Потенциал нейросетей в генерации фотореалистичного контента для медиа

Раздел: Новые медиа

Цифровизация трансформирует медиасферу и работу журналистов. Одним из наиболее актуальных вызовов стало появление искусственного интеллекта. Самым развитым его направлением пока является генерация текстов и иллюстраций, хотя уже имеются значимые достижения и в других форматах. В настоящей статье сделано предположение, что нейросети уже в состоянии стать субститутом фотографических изображений. Для подтверждения этой гипотезы в качестве примера проанализированы пять популярных нейросетей, генерирующих иллюстрации: Midjourney, Leonardo, Kandinsky, Stable Diffusion и «Шедеврум». В качестве метода исследования выбран опрос, в котором приняли участие 293 респондента. Им были представлены иллюстрации, сгенерированные в указанных нейросетях, и реальные фотографии и было предложено определить, где настоящее фото, а где – сгенерированное искусственным интеллектом. По итогам выяснилось, что каждая представленная нейросеть уже способна создать изображение, неотличимое от фото. Однако некоторые нейросети пока делают это качественнее и быстрее других.

Введение

Цифровизация как новейший этап развития мирового сообщества не только видоизменила каналы распространения информации, но и предельно динамизировала технологический прогресс, что приводит к кардинальным изменениям в различных сферах человеческой деятельности. Глобальные процессы обусловили также кардинальную перестройку стратегий и тактик медиакоммуникаций и журналистской деятельности (Вартанова, 2022). 

Изменения затронули прежде всего форматы творческой работы журналистов, особенно в ситуации конкуренции с индивидаминепрофессионалами, такими как инфлюенсеры, блогеры и гражданские журналисты (Макеенко, Вырковский, 2021). Однако настоящим вызовом современности стал искусственный интеллект (ИИ). Цифровизация, включая развитие социальных сетей, новых медиаформатов и ИИ, трансформирует медиаиндустрию, создавая новые возможности и предлагая новые вызовы, требующие постоянного освоения актуальных навыков и адаптации к стремительно меняющимся технологическим реалиям (Дугин, 2024).

На момент написания настоящей статьи (январь 2025 г.) нейросети уже способны генерировать простые тексты и создавать иллюстрации, неотличимые от реальных фотографий. Возможности аудио и видео еще находятся в начальной точке своего развития, однако журналисты уже могут генерировать простые видео и Reels и даже создавать собственные цифровые аватары для проведения трансляций. Это становится триггером и огромных возможностей, и экзистенциальных рисков для специалистов, чью работу уже сейчас может взять на себя искусственный интеллект. Появляются вопросы о способности искусственного интеллекта стать конкурентом человека в ракурсе творчества (Распопова, 2024; Гончарова, 2023; Носова, 2023).

Визуальный контент в современных медиа играет ключевую роль. Младшее, цифровое поколение ориентировано преимущественно на визуальную составляющую (Каштанова, 2024). В связи с этим развитие нейросетей, способных генерировать фотореалистичные иллюстрации, открывает новые перспективы. Ведущие СМИ в России и за рубежом уже активно используют нейросети в своей деятельности (Давыдов, Замков, Крашенинникова, Лукина, 2023). Специалисты используют ИИ не только собственно в журналистике, но и в таких смежных сферах, как реклама, PR, маркетинг, работа с социальными сетями (Яблонских, 2024).

Необходимо сразу оговориться, что «искусственные», сгенерированные иллюстрации, разумеется, не должны использоваться в общественно-политических изданиях, призванных объективно отражать актуальные, наиболее значимые события. Применение технологий генерации контента сопряжено с целым рядом этических проблем (Быльева, 2023; Волкова, 2023; Алексеев, Алексеева, 2024), в частности с недопустимостью создания фейков, проблемой правомерного использования чужих изображений, обеспечения объективности и достоверности публикуемой информации (Меджанова, Атаева, 2024). Возникают и юридические дилеммы (Чумичева, 2024), поскольку неясно, кто является автором сгенерированной иллюстрации. 

