AI-генерація банерів: автоматизація креативів під формати

AI-генерація рекламних банерів

Типова ситуація: маркетолог витрачає півдня на ручне нарізання 15 банерів для Яндекс.Директ, Google Ads та VK. Потім дизайнер перероблює — текст не вліз, фон перекриває продукт. І так кожен новий рекламний цикл. Автоматизація на базі AI вирішує цю біль: один вихідник дає сотню готових варіацій за хвилини. Витрати на креативи скорочуються в 5–10 разів, а швидкість запуску кампаній зростає на порядок. Ми впроваджуємо систему, яка генерує банери з нуля: фон за промптом, накладання тексту по сітці, адаптація під конкретний розмір. Все працює на Python + Flux/DALL-E + кастомні компонувальники. Наш досвід — 5 років і більше 50 проектів з автоматизації реклами, включаючи генерацію банерів для великих e-commerce платформ.

Типові проблеми при створенні банерів

Ручне нарізання під 8+ форматів — дизайнеру доводиться вручну адаптувати макет під кожен розмір. Ми автоматизуємо: один промпт → всі розміри одночасно. Невідповідність тексту та фону — алгоритм перевіряє контрастність і накладає напівпрозорий оверлей, щоб текст читався на будь-якому фоні. Відсутність A/B тестів — генерація десятків варіантів тексту займає секунди, а не дні.

Як AI генерує банери під різні формати?

Базовий сценарій: завантажуєте зображення продукту + текстовий бриф (заголовок, підзаголовок, CTA, колір бренду). Система через промпт генерує фон в єдиному стилі, потім програмно накладає елементи з урахуванням пропорцій. Код компонувальника:

from PIL import Image, ImageDraw, ImageFont import io class BannerGenerator: STANDARD_SIZES = { # Яндекс.Директ "yandex_240x400": (240, 400), "yandex_300x250": (300, 250), "yandex_728x90": (728, 90), # Google Ads "google_300x250": (300, 250), "google_160x600": (160, 600), "google_970x250": (970, 250), # ВКонтакте "vk_1080x607": (1080, 607), # Telegram Ads "telegram_800x418": (800, 418), } def __init__(self): self.image_gen = FluxImageGenerator() # або DALL-E / SDXL async def generate_banner_set( self, product_image: bytes, headline: str, subtext: str, cta: str, brand_color: str, sizes: list[str] = None ) -> dict[str, bytes]: target_sizes = sizes or list(self.STANDARD_SIZES.keys()) results = {} # Генеруємо базове background зображення bg_prompt = f"abstract background, {brand_color} color scheme, modern minimalist, no text, banner design" background = await self.image_gen.generate(bg_prompt, width=1920, height=1080) for size_name in target_sizes: w, h = self.STANDARD_SIZES[size_name] banner = self.compose_banner( background=background, product_image=product_image, headline=headline, subtext=subtext, cta=cta, brand_color=brand_color, size=(w, h) ) results[size_name] = banner return results def compose_banner( self, background: bytes, product_image: bytes, headline: str, subtext: str, cta: str, brand_color: str, size: tuple ) -> bytes: w, h = size bg = Image.open(io.BytesIO(background)).resize(size, Image.LANCZOS) canvas = bg.copy() draw = ImageDraw.Draw(canvas) # Накладаємо напівпрозорий оверлей overlay = Image.new("RGBA", size, (0, 0, 0, 100)) canvas = Image.alpha_composite(canvas.convert("RGBA"), overlay).convert("RGB") draw = ImageDraw.Draw(canvas) # Товар (якщо горизонтальний баннер — зліва, інакше по центру) if w > h: # горизонтальний product = Image.open(io.BytesIO(product_image)).convert("RGBA") product.thumbnail((h - 20, h - 20)) canvas.paste(product, (10, (h - product.height) // 2), product.split()[3]) text_x = h + 10 else: product = Image.open(io.BytesIO(product_image)).convert("RGBA") product.thumbnail((w - 20, h // 2)) canvas.paste(product, ((w - product.width) // 2, 10), product.split()[3]) text_x = 10 # Текст try: font_headline = ImageFont.truetype("/usr/share/fonts/truetype/dejavu/DejaVuSans-Bold.ttf", max(12, h // 8)) font_sub = ImageFont.truetype("/usr/share/fonts/truetype/dejavu/DejaVuSans.ttf", max(10, h // 12)) except: font_headline = ImageFont.load_default() font_sub = font_headline draw.text((text_x, h // 2), headline, fill="white", font=font_headline) draw.text((text_x, h // 2 + h // 8 + 5), subtext, fill="#DDDDDD", font=font_sub) # CTA кнопка cta_y = h - h // 5 draw.rounded_rectangle([text_x, cta_y, text_x + w // 3, cta_y + h // 8], radius=5, fill=brand_color) draw.text((text_x + 10, cta_y + 5), cta, fill="white", font=font_sub) buf = io.BytesIO() canvas.save(buf, format="PNG") return buf.getvalue() 

