуть на новый товар, баннер или обложку.
Что этот промт делает на самом деле
Этот промт не про магию, а про разбор визуального языка. Даете ChatGPT несколько референсов — и он вытаскивает не сам товар, а правила: цвет, свет, композицию, шрифтовую логику, фактуры, постобработку.
На моей практике именно так экономится время на старте. Когда дизайнеру или маркетологу надо быстро собрать новый креатив в том же вайбе, не нужно рисовать всё с нуля. Берете стиль как каркас, меняете продукт, оффер и фон — и уже есть рабочая основа.
У клиента было 12 карточек товара и бюджет 120к в месяц. Им не нужен был «уникальный арт», им нужна была стабильная визуальная сетка, чтобы лента не распадалась. Вот такой JSON-профиль и помогает собрать единый вид без лишней возни.

Как я бы запускал его на практике
Схема работает лучше всего, когда вход нормальный. Берите 1–5 картинок с одним настроением, одной типографикой и похожим освещением. Если смешать минимализм, глянец и кислотный поп-арт, модель начнёт усреднять и стиль получется рыхлый.
Перед генерацией я бы сначала подготовил сам товар. Если фон шумный, лишние предметы лезут в кадр, а потом модель пытается учитывать этот мусор как часть дизайна. Для этого удобно удалить фон у товара, а уже потом собирать новую сцену.
Дальше просите не просто описание, а именно JSON без пояснений. Структура важна, потому что её потом проще использовать в следующем запросе: отдельные блоки про палитру, свет, композицию, декор. Ага, тут как раз начинается нормальная связка между аналитикой и генерацией.

Из каких блоков должен состоять стиль
Сама ценность промта — в том, что он собирает не абстрактный вайб, а мини-спеку. По сути это упрощённый дизайн-системный документ, только без лишней бюрократии. И это хорошо, потому что модели легче работать с правилами, чем с общими словами.
Цвет и свет
Здесь важно вытащить доминирующие тона, переходы, контраст и характер света. Если в рефах много воздуха и мягких теней — так и пишите. Если картинка дерзкая, контрастная, с кислотным акцентом, не надо притворяться, что это просто ярко. Лучше дать четкое описание: одна основная палитра, один акцент, уровень насыщенности, тип градиента.
Композиция и типографика
Вот тут часто ломается весь креатив. Модель может угадать цвета, но если не прописать расположение объектов и роль текста, на выходе будет красивый, но неудобный макет. На моей практике 7 из 10 слабых баннеров проваливались именно на иерархии, а не на цвете. Указывайте, где центр, где плавающий объект, где группировка, где перспектива, и отдельно — какая типографика нужна: жирная, чистая, игривая, техно или editorial.
Декор, шум и постобработка
Здесь живут glow, stroke, блики, зерно, тени, burst-эффекты и прочие штуки, которые делают картинку живой. Помню как-то мы тестировали промт для игровой рубрики и без этого блока всё выглядело плоско, как черновик без финального прохода. И не забывайте про общий ярлык стиля — sports aesthetic, clean tech, pop art, premium editorial. Это якорь для модели: он фиксирует настроение и не даёт запросу расползтись, когда товар уже совсем другой.

Где эта схема приносит пользу
Лучший кейс для такой схемы — карточки товаров и рекламные обложки. Сначала приводите исходник в порядок, потом примеряете стиль, потом уже добавляете оффер. Если товар без фона, без мусора и без лишних теней, результат обычно в два раза чище.
Для соцсетей это тоже работает, но там важна связка визуала и текста. После генерации изображения удобно сгенерировать подписи для соцсетей и подобрать хэштеги под креатив. Тогда у вас не просто картинка, а уже нормальный постовый пакет.
Если делаете серии баннеров, я бы сразу смотрел в сторону автоматизации. собрать анимированный баннер можно в одном стиле, а когда таких задач много, помогает автоматизировать выпуск баннеров. Для Telegram-цепочек и повторного размещения ещё пригодится разослать готовые посты в Telegram. Ну и всё, контент-поток уже не разваливается вручную.
Ошибки, из-за которых результат плывёт
Главная ошибка — смешивать в одном запросе слишком разные референсы. Один кадр премиальный, второй детский, третий будто из fashion-редакции, четвёртый из технокаталога. Модель честно пытается всех примирить и в итоге выходит средний стиль без характера.
Помню как-то мы дали шесть рефов сразу — и итоговый стиль стал таким усреднённым, что его не хотелось никуда ставить. Это нормальная реакция модели, не баг. Просто вход был кривой.
Вторая ошибка — просить копию, а не правила. Копировать чужой бренд один в один я бы не советовал вообще: лучше вытаскивать форму, а не идентичность. Нужно не лого, не текст, не конкретные товары, а цвет, композиция, типографика и пластика. Тогда результат остаётся похожим по языку, но не по содержанию.
Третья штука — слишком рыхлое ТЗ. Если не указать, что нужен только JSON, модель начнёт объяснять, почему она так решила, и полезет в лишние слова. На выходе получется длинный ответ, который красиво читать, но неудобно использовать. И ещё один момент — не забывайте про ограничения: прямо пишите, что нельзя использовать логотипы, лишний текст, людей в кадре или случайные декоративные элементы. Чем точнее запрет, тем меньше мусора в финальном визуале.
Как превратить стиль в контент-поток
Если у вас много контента, такой промт лучше не использовать как разовую игрушку. Из него можно собрать постоянный рабочий процесс: один стиль-профиль, потом серия адаптаций под разные форматы. Это уже не поигрались с ИИ, а полноценный production-цикл.
Я бы делал так: сначала создаёте базовый JSON, потом из него строите квадрат для ленты, вертикаль для сторис и расширенный баннер для рекламы. Когда всё делается в одном визуальном ключе, бренд не прыгает из стиля в стиль. Короче, зритель начинает узнавать вас быстрее, и это заметно даже без глубоких аналитик.
Если нужно выпускать такие штуки сериями, удобно автоматизировать сборку и публикацию. Тут хорошо заходят автоматизировать выпуск баннеров, потом быстро добивать текст через сгенерировать подписи для соцсетей, а при работе с Telegram ещё и разослать готовые посты в Telegram. Если есть обложки под сетку, можно заодно собрать анимированный баннер и проверить, как стиль живёт в движении.
Часто задаваемые вопросы
Сколько референсов лучше загружать?
Подходит ли этот промт для маркетплейсов?
Можно ли брать чужой бренд как ориентир?
Что делать, если JSON выходит слишком общим?
Подходит ли схема для соцсетей и рекламы?
Этот промт хорош тем, что он не просит модель сделать красиво, а учит её описывать визуальные правила. А значит, потом эти правила можно повторять хоть в карточках, хоть в сторис, хоть в баннерах.
На моей практике такие схемы лучше всего работают, когда у человека есть нормальный вход, ясное ТЗ и готовность править вторую итерацию. Дали стиль, собрали JSON, проверили, докрутили — и дальше уже не хаос, а повторяемый процесс.