Вместе с тем существует огромное количество нишевых, узкоспециализированных изданий, в которых изображения выполняют сугубо иллюстративную функцию. Ранее такие средства массовой информации использовали фотобанки: крупные СМИ – собственный фотобанк, остальные чаще использовали специализированные сайты, платные и бесплатные. Однако поиск нужного изображения в фотобанке, особенно бесплатном, может занять часы. С развитием нейросетей логично будет использовать генерацию иллюстраций при помощи искусственного интеллекта. Как показало наше предыдущее исследование (Мухина, Олешко, 2024), пока что этим в основном пользуются медиафрилансеры, которые становятся все более значимой социальной группой с развитием цифровых технологий и особенно после локдауна, объявленного в период пандемии COVID-19 (Norbäck, 2022; Josephi, O’Donnell, 2022; Himma-Kadakas, Mõttus, 2021). Многие издания все больше привлекают к своей деятельности удаленных внештатных журналистов (Hayes, 2021; Hagar, Wachs, Horvát, 2021). 

В числе основных преимуществ выбора в пользу генерации иллюстраций – значительная экономия ресурсов (финансов, времени) и возможность визуализации сложных и даже нереалистичных тем, а также сценариев, которые при реальной фотосъемке были бы опасны или требовали слишком больших затрат. 

В рамках настоящего исследования мы задались вопросом, насколько нейросети уже могут служить субститутом фотографических изображений в средствах массовой информации. Важно отметить, что нейросети постоянно развиваются, качество сгенерированных иллюстраций стремительно растет. Регулярно появляются и новые конкуренты на этом рынке. Рискнем предположить, что в 2026 г. проблема фотореализма при генерации в любой нейросети перестанет существовать в принципе. Однако тем интереснее зафиксировать настоящий, переходный этап, когда первые, наиболее качественные нейросети только начинают успешно справляться с задачей генерации фотореалистичного контента. 

Мы также предположили, что генерация фотореалистичного изображения является наиболее сложной задачей для ИИ. Сгенерировать аниме или другую «нарисованную» иллюстрацию сможет сегодня любая популярная нейросеть. Фотореализм же – это на сегодняшний день вызов на пределе возможностей для многих нейросетей, особенно при изображении сложных сюжетов – с участием людей и с множеством деталей.

По итогам предыдущего исследования (Мухина, Олешко, 2024) мы выбрали пять нейросетей для генерации изображений: 

Kandinsky, Leonardo, Midjourney, Stable Diffusion и «Шедеврум». Эти нейросети оказались наиболее популярными у российских журналистов. Вместе с тем подчеркнем, что в рамках настоящего исследования важны не столько конкретные нейросети (поскольку ситуация на рынке стремительно трансформируется), сколько в принципе способность искусственного интеллекта заменить фотографию.

Мы также выдвинули гипотезу, что нейросети условно можно разделить на «сильные» (к ним мы отнесли Midjourney и Leonardo), способные справиться с наиболее сложными задачами, и «слабые» (к ним мы отнеслиKandinsky и Stable Diffusion), возможности которых пока с трудом удовлетворяют минимальным требованиям. Мы предположили, что «Шедеврум» занимает промежуточное положение. 

Методика исследования

Мы провели опрос, использовав в качестве площадки гуглформы¹, в которые были загружены 60 иллюстраций: по 10, сгенерированных в пяти вышеуказанных нейросетях (Kandinsky, Leonardo, Midjourney, Stable Diffusion и «Шедеврум»), а также 10 реальных фотографий. Все сгенерированные иллюстрации были максимально приближены к фотореализму. 