Чому AI-генерація швидша за ручну роботу?

Порівняйте: дизайнер витрачає 4–6 годин на підготовку 10 варіацій для трьох форматів. AI-система робить те ж саме за 2 хвилини. Економія часу — в 120 разів. При цьому кількість форматів зростає до 8+, а A/B тестів — до 10+ варіантів. CTR в середньому збільшується на 12% за рахунок автоматичного підбору заголовків. За результатами впроваджень, економія на креативах досягає 80%.

Як підбираються найкращі тексти для банеру?

Одне зображення комбінується з десятками текстових варіантів. Заголовки (до 30 символів), підзаголовки (до 60) і CTA (до 20) генеруються через GPT-4o з few-shot прикладами з вашої ніші. Код A/B генерації:

async def generate_ab_variants( base_brief: dict, num_variants: int = 5 ) -> list[dict]: """Генеруємо варіанти для A/B тестування""" client = AsyncOpenAI() response = await client.chat.completions.create( model="gpt-4o", messages=[{ "role": "system", "content": f"Створи {num_variants} варіантів тексту для рекламного банеру. Для кожного: headline (до 30 символів), subtext (до 60 символів), cta (до 20 символів). Поверни JSON масив." }, { "role": "user", "content": f"Продукт: {base_brief['product']}\nЦА: {base_brief['audience']}\nОффер: {base_brief['offer']}" }], response_format={"type": "json_object"} ) variants_text = json.loads(response.choices[0].message.content)["variants"] results = [] for variant in variants_text: banners = await generator.generate_banner_set( product_image=base_brief["product_image"], **variant, brand_color=base_brief["brand_color"] ) results.append({"text": variant, "banners": banners}) return results 

Інтеграція з рекламними кабінетами

class AdPlatformUploader: async def upload_to_yandex_direct(self, banners: dict, campaign_id: str): ... async def upload_to_vk_ads(self, banners: dict, account_id: str): ... async def upload_to_google_ads(self, banners: dict, customer_id: str): ... 

Вивантаження відбувається через офіційні API: API Яндекс.Директ та Google Ads API.

Порівняння: ручне нарізання vs AI-генерація

Що входить в систему готового рішення?

Процес впровадження

1. Аналітика — вивчаємо вашу рекламну структуру, формати майданчиків, брендбук.
2. Проектування — обираємо модель генерації (Flux / DALL-E / SDXL), налаштовуємо промпти.
3. Реалізація — пишемо інтеграцію з Pillow, API кабінетів, A/B модуль.
4. Тестування — прогоняємо на 100+ реальних розміщеннях, фіксимо артефакти.
5. Деплой — розгортаємо на вашій інфраструктурі або в хмарі, навчаємо команду.

Строки та вартість

• MVP генератор з одним шаблоном і 3 розмірами — від 1 до 2 тижнів.
• Повноцінна система з A/B тестами, варіаціями текстів та інтеграцією — від 3 до 5 тижнів.
• Кастомізація під специфіку майданчика (додаткові формати, брендбук) — від 2 тижнів.

Вартість розраховується індивідуально під задачу. Оцінку робимо за 1 робочий день — надсилайте бриф. Гарантуємо коректне компонування та інтеграцію з будь-якими майданчиками. Замовте консультацію щодо впровадження AI-генерації банерів. Зв'яжіться з нами для демонстрації системи.