Écrit parMo Kahnle
7 août 2026
Vous fixez un selfie brut, une couverture de livre à moitié finie ou une maquette de produit dérivé qui est presque parfaite mais pas tout à fait, et vous ne voulez pas recommencer à zéro. C'est la raison pour laquelle les gens ouvrent unéditeur d'images Stable Diffusion. Il vous permet de remodeler une partie d'une image, de changer l'ambiance ou de réparer une erreur sans tout reconstruire, ce qui explique précisément pourquoi il est devenu un flux de travail si pratique pour les créateurs qui ont besoin de rapidité et de contrôle.
La pérennité du modèle repose sur une base technique conçue pour l'échelle. Stable Diffusion v1.5 a été entraîné surLAION-5B, un ensemble de données contenant5,85 milliards de paires image-texte, et son architecture U-Net possède environ860 millions de paramètres. Le système a également été conçu pour une inférence rapide, avec des temps de génération rapportés d'environ2 secondessur unGPU A100et d'environ1,5 à 5 secondessur unRTX 3090selon les paramètres et la version, ce qui aide à expliquer pourquoi les flux de travail d'édition construits sur celui-ci semblent utilisables plutôt qu'académiques (Statistiques techniques de Stable Diffusion).
Un créateur n'ouvre généralement pas unéditeur d'images Stable Diffusionparce qu'il veut « utiliser l'IA ». Il l'ouvre parce qu'une image est presque finie, et que la dernière ligne droite est celle où le temps disparaît. Un selfie a besoin d'une peau plus nette et d'un éclairage plus doux. Une couverture de livre a besoin d'atmosphère sans perdre en lisibilité. Une maquette de produit dérivé nécessite que le graphique s'intègre sur la chemise sans briser le tissu ou transformer l'arrière-plan en bruit visuel.
C'est pourquoi Stable Diffusion compte en tant que surface d'édition, et pas seulement comme générateur. Son pipeline de diffusion fonctionne dans l'espace latent, de sorte qu'il peut prendre une image existante, ajouter du bruit et reconstruire uniquement les parties que vous souhaitez modifier tout en gardant le reste intact. AWS décrit cette représentation latente comme48x plus petitqu'une image RVB de 512×512, et cette compression est l'une des raisons pour lesquelles la boucle d'édition reste pratique pour une itération rapide (Aperçu d'AWS Stable Diffusion).
Les types de tâches que l'on demande sans cesse sont prévisibles.Les selfiesont besoin d'un nettoyage du visage et des cheveux.Les couvertures de livresnécessitent une ambiance, une composition et une finition adaptée au genre.Les produits dérivés (merch)ont besoin d'un objet ou d'un graphique net sur une surface contrôlée.Les avatarsdoivent préserver l'identité pendant que le costume, l'angle ou l'expression change.
Règle pratique :choisissez le mode d'édition en fonction de la part d'image que vous pouvez vous permettre de perturber, et non de la dramatisation de l'idée.
Pour une vue d'ensemble plus large de la façon dont ces outils sont packagés, leguide des outils d'IAde Shopstar constitue un bon point de départ. Si vous préférez une configuration plus légère, des plateformes telles questarryaiintègrent le téléchargement et l'édition dans un flux simple, ce qui est pratique lorsque vous ne souhaitez pas installer de pile locale ou gérer des fichiers de modèles. Pour des lectures de fond sur le modèle sous-jacent, leurAperçu de Stable Diffusionest un complément idéal à l'édition pratique.
Le moyen le plus simple d'éviter les rendus gaspillés est de choisir le bon mode avant de toucher à une invite (prompt).Img2imgconserve l'ensemble de l'image et la retravaille à une intensité choisie, c'est donc le mode idéal pour le transfert de style, l'amélioration complète du visage et les passes de croquis à l'image finie.L'inpaintingconserve tout ce qui se trouve à l'extérieur du masque et régénère uniquement la zone peinte, ce qui constitue le meilleur choix lorsque vous devez remplacer un visage, modifier un objet d'arrière-plan ou corriger une région spécifique.
Si vous souhaitez modifier l'ambiance de la majeure partie de l'image, utilisezimg2imgà une intensité modérée. Si vous souhaitez qu'une seule partie change, peignez un masque et utilisezl'inpainting. Ce simple choix évite beaucoup de frustration car le modèle ne peut pas réécrire « utilement » des parties du cadre que vous souhaitiez préserver.
Lorsque les gens restent bloqués, c'est généralement parce qu'ils demandent à img2img d'effectuer un travail chirurgical ou à l'inpainting d'assurer une refonte complète. Un portrait soigné avec une nouvelle coupe de cheveux peut fonctionner dans les deux cas, mais un échange de visage, un remplacement d'objet ou une correction d'arrière-plan se comporte presque toujours mieux avec un masque. La raison est simple. L'inpainting donne au modèle une limite, et les limites aident le suppresseur de bruit (denoiser) à se concentrer.
Gardez l'édition aussi locale que possible. Plus la région est petite, plus il est facile de préserver l'identité, la mise en page et la texture.
