У меня примерно так же – если просто набросать пару слов, получишь кашу. Однажды попробовал подробно расписать, что и кому надо, добавил стиль, и сразу стало лучше. Особенно по картинкам прикольно: если не уточнить ракурс или эмоции, часто какая-то «каша» выходит. Вся суть, как по мне, в четких деталях, а не надеяться, что ИИ сам догадается, что хочешь.