Warro
Просто промт для нейросети - это начальный уровень работы. Дальше начинается откладка.
Например:
- Нестандартные для сцены позы: решаются референсом. Если людей в сцене несколько, то лучше генерить по одному, а затем расширять поле арта добавлением участников + их промты поз.
- Задать разные цвета для деталей: хм, в Миджони (да и не только) есть вариация региона. Закрашиваете синюю шапку, говорите "красная шапка" и вот она красная.
- Два разноцветных экземпляра одного и того же: опять же вариация региона.

Наилучшие результаты масштабных сторителлинговых сцен получаются как раз при планомерной генерации. То есть cледует делать каскад промтов, например:
а) Человек танцует лезгинку (референс танца) на чёрном фоне;
b) Закрасить фон чем надо а-ля "большой концертный зал"
с) Расширение вправо "Ещё один человек танцует лезгинку" + референс.
d) Тут можно вариацией региона раскрасить им одежду в цвета ЮАР.
е) Расширение вверх. "Летающая тарелка посылает луч вниз"

Таким образом получится сюжетный арт. Если написать один изначальный промт "Два человека на сцене богато украшенного концертного зала танцуют лезгинку в народных костюмах ЮАР в то время, как их похищают пришельцы", то ни одна сетка не справится :)