Каждые 10 иллюстраций отражали следующие темы:

–     условный натюрморт (например, чашка кофе, круассан и цветы на столе); 

–     животное (мы ограничились собаками и кошками);

–     помещение внутри (комната); 

–     здание снаружи (улица); 

–     человек в действии (это иллюстрация, в которой присутству-ет человек, а у самой картины есть сюжет: например, танцующая балерина или пожилой африканец, с болью смотрящий вдаль, на фоне мусорных баков); 

–     человек (погрудный портрет);

–     рука, демонстрирующая какой-либо жест или протягиваю-щая предмет (например, цветы, яблоко или бутылку воды); 

–     природа;

–     статуэтка/фигурка;

–     техника (ноутбуки, планшеты, смартфоны, видеокамеры, фотоаппараты и пр.). 

Из собственного практического опыта в генерации иллюстраций мы предположили, что сложнее всего генерировать людей в действии, также могут возникнуть проблемы с руками, а вот натюрморты и статуэтки/фигурки – самые простые для исполнения задачи.

Иллюстрации, созданные в Kandinsky, Leonardo и Stable Diffusion, мы сгенерировали сами. Иллюстрации в «Шедеврум» частично сгенерировали сами, частично взяли из ленты других пользователей. Иллюстрации вMidjourney мы вынуждены были полностью взять из ленты других пользователей, поскольку эта нейросеть в данный момент является платной. Однако подчеркнем, что мы пользовались официальным каналом Midjourney, что является гарантией того, что выбранные иллюстрации сгенерированы именно в этой нейросети.

Что касается представленных в опросе реальных фотографий, то в каждом случае мы либо лично знали автора, либо убедились, что фотография была сделана до 2022 г. (когда начали появляться нейросети) и, таким образом, гарантированно не является сгенерированной. 

В качестве респондентов мы привлекли бакалавров и магистрантов департамента «Факультет журналистики» Уральского федерального университета. Всего в опросе приняли участие 293 респондента. В каждом вопросе была только иллюстрация – участники должны были определить: она сгенерирована или это реальное фото?

Чтобы респонденты были максимально объективными, мы давали им следующие установки:

–            Тратить не более 10 секунд на одну иллюстрацию (поскольку в реальной действительности читатель не разглядывает их, а пролистывает, бессознательно определяя объект и качество изображения). Мы не включали секундомер для каждой иллюстрации, но использовали общий тайминг – 10 минут на весь опрос, включавший 60 иллюстраций.

–            Если респондент считает, что конкретная иллюстрация сге-нерирована при помощи искусственного интеллекта, то должен объяснить причину (какие признаки позволяют идентифицировать работу нейросети). Для этого после проведения опроса мы провели устную дискуссию в группе, совместно пролистывая каждую иллюстрацию. Респонденты, ответившие, что это сгенерированная иллюстрация, объясняли, по каким признакам сделали данный вывод.

Вместе с тем подчеркнем, что результаты, представленные ниже, являются итогом подсчета статистики из гугл-форм, где были только закрытые вопросы (респондент выбирал, является иллюстрация сгенерированной или реальной фотографией). Информацию, полученную нами от респондентов во время устных обсуждений, мы используем исключительно как дополнение, для объяснения полученных данных. 

Результаты исследования

Первое, что необходимо отметить по итогам нашего опроса: нет такой сгенерированной иллюстрации, которую хоть один респондент не счел бы реальной фотографией, и, к сожалению, в нашем перечне не было ни одного фото, которое хоть один участник не назвал бы сгенерированным. Таким образом, это достаточно субъективный процесс. Однако средства массовой информации ориентируются на массового читателя, и если большинство респондентов сочли сгенерированную иллюстрацию реальной фотографией, то напрашивается вывод, что данная нейросеть качественно работает в режиме фотореализма. 

Основные результаты нашего опроса представлены в таблице 1. В каждой ячейке указан процент респондентов, которые идентифицировали представленную иллюстрацию как реальную фотографию. 

