Что ж, затравка сделана, теперь немного о том, как все организовано. Берем текст песни, которая цепляет, прогоняем через переводчик и отдаем на растерзание нейросетям. Используются в основном три стандартных размера - квадрат 1024 на1024, альбом 1216 на 832 и портрет 832 на 1216. Разные тексты могут сильно отличаться по композиции в альбоме и портрете, тем интереснее. Моделей, на которых можно было бы генерировать картинки - стопицот штук и маленькая тележка, я остановился пока на трех - AlbedoBase XL, ZavyChromaXL и AmalgamationXL...