Vous tapez « 1girl, solo, masterpiece, best quality » dans Z-Image Turbo et vous vous demandez pourquoi le rendu paraît générique. Cette syntaxe de prompt a été conçue pour Stable Diffusion. Z-Image parle une langue totalement différente.
Sous le capot, c'est un transformateur de diffusion à flux unique de 6 milliards de paramètres (S3-DiT) qui traite les tokens de texte et d'image dans une séquence unifiée. Au lieu d'analyser des tags séparés par des virgules, il lit votre prompt comme un humain lit une phrase.
Ci-dessous : ce qu'attend le modèle, une formule de prompt réutilisable, et cinq prompts que vous pouvez adapter pour vos propres générations.
Pourquoi les vieilles habitudes de prompting ne fonctionnent plus ici
Si vous avez passé des mois à peaufiner votre flux Stable Diffusion – syntaxe en tags, negative prompts à outrance, réglages fins du guidance scale – Z-Image Turbo vous semblera étranger. Trois choses sont fondamentalement différentes.
Le modèle comprend les phrases. Z-Image a été entraîné simultanément sur des légendes en langage naturel en anglais et en chinois. Écrivez une description, pas une liste de courses.
Le nombre d'étapes compte moins que vous ne le pensez. La variante Turbo a été distillée pour 8 étapes d'échantillonnage – c'est le point optimal en production. Pousser jusqu'à 40 peut introduire des artefacts en grille au lieu d'améliorer la qualité. Utilisez 4 étapes pour des tests A/B rapides, 8 pour le rendu final.
Qu'en est-il du guidance scale ? Vous n'y touchez pas. La distillation Turbo (Decoupled-DMD) a intégré le guidage directement dans les poids, donc votre prompt fait tout le pilotage.
La formule de prompt en 6 parties
Tout bon prompt Z-Image suit la même ossature. Vous n'avez pas besoin des six parties à chaque fois, mais connaître la structure complète vous aide à diagnostiquer les résultats faibles.
Sujet – qui ou quoi, avec des détails précis. Âge, vêtements, cheveux, accessoires. Pour plusieurs sujets, décrivez chacun séparément.
Scène – où cela se passe. Z-Image possède une solide connaissance géographique, en particulier pour les lieux d'Asie de l'Est et d'Europe. « Une ruelle étroite de Shibuya à minuit avec de la vapeur s'élevant d'un comptoir à ramen » donne un rendu plus cohérent que « rue japonaise la nuit ».
Composition – type de plan, cadrage, ratio d'aspect. Le modèle répond au langage caméra : « plan moyen », « gros plan », « grand angle ». Précisez une focale si vous voulez du contrôle – « 85 mm f/1.4 » produit une image différente de « 24 mm f/2.8 ».
Éclairage – la variable qui affecte le plus le rendu de Z-Image. « Douce lumière diffuse de temps couvert » et « éclairage studio à trois points » produisent des résultats radicalement différents. Nommez la source, sa direction, sa qualité.
Style – choisissez UN médium dominant. « Photographie sur pellicule analogique » ou « illustration anime en cel-shading » ou « peinture à l'huile avec coups de pinceau visibles ». Mêler trois styles à la fois sème la confusion dans n'importe quel modèle.
Contraintes – ce qui ne doit PAS apparaître. Comme les negative prompts fonctionnent différemment ici (voir plus bas), intégrez vos contraintes directement : « no watermark, no extra text, correct anatomy ».
Le point optimal se situe entre 30 et 120 mots de description structurée en langage naturel.
Negative prompts : moins c'est plus
Le pipeline open source standard ignore totalement les negative prompts car le guidance est réglé à zéro. Via le pipeline de FilmoTvor.AI, les negative prompts SONT pris en compte – mais ils fonctionnent différemment qu'avec SD 1.5.
La règle : soyez précis, soyez minimal. Deux ou trois défauts concrets que vous voyez réellement dans vos générations. « Extra limbs, warped text » est utile. Le classique mur de texte « low quality, blurry, bad anatomy, worst quality, jpeg artifacts, ugly » nuit activement – il distrait le modèle sans améliorer le rendu.
Un cas limite important : si vous devez interdire l'apparition de caractères chinois (ou inversement), placez cette consigne dans le prompt POSITIF. « English text only, no Chinese characters on the sign » fonctionne mieux comme direction positive que comme contrainte négative.
Le super-pouvoir bilingue
La plupart des développeurs passent complètement à côté. Z-Image rend les caractères CJK et le texte latin de façon lisible dans la même image. Demandez à FLUX de rendre des kanji et vous obtenez du bruit visuel – Z-Image lit les deux écritures et produit une typographie propre.
Pensez aux étiquettes de produit mêlant japonais et anglais, ou aux enseignes au néon avec des caractères chinois et latins. Si votre application s'adresse à des marchés multilingues, c'est la raison de choisir Z-Image.
Pour l'utiliser, placez le texte exact à rendre entre guillemets dans votre prompt : the sign reads "夜市 / NIGHT MARKET". Décrivez la typographie séparément – « bold red neon characters on top, thinner English font below ». Le modèle gère les deux écritures avec un rendu cohérent.
5 prompts à copier tout de suite
Chaque prompt cible un cas d'usage différent. Tous testés à 8 étapes, en résolution 1024×1024.