Сделаем некоторые выводы. Во-первых, реальные фотографии большинством респондентов были распознаны как фотографии. В большинстве случаев этот показатель держится на уровне около 80%. Это свидетельствует о том, что большинство респондентов адекватно оценивали иллюстрации и не искали недостатки там, где их объективно нет. Более низкий показатель у фотографии статуэтки. Однако статуэтки хорошо генерируются в любой нейросети, при этом участники знали, что одна из этих иллюстраций, вероятно, должна быть реальной фотографией, и это могло дезориентировать их. Фотография техники была сделана из позиции «вид сверху на стол», что, как мы выяснили по итогам устных обсуждений, тоже навело многих на мысль, что иллюстрация искусственная. 

Выводы относительно качества работы каждой представленной нейросети в режиме фотореализма были сделаны на основе следующих показателей:

–            процент респондентов, которые идентифицировали пред-ставленную иллюстрацию как реальную фотографию. Если большинство респондентов сочли иллюстрацию фотографией, то мы делали вывод о том, что данная нейросеть качественно генерирует данную тему; 

–            количество тем, с которыми нейросеть успешно справляется (т. е. большинство респондентов называют иллюстрацию фотографией). Чем больше таких тем, тем качественнее работает нейросеть;

–            фактор уникальных навыков. Если нейросеть успешно справ-ляется с темой, с которой работают все нейросети (например, генерация статуэток), то это мало говорит о ее качестве. А вот если нейросеть справляется с темой, в которой у нее мало конкурентов (например, изображение человека в действии), то это повышает ее рейтинг. 

Руководствуясь данными, представленными в таблице 1, мы сделали следующие выводы:

Kandinsky – одна из самых слабых нейросетей. Ею легко воспользоваться: она не требует дополнительных регистраций (кроме Telegram) и установки приложений, а также понимает русский язык. Однако пока она качественно работает в режиме фотореализма только при генерации статуэток или интерьеров.

Leonardo – лучшая из представленных. Большинство респондентов посчитали реальной фотографией почти все иллюстрации, кроме (к удивлению авторов настоящей статьи) портрета человека. Однако портрет человека – это одна из наиболее простых задач, и, возможно, конкретная иллюстрация была неудачной. 

Midjourney – результаты этой нейросети сильно удивили авторов. Она известна как одна из наиболее сильных и качественных. И при устном обсуждении итогов большинство респондентов сходились во мнении, что это сильная нейросеть, которая успешнее других справляется с задачей генерации фотореалистичных иллюстраций. Кроме того, если проанализировать количество раз, когда респонденты принимали искусственное изображение за фотографию (данные, собранные нами по результатам опроса в гуглформах, где были только закрытые вопросы), то Midjourney занимает второе место в рейтинге нейросетей (эта статистика представлена ниже). Однако если перечислить конкретные темы, в которых Midjourney качественно работает, то на данный момент это животные, интерьеры, статуэтки и портреты людей. Также нейросеть удовлетворительно справляется с натюрмортами и руками. 

Stable Diffusion – статистика по этой нейросети также продемонстрировала неожиданные результаты. Во время устных обсуждений все респонденты сходились во мнении, что это самая слабая нейросеть, которая занимает последнее место в рейтинге. Ее иллюстрации чаще всего сразу были распознаны как искусственные. Однако конкретные цифры, выявленные нами при анализе ответов на закрытые вопросы в гугл-формах, свидетельствуют о том, что данная нейросеть справляется с генерацией интерьеров и, на удивление, рук (что является сложной задачей). Удовлетворительные результаты она демонстрирует и при генерации натюрмортов, статуэток, техники и зданий снаружи. 

«Шедеврум» по итогам устных обсуждений и статистики, выявленной по итогам опроса в гугл-формах, занимает промежуточное положение между условно сильными и слабыми нейросетями. Она позволяет генерировать натюрморты, технику, природу, статуэтки, людей в действии. Можно сделать попытку генерировать руки. Несомненным преимуществом, привлекающим российских пользователей, является возможность писать промпт на русском языке.

В таблице 2 мы представили нейросети, уже способные генерировать указанные темы в стиле фотореализма. Мы перечислили нейросети, которые по итогам закрытых вопросов в гугл-формах набрали большинство голосов (более 50%) за то, что представленная иллюстрация является реальной фотографией. Нейросети расположены в порядке, определяемом рейтингом их качества, начиная с тех, которые лучше всех справились с поставленной задачей, по итогам нашего опроса. 