Le même flux de travail est disponible dans des outils tels quele mode Édition de starryai, où le téléchargement et l'édition se trouvent derrière une interface simple plutôt que dans une installation locale. Pour une présentation étape par étape de la plateforme, leurguide d'utilisation de Stable Diffusionconstitue un point de référence raisonnable si vous comparez des interfaces plutôt que de configurer votre propre environnement.
Une mauvaise préparation génère de mauvais montages plus rapidement qu'un mauvais prompt. Si l'image source est bruitée, mal rognée ou éclairée par trois directions à la fois, le modèle doit trop deviner et le résultat commence à dériver. J'ai obtenu de bien meilleurs résultats lorsque je cadre serré sur le sujet, que je garde un éclairage lisible et que j'évite de nourrir l'éditeur avec un cadre encombré, à moins que cet encombrement ne fasse partie du changement réel.
L'image source doit être suffisamment claire pour que le modèle puisse lire le sujet sans subir de dommages liés à la compression. Une image légèrement accentuée se comporte généralement mieux qu'une image douce et floue, et il est utile de supprimer les artefacts évidents avant de procéder à l'édition. Si vous éditez un visage ou un produit, zoomez pour que le modèle concentre son attention sur ce que vous voulez changer.
Pour les masques, la règle est tout aussi directe.Les masques au pinceausont plus contrôlables que la sélection automatique lorsque la région compte, etles bords douxse fondent généralement mieux que les lignes de coupe nettes. Un peu de dilatation ou de flou du masque évite que la transition n'ait l'air d'une pièce rapportée, ce qui trahit la plupart des modifications « d'apparence IA ».
Règle pratique :commencez par le plus petit masque qui couvre encore entièrement le changement, puis estompez la limite pour que le modèle ait de la marge pour se fondre.
Pour de nombreux échanges de visages, une force de débruitage comprise entre0,4 et 0,6est un bon point de départ, tandis qu'un restylage plus subtil en demande généralement moins. Des forces plus élevées sont mieux réservées aux reconstructions de régions complètes, car un bruit plus fort donne au modèle l'autorisation de réécrire davantage de structure. Si vous avez besoin d'isoler le sujet avant de l'éditer, lapage de suppression d'arrière-planest pertinente car une séparation propre représente souvent la moitié du travail.
La plus grande erreur de prompt en matière d'édition est de mélanger ce qui appartient à l'image entière et ce qui n'appartient qu'à l'intérieur de la région modifiée.Les prompts au niveau de l'imagedoivent décrire l'ambiance, l'éclairage, l'effet de caméra ou le style général.Les prompts localisés par masquedoivent décrire ce qui doit apparaître à l'intérieur de la zone peinte. Si vous demandez au modèle de résoudre les deux en même temps, le résultat devient généralement vague, surchargé ou étrangement littéral.
| Tâche | Squelette de prompt positif | Prompt négatif |
|---|---|---|
| Embellissement de selfie | peau propre, éclairage de studio doux, détail facial naturel, raffinement subtil des cheveux, portrait pour réseaux sociaux | flou, peau en plastique, doigts supplémentaires, filigrane, texte |
| Maquette de couverture de livre cinématique | éclairage dramatique, atmosphère spécifique au genre, sujet centré, composition prête pour la couverture, contraste élevé | texte aléatoire, filigrane, arrière-plan encombré, visage déformé, faible détail |
| Graphique de produits dérivés (merch) | graphique propre de type vectoriel, zone d'impression centrée, contraste audacieux, sujet isolé, effet de maquette de produit | rides sur le design, encombrement de l'arrière-plan, objets supplémentaires, filigrane, texte |
| Portrait d'avatar fantastique | portrait de personnage détaillé, éclairage équilibré, identité forte, détail de costume, ambiance fantastique | anatomie cassée, doigts supplémentaires, visage flou, filigrane, texte |
Pour unembellissement de selfie de style TikTok, gardez le prompt concis : « détail facial naturel, douce lueur, texture de peau propre, éclairage flatteur, raffinement réaliste des cheveux ». Le prompt négatif doit protéger l'identité et éviter le lissage excessif : « flou, peau en plastique, doigts supplémentaires, filigrane, texte ». Cette combinaison pousse l'éditeur vers l'amélioration plutôt que vers une personne complètement différente.
Pour unde livre, le prompt doit orienter l'ambiance et la mise en page, pas seulement les mots de style. Utilisez un langage tel que « éclairage cinématique, atmosphère maussade, sujet central, ombres dramatiques, composition prête pour la couverture », puis bloquez le texte accidentel avec un prompt négatif qui indique explicitementtexte aléatoire. Pourles produits dérivés (merch), maintenez le prompt positif ancré sur une surface d'impression propre, et n'oubliez pas d'exclure l'encombrement de l'arrière-plan, car les éléments de design paraissent moins bien lorsque l'éditeur invente des détails autour du graphique. Pour unavatar, protégez d'abord le visage et l'identité, puis ajoutez le langage du costume en second.
Les prompts négatifs font un travail plus important en édition que dans la génération pure parce qu'ils défendent les parties que vous ne régénérez pas. Le modèle n'a pas besoin d'instructions sans fin. Il a besoin d'une clôture.
