Guide de prompts Seedream 4.5 : les structures qui tiennent

Seedream 4.5 traite votre image d'entrée comme la base et votre prompt comme la différence. Ce seul fait décide de la façon d'écrire. Nommez ce qui change. Ne décrivez ce qui reste identique que si cela ne va pas de soi. Dès que vous redécrivez toute la scène, vous invitez le modèle à régénérer des éléments que vous vouliez intacts.

Nous l'avons testé directement, édition contre redescription, et l'écart n'était pas subtil : « keep the product, change only the background » (gardez le produit, changez seulement l'arrière-plan) a préservé la source bien mieux qu'une nouvelle description de la même scène. La version redécrite paraissait plausible isolément. À côté de la source, le produit avait dérivé.

Sans image d'entrée, construisez le prompt en couches, dans cet ordre : le sujet et la pose d'abord, puis le style et la palette de couleurs, puis le décor et la lumière, puis le cadrage caméra. L'ordre compte parce qu'il suit ce que le modèle pèse le plus. Une indication de caméra placée en tête coûte de la fidélité sur le sujet en fin de prompt.

Voici le même prompt construit couche par couche. Sujet : "a woman in her 30s mid-laugh, head tilted back" (une femme d'une trentaine d'années en plein rire, la tête renversée). Style : "shot like a premium lifestyle editorial, warm muted palette" (photographié comme un éditorial lifestyle haut de gamme, palette chaude et sourde). Décor : "in a sunlit kitchen, late afternoon light through the window" (dans une cuisine ensoleillée, lumière de fin d'après-midi par la fenêtre). Caméra : "waist-up framing, shallow depth of field" (cadrage à la taille, faible profondeur de champ). Chaque couche resserre l'espace sans heurter la précédente.

Gardez un seul point focal. Si vous voulez un texte lisible ou un visage net dans l'image, dites-le clairement et laissez-lui de la place. Les points focaux concurrents sont l'endroit où le rendu du texte et des visages, pourtant réputé sur ce modèle, commence à vaciller.

Indiquez explicitement l'apport de chaque entrée : quelle image fournit le sujet, laquelle fournit un accessoire ou un style, et comment ils s'agencent dans la nouvelle composition. Le modèle répond à des consignes précises et en couches, et la fusion est le cas où cette discipline rapporte le plus.

Peu d'images propres valent mieux que beaucoup d'images moyennes. Deux ou trois images nettes qui possèdent chacune un élément fusionnent plus sûrement qu'un tas où plusieurs n'apportent presque rien. Gardez aussi un éclairage raisonnablement homogène entre les entrées : une photo de studio plus une photo de téléphone sombre obligent le modèle à concilier deux qualités de matière, et c'est là que les fusions ont l'air assemblées au lieu d'être photographiées comme une seule scène.

Quand un élément de la fusion paraît faux et que le reste est bon, ne réécrivez pas tout le prompt. Vérifiez d'abord l'image source de cet élément, puis précisez uniquement la consigne qui s'y rapporte.

Demander deux personnages précis dans une seule image est un problème différent de la fusion, et il échoue de façon caractéristique : le modèle les moyenne. Vous demandez deux personnes et obtenez deux fois le même visage, ou un duo qui partage une couleur de cheveux appartenant à un seul. Le nom technique est attribute bleed (contamination d'attributs), et il survient parce que le modèle garde les deux descriptions dans le même budget d'attention sans raison forte de les séparer.

La solution est de lui donner cette raison. Ancrez chaque personnage à une position distincte du cadre et décrivez-le comme un ensemble, plutôt que de lister tous les traits des deux en espérant qu'ils atterrissent sur le bon sujet. "On the left, a tall woman with short black hair in a red jacket; on the right, a shorter man with blond curls in a grey coat" (à gauche, une grande femme aux cheveux noirs courts en veste rouge ; à droite, un homme plus petit aux boucles blondes en manteau gris) donne au modèle deux emplacements spatiaux à remplir séparément. La même description écrite en liste plate de cinq traits lui donne un seul tas mélangé.

Les LoRA de personnage compliquent la chose au lieu de l'aider. Charger deux LoRA de personnage à la fois est le moyen le plus sûr d'obtenir un mélange des deux, car chacune tire toute l'image vers son propre sujet. Si vous avez besoin de deux personnages entraînés précis ensemble, les générer séparément puis les composer demande généralement moins de travail que de lutter contre la fusion.

La qualité de la LoRA elle-même compte ici plus que la plupart des gens ne le pensent. Une LoRA de mauvaise qualité ne rend pas seulement son sujet moins bien : elle dégrade activement la capacité du modèle à suivre le reste du prompt. Les détails des deux personnages se mélangent, et des consignes normalement suivies proprement se mettent à produire des erreurs. Une LoRA bien entraînée tient son sujet et laisse le reste du prompt se comporter normalement ; une LoRA faible déborde sur tout ce qui l'entoure.

Un résultat flou ou pauvre en détails sur une édition remonte généralement à l'image d'entrée, pas à la formulation. Le modèle sait affiner et restyler, mais il ne peut pas inventer un détail qui n'existe nulle part dans la source. Avant de réécrire un prompt pour la quatrième fois, regardez de près ce que vous lui avez donné.

C'est pareil pour les visages en fusion : si le visage source est petit, flou ou à moitié tourné, aucune formulation ne le sauve. Remplacez l'entrée par une image plus propre et le « problème de prompt » tend à disparaître.