Canva Craft - первая собственная модель генерации изображений Canva, которую разработала её исследовательская команда. Компания ставит её против моделей Google, OpenAI, ByteDance и Meta, и это меняет расклад внутри платформы: раньше картинки в Canva генерировали сторонние модели, теперь есть свой движок (TechCrunch).
Устройство описано двумя этапами. Сначала модель читает промпт и строит план макета: пространственные связи элементов, относительный масштаб, визуальная иерархия и данные для генерации текста. Потом рендерит изображение разрешением до 2K в одном из 30 соотношений сторон. Обучение шло на дизайнах из библиотеки шаблонов Canva, а не на фотографиях.
Для практики это значит следующее. Craft стоит пробовать там, где нужны композиция, типографика и читаемый текст: постеры, посты, презентации, инфографика. Для фотореализма и сложных сцен модель надо проверять отдельно. Доступ уже есть у всех пользователей во вкладке Dream Lab и через Canva API, а генерация в ChatGPT и Gemini через MCP пока заявлена как план.
Что такое Canva Craft и почему это не очередная обёртка над чужим API
Canva Craft - генеративная модель изображений собственной разработки Canva. До её появления платформа использовала множество сторонних image-моделей, и запуск своей меняет два параметра сразу: расходы на API и контроль качества и скорости. Оба мотива компания называет прямо.
Экономика здесь простая. Каждая генерация через внешний API стоит денег, и на объёмах платформы разница накапливается. Своя модель убирает эту прослойку, а заодно позволяет Canva самой решать, как быстро обновлять модель и какие проверки качества ставить на выходе. Независимых замеров скорости и качества на момент публикации нет, поэтому все формулировки ниже - заявления компании.
Место Craft в линейке: сторонние модели, Leonardo.ai и предыдущая модель слоёв
Хронология помогает понять, что Craft продолжает линию AI-разработок Canva и при этом остаётся первой генеративной моделью изображений собственной разработки.
- Сначала генерация картинок на платформе опиралась на сторонние модели.
- В 2024 году Canva купила платформу генерации медиа Leonardo.ai, и исследователи Leonardo внесли вклад в новую модель изображений.
- Ещё раньше Canva выпустила собственную модель, которая понимает дизайны и слои.
- Теперь появилась Canva Craft, конкурирующая с моделями Google, OpenAI, ByteDance и Meta.
Собственная модель, понимающая слои, и генератор изображений решают разные задачи. Первая разбирает готовый макет на элементы, вторая создаёт картинку с нуля. Вместе они и дают тот сценарий, ради которого всё затевалось: сгенерировать изображение и сразу получить редактируемый макет. Как Google пробует зайти в эту же нишу со своим редактором, мы разбирали в материале о Google Pics.
Двухэтапный пайплайн: сначала план макета, потом рендер до 2K
Первый этап - планирование. Модель интерпретирует промпт и строит план: где расположены элементы относительно друг друга, какой у них относительный масштаб, как выстроена визуальная иерархия и какая информация нужна для текста. Второй этап - рендер: изображение до 2K в одном из 30 возможных соотношений сторон под разные платформы.
Логика планирования перед рендером понятна, если вспомнить, как обычно ломается генерация. Диффузионная модель рисует пиксели сразу и параллельно, поэтому композиция и надписи в ней возникают как побочный эффект. Здесь композиция задаётся до пикселей: модель сначала решает, что где стоит, и только потом это рисует. Для макета с заголовком, подзаголовком и парой блоков такой порядок ближе к работе дизайнера, чем к работе художника.
Соотношения сторон важны не меньше. 30 вариантов закрывают типовые площадки: вертикаль для сторис и Reels, квадрат для ленты, горизонталь для обложек и презентаций. Готовить один макет под все каналы без ручной перекройки - как раз то, чего не хватает в цепочке «сгенерировал в чат-боте, потом тащил в редактор».
Почему текст на изображении - отдельная проблема и как её решает планирование
Надписи на сгенерированных картинках долго оставались слабым местом всех моделей: буквы плывут, кириллица превращается в кашу, короткое слово из четырёх символов угадывается с третьей попытки. Canva заявляет, что в Craft данные для генерации текста закладываются на этапе плана, а не доклеиваются после рендера, и что в результате текст читаемый, а детали объектов точные.
Проверить это утверждение независимо пока негде: публичных бенчмарков и сравнений с Google, OpenAI, ByteDance и Meta в источниках нет. На практике это значит простую вещь: под латиницу и короткие заголовки шансы хорошие, а кириллицу, длинные строки, цифры в цене и юридические сноски проверяйте на своих макетах. Как выглядят похожие задачи у OpenAI, разобрано в статье о GPT Images 2.5.
