Bria FIBO 2.0 testo-immagine e immagine-immagine: parametri, prompt ed esempi di chiamata

I due entry point dei modelli Bria FIBO 2.0

Bria FIBO 2.0 è disponibile sulla piattaforma con due modelli: Bria FIBO 2.0 testo-immagine (fibo-2.0/text-to-image) genera un'immagine da un prompt, mentre Bria FIBO 2.0 immagine-immagine (fibo-2.0/image-to-image) modifica un'immagine esistente seguendo istruzioni in linguaggio naturale. Il prezzo è identico per entrambi: $0.0572 per immagine; l'output è di circa 1 milione di pixel, ovvero 1024×1024 con formato 1:1.

Bria addestra i modelli su dati con licenza, quindi è adatto a contesti commerciali. Ha un controllo piuttosto forte su elementi fotografici come inquadratura, luce, profondità di campo e composizione: è proprio questo l'aspetto più vantaggioso da sfruttare. Invece di accumulare aggettivi, conviene scrivere questi elementi come descrizioni esplicite e regolabili sezione per sezione.

Tre tipi di lavoro adatti a questo modello

• Regolazione di inquadratura e luce su materiale esistente: si ha già una foto di prodotto o un ritratto e si vuole solo cambiare l'angolazione in una ripresa dall'alto a 45 gradi, o passare dalla luce di mezzogiorno a quella del tramonto, senza toccare posa, abbigliamento o sfondo. L'immagine-immagine è specializzato nel modificare un solo attributo lasciando invariato il resto, quindi è perfetto per questa esigenza.
• Concept visivi di scena con stile specificato: descrivere struttura, scena, inquadratura e luce, poi scegliere uno stile tra Kodak Film, Hard Flash, Hazy Dreamy e Rough Realism, per l'esplorazione iniziale della direzione visiva.
• Sostituzione locale con maschera: modificare solo una zona dell'immagine, ad esempio sostituire un oggetto sul tavolo o un'insegna sullo sfondo, delimitando l'area con una maschera in bianco e nero e lasciando il resto invariato.

Come usare i parametri

I due modelli hanno strutture di input diverse: il campo centrale del testo-immagine è prompt, quello dell'immagine-immagine è instruction. I nomi dei campi sono simili, ma valori e vincoli differiscono: è più sicuro esaminarli separatamente.

Bria FIBO 2.0 testo-immagine (fibo-2.0/text-to-image)

I 21 valori di aspect_ratio includono 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. Se non specificato, l'immagine viene generata in 1:1. L'output totale è di circa 1 milione di pixel; il formato cambia solo la distribuzione tra larghezza e altezza.

style e image_url non possono coesistere: questo va verificato nel codice prima dell'invio. Se serve uno stile fisso, passare style; se serve fare riferimento alle caratteristiche visive di un'immagine, passare image_url; se ne può scegliere solo uno. I conflitti tra parametri non vengono risolti automaticamente in fase di generazione: intercettarli in anticipo è più semplice che indagarli a posteriori.

Bria FIBO 2.0 immagine-immagine (fibo-2.0/image-to-image)

L'ordine di image_urls è significativo: la prima immagine determina il soggetto da modificare, le altre hanno effetto solo se citate nell'instruction, scrivendo <image_1>, <image_2> all'interno dell'instruction. Un'immagine di riferimento non citata nell'instruction è come se non fosse stata usata.

Se non si passa aspect_ratio, si segue la prima immagine; la modifica a immagine singola mantiene sempre il formato dell'originale. mask_url si usa solo quando serve limitare l'area di modifica: la maschera è un'immagine in bianco e nero, l'area bianca indica la zona da modificare e le dimensioni devono corrispondere all'originale per allinearsi; con la maschera, image_urls può contenere solo 1 immagine e non è possibile aggiungere immagini di riferimento.

Quando si usa l'immagine-immagine, è meglio che l'istruzione riguardi un solo attributo. Scegliere uno tra inquadratura, luce, orario, abbigliamento o materiale, e scrivere il resto come «rimane invariato», rende più facile valutare se il risultato è conforme.

Come scrivere il prompt

L'ordine consigliato per la descrizione è: soggetto e azione → scena → angolazione della ripresa → periodo e luce → profondità di campo e messa a fuoco → materiale e qualità. Scrivere secondo queste sei sezioni equivale a scomporre l'immagine in sei variabili regolabili in modo indipendente: per cambiare l'inquadratura basta modificare la terza sezione, per cambiare l'orario basta modificare la quarta, lasciando intatte le altre descrizioni, così la differenza introdotta dalla modifica è chiaramente attribuibile. Il controllo degli elementi fotografici è il punto di forza di questo modello, e queste sei sezioni ne coprono sostanzialmente l'ambito.

