Bria FIBO 2.0 Text-zu-Bild und Bild-zu-Bild: Parameter, Prompts und Aufrufbeispiele

Die beiden Modelleingänge von Bria FIBO 2.0

Bria FIBO 2.0 bietet auf der Plattform zwei Modelle: Bria FIBO 2.0 Text-zu-Bild (fibo-2.0/text-to-image) erzeugt ein Bild aus einem Prompt, Bria FIBO 2.0 Bild-zu-Bild (fibo-2.0/image-to-image) bearbeitet ein vorhandenes Bild nach einer Anweisung in natürlicher Sprache. Beide kosten gleich viel, nämlich $0.0572 pro Bild; die Ausgabe umfasst etwa 1 Million Pixel, bei 1:1 sind das 1024×1024.

Bria trainiert seine Modelle mit lizenzierten Daten und eignet sich für kommerzielle Szenarien. Die Steuerung fotografischer Elemente wie Kamerawinkel, Licht, Schärfentiefe und Bildkomposition ist ausgeprägt, und genau das lohnt sich bei der Nutzung am meisten: Statt Adjektive zu häufen, schreibt man diese Elemente als klare, abschnittsweise anpassbare Beschreibungen.

Drei Aufgabentypen, die man ihm gut überlassen kann

• Anpassung von Kamerawinkel und Licht bei vorhandenem Material: Man hat ein fertiges Produkt- oder Porträtfoto und möchte nur die Perspektive auf eine 45-Grad-Aufsicht ändern oder das Licht von Mittag auf Abenddämmerung umstellen, während Pose, Kleidung und Hintergrund unverändert bleiben. Bild-zu-Bild ist gut darin, nur eine Eigenschaft zu ändern und den Rest gleich zu lassen – genau dafür ist es geeignet.
• Szenenkonzeptbilder in vorgegebenem Stil: Mit strukturierter Beschreibung Szene, Kamerawinkel und Licht festlegen und dann aus Kodak Film, Hard Flash, Hazy Dreamy, Rough Realism einen Stil wählen, etwa zur frühen Erkundung der visuellen Richtung.
• Lokaler Austausch mit Maske: Nur einen bestimmten Bereich des Bildes ändern, etwa ein Objekt auf dem Tisch ersetzen oder ein Schild im Hintergrund austauschen – mit einer Schwarz-Weiß-Maske wird der Bereich festgelegt, der Rest bleibt unverändert.

Wie die Parameter verwendet werden

Die Eingabestrukturen der beiden Modelle unterscheiden sich: Bei Text-zu-Bild ist das Kernfeld prompt, bei Bild-zu-Bild das Kernfeld instruction. Die Feldnamen sind ähnlich, doch Wertebereiche und Beschränkungen weichen ab; getrennt betrachtet ist es sicherer.

Bria FIBO 2.0 Text-zu-Bild (fibo-2.0/text-to-image)

Die 21 Werte von aspect_ratio umfassen 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 16:10, 10:16, 2:1, 1:2, 21:9, 9:21, 3:1, 1:3, 4:1, 1:4, 5:1, 1:5. Wird nichts übergeben, wird mit 1:1 ausgegeben. Die Gesamtausgabe beträgt etwa 1 Million Pixel, das Verhältnis ändert nur die Aufteilung von Länge und Breite.

style und image_url können nicht gemeinsam verwendet werden; das muss im Code vorab geprüft werden: Wird ein fester Stil benötigt, übergibt man style, sollen visuelle Merkmale eines bestimmten Bildes als Referenz dienen, übergibt man image_url – nur eines von beiden. Parameterkonflikte werden nicht automatisch auf der Ausgabeseite aufgelöst; sie vorher abzufangen ist einfacher, als sie hinterher zu suchen.

Bria FIBO 2.0 Bild-zu-Bild (fibo-2.0/image-to-image)

Die Reihenfolge von image_urls ist bedeutsam: Das erste Bild bestimmt das zu bearbeitende Motiv, die übrigen wirken nur, wenn sie in der instruction referenziert werden, und zwar durch <image_1>, <image_2> in der instruction. Wird ein Referenzbild nicht in die instruction geschrieben, wird es praktisch nicht verwendet.

