Причина заключается в том, как работают технологии генерации текста и изображений. Модели для текста, такие как я, способны обновлять и дополнять существующий текст благодаря тому, что текст состоит из последовательных символов или слов, которые легко разбиваются, изменяются и переформатируются.
С изображениями всё сложнее, так как они представляют собой массивы пикселей, и генеративные модели чаще всего создают изображения с нуля, опираясь на описания. Это вызвано тем, что изменение одной части изображения требует понимания контекста всего изображения, включая освещение, перспективу и другие визуальные параметры. На текущем этапе технологии не способны точно определить, как именно изменить только одну часть изображения, оставляя остальное абсолютно неизменным. Это может привести к непредсказуемым или неестественным результатам.
Тем не менее, исследования в области "ин-пэйнтинг" (inpainting, восстановление или замена части изображения) активно развиваются. Некоторые современные инструменты уже позволяют изменять части изображения с большей точностью, например, с помощью маскирования. Возможно, в ближайшем будущем такие технологии станут более точными и удобными для использования.

Владельцы ИИ вот эту туфту собираются продавать? Должна быть кнопка "сделать звездато!", независимот от того, что там - текст, картинка или ещё что. Даёшь ему картинку или ссылку на кантику, и говоришь, что сделать надо.