Промт для пожилой женщины чаще всего «ломается» на одном и том же месте: нейросеть сглаживает возраст, и вместо выразительного портрета получается женщина лет сорока с лёгкой сединой. Причина почти всегда в формулировке — модель недополучила явных маркеров возраста и «подстраховалась» в сторону молодого лица, которых в обучающих данных больше. Проверьте первым делом, есть ли в запросе конкретные слова: elderly woman, wrinkles, grey hair, а не расплывчатое «мама» или «бабушка» без описания.
В этой статье разберём, какие слова и конструкции реально влияют на результат, как меняется промт в зависимости от модели — Midjourney, Stable Diffusion, DALL-E, — и какие типичные ошибки приводят к «омоложению» портрета или артефактам на коже. Все рекомендации даны как проверяемые приёмы: если конкретный параметр не поддерживается вашей версией модели, просто пропустите его.
Что нейросеть понимает под «пожилой женщиной»
Генеративные модели опираются на статистику обучающих данных. Слово woman само по себе тянет результат к молодому лицу, потому что таких изображений в датасетах исторически больше. Чтобы сдвинуть генерацию в сторону возраста, нужны явные возрастные маркеры, причём желательно несколько сразу — одного слова часто недостаточно.
К рабочим маркерам относятся: elderly woman, old lady, senior woman, in her 70s (или 80s), deep wrinkles, grey hair, silver hair, age spots. Указание конкретного возраста («in her 70s») обычно работает надёжнее абстрактного «old», потому что даёт модели понятный диапазон внешности.
Обратная ситуация тоже встречается: модель делает лицо чрезмерно измождённым, с карикатурными морщинами. Это признак того, что маркеров возраста слишком много или они конфликтуют со словами вроде beautiful, glamorous. В таком случае уберите часть усилителей и оставьте два-три ключевых.
💡Одно слово «old» не гарантирует возраст на картинке. Используйте связку: возрастная категория + 2–3 физических признака (морщины, седина, черты лица).