Wird aspect_ratio nicht übergeben, folgt es dem ersten Bild; bei Einzelbildbearbeitung bleibt das Originalseitenverhältnis stets erhalten. mask_url wird nur verwendet, wenn der Änderungsbereich eingegrenzt werden soll: Die Maske ist ein Schwarz-Weiß-Bild, Weiß kennzeichnet den zu ändernden Bereich, und die Größe muss mit dem Originalbild übereinstimmen, damit sie ausgerichtet werden kann; mit Maske darf image_urls nur 1 Bild übermitteln, weitere Referenzbilder sind dann nicht möglich.

Bei Bild-zu-Bild sollte sich die Anweisung am besten nur auf eine Eigenschaft beziehen. Kamerawinkel, Licht, Tageszeit, Kleidung oder Material – eines davon auswählen und den Rest als „unverändert“ beschreiben; dann lässt sich leichter beurteilen, ob das Ergebnis den Anforderungen entspricht.

Wie man den Prompt schreibt

Die empfohlene Reihenfolge der Beschreibung ist: Motiv und Handlung → Szene → Kameraperspektive → Licht und Tageszeit → Schärfentiefe und Fokus → Material und Bildqualität. Schreibt man nach diesen sechs Abschnitten, zerlegt man das Bild in sechs unabhängig anpassbare Variablen: Will man den Kamerawinkel ändern, ändert man nur den dritten Abschnitt, will man die Tageszeit ändern, nur den vierten, während die übrigen Beschreibungen unverändert bleiben – so lässt sich die durch eine Änderung entstehende Differenz klar zuordnen. Die Steuerung fotografischer Elemente ist die Stärke dieses Modells, und diese sechs Abschnitte decken im Wesentlichen seinen Stärkenbereich ab.

Beispiel eins: Prompt für Text-zu-Bild

Eine Frau in einem dunkelgrauen Wollmantel steht an einer Straßenecke nach dem Regen und klappt gerade einen schwarzen Stockschirm mit langem Griff zusammen.
Zu beiden Seiten der Straße liegen früh am Morgen noch geschlossene Läden, die Rolltore sind halb heruntergelassen, auf dem Boden steht Wasser.
35mm-Perspektive, leicht niedriger Kamerawinkel, von schräg links vor der Person aufgenommen, die Person befindet sich auf der rechten Drittellinie des Bildes.
Streulicht eines bewölkten Morgens, kühle Farbtemperatur, kein direktes Sonnenlicht.
f/2 geringe Schärfentiefe, das Gesicht der Person ist scharf, die Gebäude im Hintergrund werden zunehmend unscharf.
Der Wollstoff zeigt feine Webstruktur, die Metallstreben des Schirms haben leichte Glanzlichter, insgesamt feines Korn.

Beim Absenden dann style als Kodak Film, aspect_ratio als 3:2 und seed als 5555 angeben. Die sechs Abschnitte sind jeweils unabhängig; möchte man später auf den harten Lichtstil von Hard Flash wechseln, ändert man nur style und den Lichtabschnitt, die übrigen fünf Zeilen bleiben unverändert, um die Unterschiede vergleichen zu können.

Beispiel zwei: instruction für Bild-zu-Bild

Ändere den Kamerawinkel von <image_1> auf eine senkrechte Draufsicht von oben und behalte Pose, Kleidung und Position der Person bei.
<image_2> dient als Referenz für das Material der Kleidung; Webstruktur und Glanz des Mantels werden gemäß <image_2> behandelt.

Hier werden in image_urls zwei Bilder übergeben: Das erste ist das zu bearbeitende Originalbild, das zweite das Materialreferenzbild; daher muss in der instruction mit <image_1>, <image_2> eindeutig referenziert werden. Die Anweisung selbst tut nur zwei Dinge – den Kamerawinkel ändern und das Material nach dem Referenzbild behandeln –, und genau das ist der Bereich, in dem Bild-zu-Bild stark ist: jeweils nur eine Eigenschaft ändern und den Rest möglichst unangetastet lassen. Änderungen auf eine einzige Dimension zu beschränken reduziert Nacharbeit und erleichtert die Beurteilung, ob dieser Aufruf die Erwartungen erfüllt hat.