Esempio 1: prompt per testo-immagine

Una donna con un cappotto di lana grigio scuro sta all'angolo di una strada dopo la pioggia, mentre chiude un ombrello nero dal manico lungo.
Ai lati della strada ci sono negozi non ancora aperti al mattino presto, con serrande semiabbassate, e pozzanghere sul terreno.
Prospettiva 35mm, inquadratura leggermente dal basso, ripresa dalla parte anteriore sinistra della figura, che si trova sulla linea dei terzi a destra dell'immagine.
Luce diffusa di una mattina nuvolosa, temperatura colore tendente al freddo, senza luce solare diretta.
f/2, profondità di campo ridotta, volto della figura nitido, edifici sullo sfondo progressivamente sfocati.
Il tessuto di lana mostra una trama fitta, le stecche metalliche dell'ombrello hanno leggeri riflessi, grana complessivamente fine.

Al momento dell'invio, specificare style come Kodak Film, aspect_ratio come 3:2 e seed come 5555. Le sei sezioni sono indipendenti: per passare in seguito allo stile a luce dura di Hard Flash basta modificare style e la sezione della luce, lasciando invariate le altre cinque righe per confrontare le differenze.

Esempio 2: instruction per immagine-immagine

Cambia l'inquadratura di <image_1> in una ripresa dall'alto verso il basso, mantenendo invariati la posa, l'abbigliamento e la posizione della figura.
Usa <image_2> come riferimento per il materiale dell'abbigliamento: la trama del tessuto e la lucentezza del cappotto vanno trattate secondo <image_2>.

Qui image_urls contiene due immagini: la prima è l'originale da modificare, la seconda è l'immagine di riferimento per il materiale; per questo nell'instruction è necessario specificare esplicitamente <image_1> e <image_2>. L'istruzione stessa fa solo due cose — cambiare inquadratura e trattare il materiale secondo l'immagine di riferimento — ed è proprio l'ambito in cui l'immagine-immagine eccelle: modificare un solo attributo alla volta, lasciando il più possibile invariato il resto. Limitare la modifica a una sola dimensione riduce le rilavorazioni e facilita la valutazione della conformità della chiamata.

Prezzo e sicurezza dei contenuti

Entrambi i modelli costano $0.0572 per immagine; la regola di fatturazione è indipendente da formato, stile, numero di immagini di riferimento e presenza di maschera. 1:1 e 21:9 hanno lo stesso prezzo, 4 immagini costano come 1, con e senza maschera è lo stesso prezzo. Il costo dipende solo dal numero di immagini generate: 100 immagini sono $5.72, 1000 immagini sono $57.2.

Sulla sicurezza dei contenuti c'è un punto da sapere in anticipo: se nella descrizione compaiono contenuti non conformi, l'API non restituisce un errore; il modello riscrive il prompt in contenuti sicuri e continua a generare l'immagine. L'immagine risultante potrebbe non avere alcun rapporto con l'intento originale, ma la chiamata viene comunque fatturata. Quindi è necessario verificare il prompt prima dell'invio, soprattutto le descrizioni sensibili relative a persone, abbigliamento e scene: un problema non si manifesta come errore, ma come un'immagine non pertinente e un costo addebitato.

Esempio di chiamata API

Entrambi i modelli usano l'interfaccia ad attività asincrona: prima si invia il task con POST /v1/tasks, si ottiene l'id del task dalla risposta, poi si fa polling con GET /v1/tasks/{id} per ottenere l'indirizzo dell'immagine.

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": "Una donna con un cappotto di lana grigio scuro sta all'angolo di una strada dopo la pioggia, prospettiva 35mm, inquadratura leggermente dal basso, luce diffusa di una mattina nuvolosa, f/2 con profondità di campo ridotta, trama fitta visibile nel tessuto di lana.",
      "style": "Kodak Film",
      "aspect_ratio": "3:2",
      "seed": 5555
    }
  }'

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

L'immagine-immagine usa la stessa interfaccia ad attività, cambiando solo model e input:

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": "Cambia l'inquadratura di <image_1> in una ripresa dall'alto verso il basso, mantenendo invariati posa e abbigliamento della figura. <image_2> come riferimento per il materiale dell'abbigliamento.",
      "image_urls": [
        "https://example.com/scene.jpg",
        "https://example.com/fabric.jpg"
      ],
      "seed": 5555
    }
  }'

Domande frequenti

Si possono passare insieme style e image_url?

No. Sono mutuamente esclusivi e inviarli insieme causa un conflitto. Per specificare uno stile usare style, per fare riferimento alle caratteristiche visive di un'immagine usare image_url: sceglierne uno solo.

Dopo aver passato mask_url, si possono passare più image_urls?

No. Con la maschera, image_urls può contenere solo 1 immagine, ovvero quella da modificare; la maschera stessa è un'immagine in bianco e nero, l'area bianca indica la parte da modificare e le dimensioni devono corrispondere all'originale.

Come fare per riprodurre la stessa immagine?

Fissare il seed. L'intervallo è 0–2147483647, predefinito 5555; lo stesso seed con lo stesso prompt permette di riprodurre il risultato. Anche per l'immagine-immagine il valore predefinito del seed è 5555.