Обучение на дизайнах, а не на фотографиях: что это даёт и чего лишает
Ключевое отличие Craft от моделей, которые все привыкли сравнивать, в обучающем наборе. Canva прямо говорит: фотографии не использовались, модель училась на дизайнах из библиотеки шаблонов, созданных людьми. В наборе постеры, посты для соцсетей, презентации, инфографика, меню и макеты с плотной типографикой.
Что это даёт. Модель видит тысячи примеров того, как люди собирают композицию: сетки, отступы, контраст, иерархию заголовков, сочетания шрифтов и плашек. Такой набор ближе к реальной работе с макетами, чем подборка красивых фотографий, и потому композиция должна получаться более предсказуемой.
Чего это лишает. Фотореализм не был целью обучения, и ждать от Craft убедительной фактуры кожи, сложного света и оптики не стоит, пока это не подтверждено практикой. Модель смещена в сторону графики: плакаты, обложки, карточки товара, инфографика. Если нужен кинематографичный кадр или репортажная сцена, разумнее смотреть на модели, обученные на фото, либо на открытые решения вроде Qwen-Image-2.1, где окружение можно контролировать самому.
Где модель сильна: постеры, соцсети, презентации, инфографика, меню
Список типов шаблонов из обучающего набора почти совпадает с перечнем типовых задач малого бизнеса и маркетинга. Постер к акции, серия постов под запуск, слайд с ключевыми цифрами, схема из трёх шагов, меню с ценами, обложка для статьи. Все эти форматы строятся на блоках, заголовках и сетке, то есть на том, чему модель училась.
Практический вывод простой. Для маркетинговой графики и типографических макетов Craft - первый кандидат на пробу, тем более что результат остаётся внутри Canva. Для художественной фотографии, сложных иллюстраций и всего, где важна авторская стилистика, сначала тестовая генерация и сравнение с тем, чем вы пользуетесь сейчас.
Точечное редактирование и Canva Magic: от картинки к слоистому дизайну
Вторая половина обещания касается правок. По заявлению Canva, пользователь может изменить отдельный элемент, не трогая остальное изображение. Это другой сценарий, чем перегенерация: вместо десяти попыток «пусть в этот раз логотип встанет ровно» вы правите один блок.
Дальше вступает Canva Magic, инструмент преобразования изображения в дизайн. Сгенерированную картинку можно конвертировать в слоистый макет и работать с ней как с обычным дизайном: двигать элементы, менять текст, подставлять картинки. Источник не раскрывает, насколько глубоко разбирается слоистая структура и что происходит со сложными пересечениями объектов, поэтому проверять стоит на своих макетах.
Практический workflow: генерация, слои, правка, адаптация под форматы
Последовательность выглядит так:
- Промпт в Dream Lab: описание макета, а не только сюжета. Указывайте тип носителя, иерархию и текст, который должен быть на картинке.
- Выбор соотношения сторон из 30 доступных под конкретную площадку.
- Генерация до 2K и оценка результата по трём пунктам: читаемость текста, композиция, точность деталей.
- Конвертация через Canva Magic в слоистый дизайн.
- Точечная правка элементов: заголовок, цена, логотип, второстепенные блоки.
- Экспорт и адаптация под остальные форматы кампании.
Смысл шага с Dream Lab в том, что промпт описывает макет, а не картинку. Формулировка «постер распродажи, крупный заголовок сверху, цена в правом нижнем углу, тёмный фон» даст более предсказуемый результат, чем «красивый постер».
Где взять доступ: Dream Lab, Canva API и MCP для ChatGPT и Gemini
Что доступно сейчас: модель открыта всем пользователям платформы во вкладке Dream Lab и доступна через Canva API. Что заявлено: Canva планирует поддержку генерации изображений в сторонних чат-ботах, включая ChatGPT и Gemini, через свой MCP (TechCrunch). Разница принципиальная: первое можно попробовать сегодня, второе - ожидание.
Тарифы, лимиты и условия использования в источниках не раскрыты. Не стоит рассчитывать, что API-доступ бесплатный или безлимитный: у платформ такого масштаба обычно есть квоты, а детали стоит смотреть в документации Canva перед тем, как строить на этом продакшен-пайплайн.
Сценарии для разработчиков: Canva API и MCP
Canva API превращает Craft из кнопки в интерфейсе в шаг пайплайна: можно генерировать креативы пачками, подставлять тексты из фида, собирать варианты под каждый канал. MCP открывает другой сценарий: обращение к Canva из сторонних чат-ботов и агентных окружений, о котором компания говорит как о плане, а не о готовой функции.