Таким образом, Kandinsky – единственная нейросеть, не попавшая в этот рейтинг. А вот в Leonardo, как уже упоминалось выше, можно сгенерировать практически любую иллюстрацию.

Интересно, что, согласно первоначальной гипотезе на основе личной практики работы с искусственным интеллектом, Midjourney должна была оказаться самой сильной нейросетью, а Stable Diffusion – наиболее слабой. Однако по итогам статистики показатели этих нейросетей по многим темам оказались примерно на одном уровне. Хотя если проанализировать статистику в целом по всем иллюстрациям без учета тематики, то наша гипотеза об условно сильных и слабых нейросетях практически подтверждается. Если подсчитать количество раз, когда респонденты принимали искусственную иллюстрацию за реальное фото, то статистика по нейросетям, по итогам опроса в гугл-формах, следующая: Leonardo (1673 раза); Midjourney (1119); «Шедеврум» (843); Stable Diffusion (681); Kandinsky (377).

Напомним, что Leonardo и Midjourney, согласно нашей гипотезе, должны были оказаться условно сильными нейросетями, Stable Diffusion и Kandinsky – слабыми, а «Шедеврум» – занять промежуточную позицию. Статистика это подтверждает, хотя, из личной практики и устных обсуждений с респондентами, мы считали Midjourney сильнее Leonardo, а Kandinsky сильнее Stable Diffusion.

Думается, это является косвенным доказательством того, что процесс оценки субъективен и все представленные в нашем опросе иллюстрации если и включали какие-то признаки генерации, то были крайне близки к фотореалистичности. 

Вместе с тем необходимо подчеркнуть, что ситуация с условно «сильными» и «слабыми» нейросетями является временной, отражающей текущий момент в развитии искусственного интеллекта. Этот вывод, на наш взгляд, стоит зафиксировать с точки зрения истории развития нейросетей. Настоящий этап, когда нейросети только начинают справляться с задачей генерации фотореалистичного контента, является поворотным. 

Необходимо сказать и об ограничениях настоящего исследования. Во-первых, мы, разумеется, изучали не все нейросети. Мы выбрали лишь самые популярные на данный момент у российских журналистов. Ситуация на рынке нейросетей, как уже говорилось выше, стремительно меняется. Регулярно появляются новые платформы, а старые переходят на качественно новый уровень. Мы стремились лишь показать на конкретных примерах, что нейросети уже сейчас в состоянии стать субститутом фотографических изображений. 

Кроме того, для получения точных цифр надо выбрать больше иллюстраций по каждой представленной теме и расширить выборку респондентов. 

Также при проведении анализа мы не учитывали фактор времени, которое требовалось для генерации иллюстрации, максимально приближенной к фотореализму. Так, например, в Leonardo можно было сгенерировать нужное изображение с первой-второй попытки (5–10 минут), в «Шедевруме» требовалось 10–20 попыток, а генерация наиболее сложных тем в Kandinsky и Stable Diffusion занимала несколько часов. Разумеется, в реальной практике это существенный фактор при выборе нейросети для работы. 

Четвертое ограничение состоит в том, что наши респонденты знали, что в опросе присутствуют сгенерированные иллюстрации, и намеренно искали признаки нейросетей. Обычный читатель не рассматривает так изображения, несущие сугубо иллюстративную функцию. Он пролистывает их за долю секунды и бессознательно определяет, было ли это реальное фото или искусственное. С этой позиции показатели каждой нейросети можно потенциально повысить в рейтинге, то есть каждая из них вполне способна генерировать иллюстрации, которые реальный читатель при беглом просмотре страницы примет за фото. 

Мы также признаем, что студенческая аудитория имеет свои особенности: молодой возраст, профиль обучения и пр. 

