FIBO 1.5

Présentation

fibo-gen-1.5 est la voie text-to-image de la famille fibo-1.5, destinée aux développeurs qui ont besoin d'un niveau professionnel de contrôle et de reproductibilité. Elle repose sur une architecture DiT de 8B paramètres avec flow matching, utilise un échantillonnage par distillation en quelques étapes — seulement 4 à 6 étapes avec CFG=1.0 suffisent pour l'inférence — et poursuit le paradigme des prompts longs structurés, avec une bonne capacité à respecter des attributs tels que l'éclairage, la composition, les couleurs ou l'objectif. Elle convient aux scénarios de production d'images qui intègrent la génération par lots, l'itération attribut par attribut et la reproductibilité des résultats dans un processus d'ingénierie.

Points clés

• Échantillonnage en quelques étapes, coût d'inférence par image nettement réduit — après distillation, seules 4 à 6 étapes sont nécessaires, sans classifier-free guidance, ce qui rend le coût d'appel inférieur à celui des processus multi-étapes traditionnels à CFG élevé.
• Prompts longs structurés pour un fort respect des instructions — la génération est pilotée par de longues descriptions détaillant séparément le sujet, l'éclairage, la composition, les couleurs, l'objectif, etc., offrant un contrôle plus explicite dans les scénarios professionnels.
• Résultats de génération reproductibles — la seed est fixée par défaut à 5555 ; une même seed et un même prompt reproduisent la même image, ce qui facilite les pipelines par lots et la validation par régression.
• Répartition text-to-image et édition d'image au sein de la famille — la même famille propose également la voie d'édition d'image fibo-edit-1.5, à laquelle basculer lorsqu'il faut modifier une image de référence.

Description des capacités

Échantillonnage par distillation en quelques étapes : avec les réglages recommandés de 4 à 6 étapes et CFG=1.0, l'image est produite directement, sans le réglage ni la consommation de calcul des workflows traditionnels à CFG élevé, et chaque requête renvoie plus vite un résultat exploitable.

Respect des prompts structurés : l'entraînement et l'inférence reposent sur des descriptions longues et structurées d'environ un millier de mots ; en détaillant point par point le sujet, l'éclairage, la composition, l'objectif, etc., les développeurs obtiennent une image plus conforme à leurs attentes.

Génération reproductible : le paramètre seed et le prompt déterminent ensemble la sortie ; en fixant les deux, la même image peut être reproduite, ce qui convient à la comparaison de versions et à la traçabilité des résultats en production par lots.

Nombreux formats d'image : neuf ratios sont intégrés (1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9), à choisir directement selon l'emplacement de diffusion ou la mise en page, ce qui réduit les recadrages en post-traitement.

Entrée de prompts longs : le prompt accepte jusqu'à 10 000 caractères ; les descriptions longues et structurées peuvent être saisies intégralement sans être compressées en phrases courtes, pour une expression plus complète des attributs.

Cas d'usage

• Designers visuels commerciaux : génération à partir de prompts longs structurés — en précisant point par point l'éclairage, la composition, les couleurs et l'objectif dans le prompt, produire des images de niveau commercial directement utilisables pour la publicité et les supports e-commerce.
• Équipes de création : itération fine attribut par attribut — avec une seed fixe, ne modifier qu'un seul attribut et générer à plusieurs reprises pour obtenir des variantes de série servant à comparer les options, sans avoir à réécrire tout le prompt.
• Équipes d'ingénierie : génération par lots reproductible — appeler en lot avec une seed fixe et des prompts longs modélisés pour produire des ressources visuelles homogènes et traçables destinées aux pipelines de production de contenu.
• Développeurs d'applications : génération adaptée à plusieurs ratios — choisir le ratio d'image selon la mise en page cible et générer des ressources visuelles directement intégrables dans des applications, le Web et des miniatures vidéo.

Limites et conseils de choix

Les prompts négatifs n'ont aucun effet sur cette version : il faut entièrement s'appuyer sur une description positive pour contraindre l'image ; la documentation officielle précise que les poids ne s'appliquent pas au fine-tuning. Réutiliser d'anciens workflows multi-étapes à CFG élevé éloigne du résultat attendu ; il convient d'utiliser CFG=1.0 et 4 à 6 étapes. L'avantage en matière de contrôle dépend de prompts longs structurés ; les prompts courts ordinaires apportent un bénéfice limité. L'échelle 8B est lourde pour du matériel grand public local ; seul le déploiement local nécessite une version quantifiée, ce qui ne concerne pas les appels via HiAPI.ai.