Ограничение одно и важное: детали API, эндпоинты, лимиты и стоимость в источниках не раскрыты. Всё, что касается интеграции, проверяется по официальной документации, а не по анонсам.
Craftfast и Craft-ultrafast: зачем Canva дешёвые версии модели
Canva разрабатывает две более экономичные версии модели: Craftfast и Craft-ultrafast. Сроки обозначены как «в ближайшее время», дат нет. Появление быстрых вариантов говорит о том, как компания видит использование модели: массовые черновики и мелкие задачи не требуют полного качества, а полная Craft остаётся для финальных макетов.
Связь с экономикой прямая. Собственная модель снижает зависимость от API-затрат сторонних провайдеров, а дешёвые версии позволяют держать низкую стоимость генерации там, где пользователю нужна скорость, а не идеальная детализация. Характеристики версий, их разрешение и цена не раскрыты, поэтому планировать что-то на их основе рано.
Ограничения и трезвая оценка: кому Craft подходит, а кому нет
Свести риски в один список полезнее, чем повторять формулировки анонса.
- Заявления о читаемом тексте, точных деталях и точечных правках идут от Canva. Независимых тестов нет.
- Обучение на шаблонах смещает модель к дизайн-графике. Фотореализм не заявлен как сильная сторона.
- Глубина разбора изображения на слои через Canva Magic не описана.
- Генерация в ChatGPT и Gemini через MCP пока план, а не работающая функция.
- Технические детали архитектуры, число параметров и метрики качества не раскрыты.
По сегментам картина такая. Маркетологам, контент-мейкерам и небольшим командам, которые уже работают в Canva, пробовать стоит: генерация и правка остаются в одном инструменте, а 30 соотношений сторон экономят время на адаптации. Тем, кому нужен фотореализм, авторская стилистика или полный контроль над моделью, сначала тест и сравнение с текущим набором инструментов.
Чек-лист проверки Craft под свою задачу
Это рекомендации по самостоятельной проверке, а не результаты тестов редакции.
- Текст на кириллице: короткий заголовок, длинная строка, цифры и знак рубля. Проверьте читаемость в масштабе реального носителя.
- Точность деталей: мелкие объекты, повторяющиеся элементы, симметрия.
- Слоистая конвертация через Canva Magic: сколько элементов реально разошлось по слоям и что склеилось.
- Нужное соотношение сторон: проверьте не только популярные форматы, но и свой рабочий. Хотя формулировка «не только, но и» звучит шаблонно, смысл простой: рабочий формат важнее модного.
- Стабильность при правках: измените один элемент и посмотрите, не поехала ли композиция.
- Повторяемость: два-три прогона одного промпта, чтобы понять разброс.
Контекст: зачем Canva своя модель и что это значит для рынка
Бизнес-фон объясняет спешку. Canva была на пути к выручке $4 млрд за прошлый год, но снизила прогноз роста на 2026 год, и оценка, по сообщениям внешних аналитиков, упала с $42 млрд до $35 млрд. В такой ситуации собственная модель решает несколько задач сразу: снижает расходы на сторонние API, даёт контроль качества и скорости и усиливает позиции против Google, OpenAI, ByteDance и Meta.
Для пользователя важнее другое следствие. Генерация изображений переезжает из отдельного сервиса внутрь редактора макетов. Раньше цепочка выглядела как «промпт в чат-боте, скачивание, импорт, ручная сборка». Теперь она сжимается до «промпт, слои, правка, экспорт», и это меняет требования к инструментам: ценнее становится не сама генерация, а то, что с результатом можно работать дальше.
Что это меняет для дизайнеров и маркетологов на практике
Навык промптинга смещается в сторону макета. Описывать нужно не «красивую картинку», а структуру: что главное, что второстепенное, где текст, какой формат. Это ближе к брифу, чем к художественному описанию, и такому проще научиться.
Проверка результата остаётся на человеке. Пока нет независимых тестов, читаемость кириллицы, корректность цен и юридических сносок, права на использование и соответствие брендбуку проверяет тот, кто отвечает за публикацию. Автоматизация ускоряет черновик, ответственность за финал не снимает.
Держите в поле зрения и альтернативы: собственные модели Google и OpenAI развиваются быстро, а открытые решения дают контроль, которого нет у облачных сервисов. Конкуренция здесь идёт не за качество одной картинки, а за то, где именно происходит работа с макетом.