Тем не менее, с учетом перечисленных ограничений, настоящее исследование мы считаем пилотным, разведывательным и отражающим основные тренды и направления изучения потенциала нейросетей в генерации фотореалистичного контента. 

Заключение

Нейросети всех направлений стремительно развиваются. В начале 2023 г. даже ведущие нейросети были не в состоянии сгенерировать иллюстрацию, которую читатель мог бы идентифицировать как реальную фотографию. Однако всего через два года искусственный интеллект уже демонстрирует способность заменить фотографические изображения. Пока что нейросети еще можно условно разделить на «сильные» и «слабые», и последние – например, Kandinsky и Stable Diffusion – не всегда справляются с задачей генерации иллюстрации в фотореалистичном стиле или требуют избыточного количества времени для получения удовлетворительного результата. Вместе с тем показатели всех проанализированных нами нейросетей, и особенно Leonardo и Midjourney, убедительно свидетельствуют о том, что уже сейчас они способны функционировать в качестве альтернативы традиционной фотографии.

Конкретные цифры, представленные нами в резолютивной части статьи, отражают, конечно, сиюминутную ситуацию. На наш взгляд, эти данные ценны как фиксация радикальной смены парадигмы, когда искусственный интеллект только начинает демонстрировать свой потенциал. 

В предыдущем исследовании (Мухина, Олешко, 2024) мы, по итогам опроса российских журналистов, уже делали вывод о начале этого процесса, обнаружив, что 8% медиафрилансеров и 3% штатных журналистов уже отказались от фотобанков в пользу генерации иллюстраций в нейросетях. Тогда же мы констатировали снижение посещаемости одного из популярных фотобанков Pixabay. Эти цифры могут показаться незначительными, а результаты генерации фотореалистичных изображений – неидеальными. Но только отслеживание ситуации в динамике убедительно демонстрирует, что искусственный интеллект находится лишь в начале этого пути и очень скоро станет опасным конкурентом для фотографов и иллюстраторов.

Многие исследователи в сфере медиа, изобразительного искусства и дизайна рассуждают о том, сможет ли искусственный интеллект заменить человека. Мы не можем делать гарантированные прогнозы, но то, как нейросети развились за последние два года, позволяет прогнозировать дальнейший рост в геометрической прогрессии. Творческий посыл, который на данный момент присутствует в таких изображениях, инициируется пользователями. Однако ИИ стремительно обучается. А на данный момент нейросети уже вполне способны создать качественную фотореалистичную иллюстрацию для средств массовой информации.

Примечания

¹ Фото или ИИ? // Гугл-формы. Режим доступа: https://docs.google.com/forms/d/e/1FAIpQLSdwwut_SZ7AfmucV2dTUARX-_P1os8lHpLfKlxZefvAk9oo5Q/viewform (дата обращения: 29.01.2025).

Библиография

Алексеев А. П., Алексеева И. Ю. Статус этических кодексов в этике искусственного интеллекта // Информационное общество. 2024. № 4. С. 43–49. DOI: 10.52605/16059921_2024_04_43

Быльева Д. С. Искусственный интеллект в физическом мире: от окружающего интеллекта до этикосферы? // В книге: Философия и культура информационного общества. Тезисы докладов Одиннадцатой Международной научно-практической конференции. Санкт-Петербург, 2023. С. 50–52.

Вартанова Е. Л. Цифровая журналистика и медиакоммуникационная среда // МедиаТренды. 2022. № 1 (87). С. 1.

Волкова Е. А. Этические дилеммы использования искусственного интеллекта в журналистике // В сборнике: Корпоративные стратегические коммуникации: тренды в профессиональной деятельности. Материалы международной научно-практической конференции, посвященной 60-летию со дня рождения В. Р. Вашкевича. Минск, 2023. С. 42–43.

Гончарова Е. И. Искусственный интеллект в цифровой иллюстрации и будущее профессиональных художников // Студенческий. 2023. № 16–2 (228). С. 5–8.

