Krea 3

Positionnement et présentation

krea-3/text-to-image est une gamme de modèles Krea dédiée aux scénarios de génération d’images à partir de texte, appelée via l’interface unifiée de HiAPI.ai. Elle accepte des prompts textuels pour générer des images et propose plusieurs formats prédéfinis (carré, portrait et paysage), avec une sortie en PNG ou JPEG. La gamme prend en charge deux variantes, berry et jam : la première privilégie la qualité d’image, la seconde la rapidité. Il est également possible de régler l’intensité de raisonnement, le prompt négatif et une graine aléatoire fixe afin de reproduire un même résultat. Elle convient aux équipes de développement qui doivent ajuster le compromis entre qualité et vitesse de génération selon les projets, et intégrer la génération par lots dans leurs propres workflows.

Points clés

• Qualité et vitesse au choix — la variante propose les options berry et jam ; la première met l’accent sur la qualité, la seconde sur la vitesse, et il est possible de passer de l’une à l’autre selon la tâche.
• Intensité de raisonnement réglable — reasoning_level peut être défini sur low ou medium, ce qui contrôle le degré de raisonnement et d’expansion du prompt avant la génération ; medium prend plus de temps.
• Taille et format de sortie contrôlables — six préréglages intégrés : carré, portrait 4:3/16:9 et paysage 4:3/16:9, jusqu’à 1024×1024, avec sortie PNG ou JPEG.
• Reproductibilité par graine fixe — fournir seed permet de reproduire le même résultat pour une même entrée, ce qui facilite le débogage des prompts et les comparaisons entre versions.

Description des capacités

Génération d’images à partir de prompts textuels : une description textuelle constitue la seule entrée obligatoire et renvoie une image unique ; le prompt peut atteindre 5000 caractères, ce qui permet de décrire assez complètement le sujet, le style et la composition.

Exclusion d’éléments par prompt négatif : negative_prompt (jusqu’à 1024 caractères) permet de préciser ce qui ne doit pas apparaître dans l’image, ajoutant une dimension au contrôle du rendu.

Six préréglages de taille et choix du format : choisissez un préréglage carré, portrait ou paysage selon le support final, et obtenez directement une sortie PNG ou JPEG, ce qui réduit les étapes de conversion ultérieures.

Reproductibilité paramétrique des résultats : une fois des paramètres tels que seed et reasoning_level fixés, les mêmes entrées produisent stablement les mêmes sorties, ce qui convient à l’établissement d’une base de génération reproductible.

Scénarios d’usage

• Génération d’images en lot pour les équipes de contenu — choisissez le préréglage correspondant au format de la rubrique et générez une illustration par appel, pour les visuels d’en-tête d’articles, les visuels pour réseaux sociaux et autres emplacements nécessitant une production stable.
• Optimisation des prompts par les designers-développeurs — après avoir fixé la graine, ajustez progressivement le prompt et le prompt négatif, comparez les différences de sortie et constituez des modèles de prompts réutilisables.
• Production de supports portrait et paysage à partir d’une même source — utilisez la même description en basculant entre les préréglages portrait et paysage pour obtenir des ressources de même style adaptées au mobile et au web.
• Validation de prototypes sensibles à la vitesse de génération — choisissez la variante jam et réduisez l’intensité de raisonnement pour obtenir rapidement plusieurs directions en début de projet, puis produisez une version retravaillée avec berry.

Limites et conseils de choix

Seule la génération à partir de prompts textuels est prise en charge : le modèle n’accepte pas d’image de référence et n’effectue pas d’édition locale. Pour de l’image à image ou des modifications ciblées, il faut choisir un modèle disposant des capacités correspondantes. La sortie est limitée à 1024×1024 ; les rendus haute résolution doivent être agrandis séparément. negative_prompt ne s’applique qu’à la variante berry ; avec jam, ce paramètre n’a aucun effet. Chaque appel renvoie une image ; plusieurs propositions nécessitent plusieurs requêtes. Si la tâche exige de reproduire fidèlement un personnage ou l’apparence d’un produit existant, une description purement textuelle garantit difficilement la cohérence.