1. Portrait éditorial
Un portrait éditorial silencieux d'une Japonaise de 28 ans aux cheveux noirs courts en carré et aux légères taches de rousseur, portant un manteau oversize en laine beige sur un col roulé blanc, debout devant un mur minimaliste en béton dans le quartier d'Aoyama à Tokyo sous une bruine, douce lumière diffuse de temps couvert, gouttes de pluie sur les épaules de son manteau, prise avec Sony A7R IV et 85 mm f/1.4 GM, faible profondeur de champ, palette de couleurs froide et atténuée, émulation de pellicule Fujifilm Pro 400H, ambiance calme et contemplative.
Pourquoi ça marche : Nommer un boîtier précis et une émulation de pellicule ancre toute la palette de couleurs. La description météo (« during a drizzle, raindrops on her coat ») fournit à Z-Image des indications atmosphériques qu'il gère exceptionnellement bien.
Essayez de changer : Remplacez « Fujifilm Pro 400H » par « Kodak Portra 800 » pour passer de tons froids atténués à un grain plus chaud.
2. Prise de vue produit avec étiquette bilingue
Packshot commercial d'une boîte de thé matcha haut de gamme : cylindre en aluminium brossé avec une étiquette minimaliste vert émeraude portant la mention « UJI MATCHA 宇治抹茶 » en mélange de kanji japonais et de typographie latine, légères gouttelettes de condensation sur la surface, posée sur une surface en bois de noyer foncé poli, deux fouets en bambou éparpillés et un bol chawan en céramique à moitié rempli de mousse de matcha vert vif à gauche, douce lumière zénithale softbox avec un reflet doré depuis le coin supérieur droit, ombre nette, fond dégradé gris moyen neutre, prise avec Phase One IQ4 et macro 80 mm à f/9, photographie commerciale de nourriture.
Pourquoi ça marche : Celui-ci met à l'épreuve le plus fort atout différenciateur de Z-Image – le rendu de texte bilingue. Les kanji 宇治抹茶 et le latin « UJI MATCHA » apparaissent lisiblement sur la même étiquette. La plupart des modèles open source échouent complètement à ce test.
Essayez de changer : Remplacez le produit par le vôtre – la formule (objet + surface + accessoires + éclairage + appareil) se transpose directement à n'importe quel packshot.
3. Bannière pour réseaux sociaux (16:9)
Un vaste panorama cinématographique d'un photographe solitaire au bord d'une plage de sable noir volcanique en Islande, de dramatiques stacks basaltiques émergeant de l'océan au plan moyen, des vagues blanches s'écrasant sur les rochers sombres, ciel argenté couvert avec une unique éclaircie dorée à l'horizon, pris au grand angle 24 mm, f/8, grande profondeur de champ, tons froids désaturés avec un accent chaud en haute lumière, photographie éditoriale de paysage.
Pourquoi ça marche : L'instruction grand angle 24 mm combinée à « deep depth of field » indique au modèle de garder toute la scène nette – crucial pour les bannières où premier plan et arrière-plan comptent autant. Z-Image gère les textures géologiques (basalte, sable mouillé, embruns) avec un fort niveau de détail. Lancez ceci en 1536×640 pour un vrai panorama cinématographique.
Essayez de changer : Réglez la résolution sur 1280×720 pour une miniature YouTube 16:9 standard, ou 720×1280 pour une Story Instagram.
4. Enseigne au néon avec texte bilingue
Une ruelle de Shanghai sous la pluie à minuit, une enseigne au néon verticale suspendue à un mur de briques, l'enseigne luit de caractères rouge et rose vifs « 夜市 / NIGHT MARKET » – caractères chinois en haut, traduction anglaise en dessous dans une police au néon plus fine, reflets sur le trottoir mouillé, grain de pellicule cinématographique, faible profondeur de champ 35 mm f/1.4, tons cyberpunk atténués, brume atmosphérique chargée, un passant en silhouette s'éloignant sur la droite, palette de couleurs inspirée de Wong Kar-wai.
Pourquoi ça marche : Deux écritures, deux styles typographiques, rendus de façon cohérente dans une seule image. La « palette de couleurs inspirée de Wong Kar-wai » est un raccourci étonnamment efficace – Z-Image comprend les styles de réalisation comme des références de couleur et d'ambiance.
Essayez de changer : Remplacez « Shanghai » par « Taipei » ou « Hong Kong » pour des arrière-plans architecturaux nettement différents tout en gardant la même esthétique néon.
5. Anime / Illustration
Une riche illustration anime en cel-shading dans le style des productions du studio KyoAni : une lycéenne en uniforme d'été blanc debout sur une passerelle ferroviaire à l'heure dorée, regardant en bas vers les voies ferrées, le vent soufflant dans ses longs cheveux châtain, rétroéclairage chaud en contour sur sa silhouette, nuages cotonneux dans un ciel en dégradé orange vers rose, détails tracés à la main, légers débordements de couleur, composition centrée à mi-corps.
Pourquoi ça marche : Nommer un style de studio précis (« KyoAni ») fixe une esthétique nette sans copier un titre unique. Les indications atmosphériques – rétroéclairage d'heure dorée, vent dans les cheveux, ciel en dégradé – sont des marqueurs iyashikei que Z-Image interprète avec une forte fidélité. Ce prompt montre aussi que Z-Image gère l'illustration stylisée aussi bien que le photoréalisme.
Essayez de changer : Remplacez « KyoAni » par « Makoto Shinkai » pour un éclairage plus dramatique et des ciels saturés, ou « Ghibli-inspired » pour un trait plus doux et pictural.