Le paramètre qui modifie le plus le résultat estla force de débruitage (denoising strength). Des valeurs plus faibles maintiennent la structure et la couleur plus proches de la source, tandis que des valeurs plus élevées donnent au modèle plus de marge pour reconstruire l'image. Pour l'édition, cela fait de la force le premier contrôle à ajuster lorsque le résultat semble trop littéral ou trop éloigné.
La vitesse compte car l'édition ne semble itérative que lorsque le temps de traitement reste rapide. L'inférence signalée sur unGPU A100est d'environ2 secondespour une image512×512à 50 étapes, et unRTX 3090grand public peut gérer un travail similaire en environ1,5 à 5 secondesselon la version et les paramètres. Un résumé évalué par des pairs note également que Stable Diffusion peut fonctionner sur la plupart du matériel grand public, avec un minimum de4 Go de VRAMpour une utilisation512×512(résumé technique PMC).
Si l'édition semble délavée, augmentez la spécificité du prompt avant d'augmenter les étapes. Si l'édition est trop littérale, réduisez d'abord le débruitage. En cas de dérive, le masque ou la composition est généralement le problème, et non l'échantillonneur.
Une modification de selfie nécessite généralement de l'inpaintingsur le visage et les cheveux, et non une passe img2img sur toute l'image. Gardez le masque serré autour de la peau, de la frange et de toutes les zones problématiques, puis utilisez un débruitage modéré pour préserver l'expression et l'identité. Un prompt tel que « détails faciaux naturels, éclairage doux, ligne de cheveux propre, portrait réaliste » fait mieux l'affaire qu'une accumulation d'adjectifs de style.
Une couverture de livre fonctionne mieux commeimg2imglorsque toute la composition a besoin d'une cohésion d'ambiance et de genre. Commencez par la maquette brute, gardez la force modérée et fournissez au modèle un prompt sur l'atmosphère, le placement du sujet et la finition, tandis que le prompt négatif bloque le texte aléatoire et l'encombrement. L'objectif est de garder la couverture lisible en tant que couverture, et pas seulement de la rendre plus jolie.
Le merchandising est généralement un travailbasé d'abord sur le masque. Découpez la zone imprimable, verrouillez l'arrière-plan et effectuez un inpainting sur les détails du graphisme ou du placement pour que le vêtement reste crédible. Si la texture de la chemise commence à se déformer autour du design, le masque est trop large ou la force est trop élevée.
Un avatar nécessite souvent une approche en deux passes. Utilisez d'abord img2img pour préserver l'identité et la pose globale, puis effectuez un inpainting des modifications de costume ou d'expression dans des régions plus petites. Cette division maintient le visage cohérent tout en vous permettant de placer le personnage dans un nouveau rôle.
La plupart des modifications ratées proviennent d'une force inadaptée, d'un masquage faible ou d'un prompt qui en demande trop à la fois. Lorsqu'un visage se déforme, que les mains se séparent ou que le modèle ignore la zone masquée, la solution est généralement plus simple qu'on ne le pense. J'obtiens de meilleurs résultats en réduisant légèrement la force par petits incréments plutôt qu'en réécrivant tout le prompt à partir de zéro.
Le contrôle du point de vue est un autre point problématique. Les prompts textuels seuls échouent souvent lorsque vous avez besoin d'un angle spécifique, et c'est pourquoi les créateurs finissent par utiliser ControlNet, des cartes de profondeur, des cartes de pose ou une image de référence pour forcer la composition. Si vous essayez de garder le même sujet cohérent à travers plusieurs vues, le problème n'est pas seulement d'éditer une image, mais de maintenir la structure pendant que la caméra bouge.
L'habitude la plus sûre est de conserver le fichier d'origine et de travailler par petits paliers de force. Relancez l'édition avec une valeur de débruitage légèrement inférieure avant de refondre le prompt, car les grands sauts ont tendance à effacer les parties que vous aimiez déjà . Le consentement éclairé compte également lorsque vous éditez le visage de quelqu'un d'autre, et les règles de la plateforme comptent une fois que l'image quitte votre éditeur. Des outils commestarryaiet des applications similaires filtrent déjà les prompts dangereux au niveau du système, mais la décision finale vous revient toujours.
Mode d'abord, masque ensuite, prompt en troisième, paramètres enfin. Cet ordre fait gagner du temps car il s'attaque à la cause principale de la plupart des mauvais edits au lieu de traiter chaque échec comme un problème de prompt. Choisissez l'un des quatre scénarios ci-dessus, exécutez-le une fois et utilisez le résultat pour calibrer votre propre œil au lieu de passer une heure de plus à deviner.
Si vous cherchez un endroit simple pour tester ces flux de travail,starryaivous offre un chemin de téléchargement et d'édition qui s'adapte à ce type d'itération sans configuration compliquée. Essayez un selfie, une maquette de couverture ou une passe d'avatar, puis comparez le comportement de l'inpainting et d'img2img sur vos propres images. Visitezstarryaiet commencez avec le mode d'édition qui correspond au travail que vous essayez de terminer.
.svg){kind=small}