Что такое seed в нейросетевой генерации и как проверить повтор
Что такое seed в нейросетевой генерации: начальное значение генератора псевдослучайных чисел. Если API модели принимает такой параметр, он помогает контролировать случайную часть запуска, но не гарантирует одинаковую картинку при любых настройках. В Relay наличие модели изображений не подтверждает поддержку seed. Ниже объяснение параметра и способ проверить повторяемость, не выдавая недокументированное поле за рабочую функцию.
Что такое seed в нейросетевой генерации и что он меняет
В диффузионных моделях изображение формируется с использованием случайного шума. Seed задаёт начальное состояние генератора этого шума. Промпт описывает желаемую сцену, а seed влияет на случайную составляющую процесса. Одно не заменяет другое: число не исправит неверно описанный объект и не задаст композицию словами.
Даже при одинаковом seed результат зависит от модели и других условий запуска. Параметры обработки, размер, версия весов и вычислительное окружение могут влиять на повторяемость. Руководство Diffusers отдельно рассматривает генератор случайных чисел и детерминированные операции. Свойства локального пайплайна нельзя автоматически переносить на удалённый API.
У числа seed нет универсального визуального значения. Оно не кодирует «красивую композицию» или «красный фон». Перенос числа из одной модели в другую не переносит исходный кадр. Если нашли удачную картинку, сохраните сам файл вместе с настройками, а не только число.
Как проверить поддержку seed в Relay
Откройте Images API и карточку выбранной модели в каталоге изображений. У Relay есть, например, gpt-image-2 и nano-banana-2. Их тип image подтверждает назначение модели, но не поддержку всех параметров других генераторов.
Общий маршрут передаёт дополнительные поля модели. Из этого не следует, что конкретная модель применяет seed. Даже успешный HTTP-ответ после добавления поля не доказывает его эффект: неизвестный параметр мог не повлиять на генерацию. Нужны описание параметра для выбранного API и проверка реального результата.
Если seed не описан, не добавляйте его в пользовательскую форму как обещание повторить картинку. Минимальный пример ниже обходится без него. Для совместимости SDK тоже недостаточно увидеть параметр у другого метода: поле текстового API может не существовать у метода изображений.
Как сохранить изображение и параметры опыта
Для скрипта нужен установленный Python-пакет openai и свой ключ в RELAY_API_KEY. Значение sk-demo-not-a-real-key используется только как документационный образец. Пример создаёт одну картинку, декодирует base64 и сохраняет контрольную сумму файла.
import base64
import hashlib
import json
import os
from pathlib import Path
from openai import OpenAI
payload = {
"model": "gpt-image-2",
"prompt": "Красное яблоко целиком на светлом столе, без надписей",
"n": 1,
}
client = OpenAI(
api_key=os.environ["RELAY_API_KEY"],
base_url="https://relay-llm.ru/v1",
)
reply = client.images.generate(**payload)
if not reply.data or not reply.data[0].b64_json:
raise ValueError("В ответе нет изображения")
content = base64.b64decode(reply.data[0].b64_json, validate=True)
if not content:
raise ValueError("Получен пустой файл")
Path("sample.bin").write_bytes(content)
metadata = {
"request": payload,
"sha256": hashlib.sha256(content).hexdigest(),
"bytes": len(content),
}
Path("sample.json").write_text(
json.dumps(metadata, ensure_ascii=False, indent=2), encoding="utf-8"
)Relay возвращает изображение в data[].b64_json. Файл назван .bin, потому что расширение нужно выбрать после определения формата байтов. Перед повторным запуском перенесите sample.bin и sample.json в отдельную папку опыта, иначе следующий запуск их перезапишет.
Метаданные позволяют сравнить фактические запросы. Дополните их временем, версией SDK и x-request-id, когда организуете журнал приложения. Секрет туда не записывайте. Если используете закрытый референс, доступ к журналу и файлам должен соответствовать доступу к этому изображению.
Как провести проверку повторяемости
Сначала повторите один промпт с одной моделью и теми же поддерживаемыми настройками. Не меняйте размер и текст между попытками. Сохраните каждый исходный файл и заполненный JSON запроса, а не только скриншот страницы.
Если API явно документирует seed, проведите две серии: с одним значением и с другим. Во всём остальном запросы должны совпадать. Это проверка влияния параметра в ваших условиях, а не обещание полного совпадения для всех будущих версий. Если поддержки нет, остаётся проверять вариативность обычных повторов без seed.
Сравните сначала технические свойства: формат, размеры и возможность открыть файл. Затем оцените сцену по признакам: предмет целиком в кадре, фон подходит, надписей нет. Одинаковый хеш подтверждает одинаковые байты; разный хеш сам по себе не измеряет визуальное различие. Для сравнения пикселей изображения нужно декодировать и привести к согласованному представлению.
Что делать, если нужен точно тот же кадр
Сохраните готовый файл и используйте его повторно. Генерация заново не заменяет хранение принятого результата. Для исправления отдельной детали проверьте, есть ли у выбранного сервиса документированный режим редактирования; это другая операция, а не свойство seed.
В интерфейсе разделите «открыть сохранённое» и «создать вариант». Первое читает уже принятый файл, второе вызывает модель и может вернуть иной результат. Подмена этих действий создаст и лишние расходы, и ложные ожидания пользователя.
Каждая новая генерация расходует бюджет по условиям модели. Перед экспериментом ограничьте число попыток, а стоимость проверяйте в каталоге и на странице цен. Если одинаковые запросы дают разные изображения при неподтверждённом seed, это ещё не доказательство сбоя API.
Что такое seed в нейросетевой генерации простыми словами?
Это начальное значение генератора случайных чисел. При поддержке API оно помогает контролировать случайную часть запуска, но не описывает содержимое картинки.
Можно ли написать seed прямо в промпте?
Строка с числом остаётся частью текста. Она не заменяет параметр генератора. Передавайте отдельное поле только тогда, когда оно описано для выбранной модели.
Почему с одинаковым seed получаются разные картинки?
Сначала проверьте, применяет ли API поле и совпадают ли модель и остальные настройки. Затем изучите условия повторяемости: одно число не фиксирует всю вычислительную цепочку.