SMF·FLAIR-AI
Un prompt peut-il remplacer Flair AI ?
Génération d'images IA — AI image and video generation
Bordereau de suivi des pièces
Verdict
La différence de Flair par rapport à tout autre outil de photo produit, c’est spatiale : tu arranges le détourage et les accessoires où tu veux, et le modèle remplit le reste en respectant cette disposition. En local, c’est de l’inpainting avec un masque de composition, et ComfyUI plus un bon checkpoint SDXL t’y amène en une session. L’écart, c’est la fidélité du contrôle — les modèles du produit payant ont été affinés pour cette tâche, et un checkpoint généraliste produit une scène qui ignore ton arrangement plus souvent qu’elle ne le respecte.
Pièce A — Le prompt
Reçu le31.07.2026Construis un compositeur local de scène produit : arrange des éléments sur un canevas, puis génère la scène autour d’eux avec de l’inpainting.
Canevas : une zone de travail à ratio fixe. L’utilisateur place un détourage de produit (PNG avec alpha, ou une image passée par un modèle de segmentation local), plus de simples placeholders d’accessoires — des rectangles et ellipses qu’il positionne et étiquette avec un mot comme « socle en pierre », « tissu de lin », « feuilles ». Les objets peuvent être déplacés, redimensionnés et pivotés ; l’arrangement est l’entrée, pas une décoration.
Construction du masque, qui est le cœur technique. Depuis l’arrangement, construis :
- Un masque de conservation couvrant l’alpha du détourage produit, dilaté de quelques pixels. Rien à l’intérieur ne peut être régénéré.
- Une image guide où chaque placeholder étiqueté est rempli d’une couleur unie, pour que la passe de diffusion ait une structure à suivre.
- Un masque de génération couvrant tout le reste.
Génération : soumets à une instance ComfyUI locale configurée dans l’environnement. Lance un workflow d’inpainting qui prend le canevas composé, le masque de génération, et un prompt assemblé depuis la description de scène plus l’étiquette de chaque placeholder positionnée par son emplacement dans le cadre (« socle en pierre en bas à gauche »). Utilise une entrée de contrôle de profondeur ou de contour dérivée de l’image guide pour que les placeholders influencent la composition plutôt que d’être ignorés.
Sois honnête sur l’adhérence : après chaque génération, montre le résultat avec l’arrangement original superposé en contour pour que l’utilisateur voie à quel point le modèle a dérivé de sa disposition. Ne cache pas la dérive derrière un joli recadrage.
Itération : contrôle de seed, une grille de quatre variantes à la fois, et une action relancer-avec-ajustement qui garde l’arrangement et change seulement le prompt ou le seed. Stocke le JSON complet du workflow et chaque paramètre à côté de chaque sortie, pour qu’un bon résultat puisse être reproduit exactement.
Éclairage : une passe de rééclairage simple — l’utilisateur choisit une direction et une intensité de lumière, et le pipeline applique un dégradé au produit composité pour qu’il corresponde à la scène générée. Sans ça, le produit paraît collé dessus, ce qui est l’indice qui sépare une photo produit utilisable d’un composite évident.
Export : PNG et JPEG en pleine résolution, plus un recadrage carré pour marketplace.
Hors périmètre : toute API hébergée, l’entraînement ou l’affinage de modèle, un système de compte, et une marketplace de templates.L’ouverture pré-remplit le prompt — il ne reste qu’à appuyer sur entrée.
Pièce B — Ce que tu perds
- B.1 des modèles affinés spécifiquement pour les scènes produit, ce qui représente la majeure partie de l’écart de qualité
- B.2 la vitesse GPU — une itération prend des secondes en hébergé et une minute en local
- B.3 la bibliothèque de templates de compositions de scène préparées
- B.4 une adhérence fiable à la disposition que tu as arrangée
Alternatives existantes
Pièce C — Pourquoi certains continuent de payer : frontier models, compute, and data
Parce que la photographie produit est itérative, et un outil qui renvoie quatre options en dix secondes est utilisé jusqu’à ce que quelque chose marche. Un qui prend une minute par tentative est abandonné dès le troisième essai.
Questions
Puis-je récupérer quelque chose depuis Flair ?
Seulement les images générées. Les templates de scène et kits de marque de Flair sont des actifs de plateforme sans export, donc les compositions se reconstruisent ici. Les détourages produit sont les tiens et se transfèrent directement.
À quel point le modèle suit-il mon arrangement ?
Moins fidèlement que le produit payant, et c’est le gros titre honnête. Un checkpoint SDXL généraliste avec une entrée de contrôle de profondeur respecte le placement approximatif et ignore le détail fin, donc un accessoire que tu as positionné précisément peut finir ailleurs. La comparaison en superposition dans le prompt existe pour que tu voies ça plutôt que de le découvrir après publication.
Combien ça coûte à faire tourner ?
Rien par image une fois les modèles téléchargés, mais tu as besoin d’un GPU avec au moins 8 Go de VRAM pour de l’inpainting SDXL à une vitesse utilisable. Sur CPU, ça marche et prend plusieurs minutes par génération, ce qui tue la boucle d’itération dont dépend cet outil.
Quelle est la seule chose qui ne survit pas à la reconstruction ?
La vitesse d’itération. La photographie produit est un jeu de nombres — tu en génères vingt et en gardes une. Dix secondes par tentative rend ça agréable ; une minute par tentative te fait te contenter du troisième résultat au lieu du vingtième.
Outils proches
Récépissé