Preis und Inhaltssicherheit

Beide Modelle kosten $0.0572 pro Bild, und die Abrechnungsregel ist unabhängig von Seitenverhältnis, Stil, Anzahl der Referenzbilder und davon, ob eine Maske verwendet wird. 1:1 und 21:9 kosten gleich viel, 4 Bilder und 1 Bild kosten gleich viel, mit Maske und ohne Maske kosten gleich viel. Die Kosten richten sich nur nach der Anzahl der erzeugten Bilder: 100 Bilder sind $5.72, 1000 Bilder sind $57.2.

Zur Inhaltssicherheit muss man eines vorab wissen: Enthält die Beschreibung nicht konforme Inhalte, gibt die Schnittstelle keinen Fehler zurück, sondern das Modell schreibt den Prompt in sichere Inhalte um und erzeugt weiterhin ein Bild. Das umgeschriebene Bild kann mit der ursprünglichen Absicht nichts zu tun haben, der Aufruf wird jedoch wie gewohnt abgerechnet. Der Prompt sollte daher vor dem Absenden selbst geprüft werden, insbesondere sensible Beschreibungen zu Personen, Kleidung und Szene – ein Problem äußert sich nicht als Fehlermeldung, sondern als ein unpassendes Bild und eine Rechnung.

API-Aufrufbeispiel

Beide Modelle laufen über die asynchrone Aufgaben-Schnittstelle: Zuerst wird mit POST /v1/tasks eine Aufgabe übermittelt, aus der Antwort die Aufgaben-ID entnommen und dann per Polling mit GET /v1/tasks/{id} die Bildadresse abgerufen.

curl -X POST "$HIAPI_BASE_URL/v1/tasks" \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "fibo-2.0/text-to-image",
    "input": {
      "prompt": "Eine Frau in einem dunkelgrauen Wollmantel steht an einer Straßenecke nach dem Regen, 35mm-Perspektive, leicht niedriger Kamerawinkel, Streulicht eines bewölkten Morgens, f/2 geringe Schärfentiefe, der Wollstoff zeigt feine Webstruktur.",
      "style": "Kodak Film",
      "aspect_ratio": "3:2",
      "seed": 5555
    }
  }'

curl "$HIAPI_BASE_URL/v1/tasks/{id}" \
  -H "Authorization: Bearer $HIAPI_API_KEY"

Bild-zu-Bild verwendet dieselbe Aufgaben-Schnittstelle, es werden nur model und input ausgetauscht:

curl -X POST "$HIAPI_BASE_URL/v1/tasks" \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "fibo-2.0/image-to-image",
    "input": {
      "instruction": "Ändere den Kamerawinkel von <image_1> auf eine senkrechte Draufsicht von oben und behalte Pose und Kleidung der Person bei. <image_2> dient als Referenz für das Material der Kleidung.",
      "image_urls": [
        "https://example.com/scene.jpg",
        "https://example.com/fabric.jpg"
      ],
      "seed": 5555
    }
  }'

Häufige Fragen

Können style und image_url zusammen übergeben werden?

Nein. Beide schließen sich aus, eine gleichzeitige Übergabe führt zu einem Konflikt. Wird ein bestimmter Stil benötigt, verwendet man style, sollen visuelle Merkmale eines bestimmten Bildes als Referenz dienen, verwendet man image_url – nur eines von beiden.

Können nach Übergabe von mask_url in image_urls noch mehrere Bilder übergeben werden?

Nein. Mit Maske darf image_urls nur 1 Bild enthalten, nämlich das zu bearbeitende Bild; die Maske selbst ist ein Schwarz-Weiß-Bild, weiße Bereiche kennzeichnen den zu ändernden Teil, und die Größe muss mit dem Originalbild übereinstimmen.

Wie lässt sich dasselbe Bild reproduzieren?

Durch Festlegen des seed. Der Wertebereich ist 0–2147483647, Standard 5555; gleicher seed plus gleicher Prompt reproduziert das Ergebnis. Der Standardwert von seed ist bei Bild-zu-Bild ebenfalls 5555.