Половина неудач с генерацией — это запрос из трёх слов. Разбираю, из чего он собирается.
Первым идёт предмет: что именно в кадре. Дальше действие или состояние: что с ним происходит. Без этого генератор достраивает сам, и результат случайный.
Потом окружение: где это происходит, какой свет, какое время суток. Свет влияет на итог сильнее всего остального.
Дальше съёмочные параметры: план, ракурс, глубина. Именно они отличают кадр от картинки, и именно их чаще всего пропускают.
В конце отсечения: чего в кадре быть не должно. Обычно — это текст, лишние руки и логотипы.
После генерации всё равно доделывают руками: кадрирование под формат, свой цвет, подпись сверху: как вытянуть слабый исходник.
Работающий запрос — это описание кадра целиком. Чем точнее сцена в голове, тем ближе результат.