Причина техническая, а не в подборе слов. Я заставлял две модели делать то, для чего они не предназначены, и не проверил третью — которая умеет ровно то, что нужно.
Nano Banana — это Gemini, а Gemini создан для РЕДАКТИРОВАНИЯ изображений, а не для переноса стиля. Приложенную картинку он читает как подсказку о содержимом, а не как эталон манеры. Отсюда всё, что тебя бесило: он слушает текст и рисует своё видение, игнорируя реф. Это не настройка, это его архитектура.
Midjourney наоборот: --sref — его сильнейшая функция, стиль он снимает точно. Но следование промпту у него слабое, отсюда современные здания в римских сценах и косяки в фигурах.
Я три дня пытался вытащить стиль из редактора и точность из стилизатора. Это была моя ошибка постановки задачи.
Модель из нашего же тарифа, которую я не проверил. У неё референсы и текст работают в единой архитектуре — она берёт манеру с картинки и при этом выполняет постановку.












| Стиль с рефа | Следование промпту | Чистота | Разрешение | |
|---|---|---|---|---|
| Nano Banana | игнорирует | отличное | чисто | 5504×3072 |
| Midjourney | точно | слабое | артефакты | 1456×816 |
| Seedream 5.0 | точно | отличное | чисто | 2048×2048 |