Давыдов С. Г., Замков А. В., Крашенинникова М. А., Лукина М. М. Использование технологий искусственного интеллекта в российских медиа и журналистике // Вестник Московского университета. Серия 10: Журналистика. 2023. № 5. С. 3–21. DOI: 10.30547/vestnik.journ.5.2023.321 

Дугин Е. Я. Трансформация медиакоммуникации под воздействием цифровых технологий: теоретико-методологический аспект // Вестник Московского университета. Серия 10. Журналистика. 2024. № 5. С. 140–151. DOI: 10.55959/msu.vestnik.journ.5.2024.140151 

Каштанова Е. К. О визуализации информации в педагогическом менеджменте // В сборнике: V международный форум по математическому образованию, посвященный 220-летию Казанского университета (IFME' 2024). Материалы XIII Международной конференции; X Международной конференции; IV Международного научного семинара. Казань, 2024. С. 312–319. 

Макеенко М. И., Вырковский А. В. Возможности влияния неинституционализированных производителей развлекательного и познавательного контента на аудиторию // Вестник Московского университета. Серия 10. Журналистика. 2021. № 5. С. 74–99. DOI: 10.30547/vestnik.journ.5.2021.7499

Меджанова Г., Атаева Дж. Будущее журналистики: влияние технологий и искусственного интеллекта // Инновационная наука. 2024. № 6–1. С. 42–43.

Мухина О. С., Олешко В.Ф. Нейросети для генерации иллюстраций: к проблеме адаптационных практик // Вестник Российского университета дружбы народов. Серия: Литературоведение. Журналистика. 2024. Т. 29. № 4. С. 788–798. DOI: 10.22363/2312-9220-2024-29-4-788-798

Носова К. А. Нейросети и искусственный интеллект: инструмент или замена? Взгляд из сферы искусства // Уральский научный вестник. 2023. Т. 9. № 9. С. 284–288.

Распопова С. С. Журналистское творчество в эпоху нейросетей // Неофилология. 2024. Т. 10. № 2. С. 442–451. DOI: 10.20310/2587-6953-2024-10-2-442-451 

Чумичева Н. В. К вопросу о правовом регулировании использования нейросетей для создания фото- и видеоконтента // Современные научные исследования: исторический опыт и инновации. Сборник материалов XХ Международной (политематической) научно-практической конференции. Краснодар: ИМСИТ, 2024. С. 82–86.

Яблонских А. В. Влияние искусственного интеллекта на работу специалистов по коммуникациям // Социально-гуманитарное обозрение. 2024. № 1. С. 22–27.

Hagar N., Wachs J., Horvát E.-Á. (2021) Writer movements between news outlets reflect political polarization in media. New Media and Society 25 (8): 2034–2056. DOI: 10.1177/14614448211027173 

Hayes K. (2021) The Networked Newsroom: Navigating New Boundaries of Work. Journalism Practice 18 (4): 803–817. DOI: 10.1080/17512786.2021.1949627

Himma-Kadakas M., Mõttus M. (2021) Ready to Hire a Freelance Journalist: The Change in Estonian Newsrooms’ Willingness to Outsource Journalistic Content Production. Central European Journal of Communication 14 (28): 27–43. DOI: 10.51480/1899-5101.14.1(28).2 

Josephi B., O’Donnell P. (2022) The blurring line between freelance journalists and self-employed media workers. Journalism 24 (1). DOI: 14648849221086806

Norbäck M. (2022) Maintaining a Freelance Career: How Journalists Generate and Evaluate Freelance Work. Journalism Studies 23 (10): 1141–1159. DOI: 10.1080/1461670X.2022.2073257

Как цитировать: Мухина О. С., Олешко В. Ф. Потенциал нейросетей в генерации фотореалистичного контента для медиа // Вестник Московского университета. Серия 10. Журналистика. 2025. № 4. С. 78–95. DOI: 10.55959/msu.vestnik.journ.4.2025.7895 

Поступила в редакцию 01.02.2025