Choisis ton moteur d'IA

Flat-to-Model transforme tes photos de produits en flat-lay en images on-model photoréalistes, et le moteur d'IA qui effectue le rendu façonne le résultat. Certains moteurs sont plus clean et éditoriaux, d'autres plus dramatiques et créatifs. Tu peux choisir celui dont l'esthétique correspond à ta marque, ou rester sur Auto et laisser On-Model choisir pour toi.

Le sélecteur Generation model se trouve à l'étape de révision de Flat-to-Model, à côté des contrôles de pose, de fond et de format. La même option est disponible dans l'API via le champ model optionnel de l'objet options.

Les moteurs

• Auto (par défaut) : choisit le meilleur modèle pour ton ensemble d'images et d'instructions.
• Nano Banana 2 : moteur rapide et équilibré, avec un rendu de peau photoréaliste propre et une bonne fidélité aux vêtements.
• Nano Banana Pro : option plus haute fidélité avec le détail textile le plus marqué ; plus lent que Nano Banana 2.
• Seedream : éclairage plus dramatique et interprétation plus créative du styling.
• GPT Image 2 : style de rendu distinct avec une dominante chromatique légèrement plus chaude.

Les quatre moteurs nommés prennent en charge les sorties 1K, 2K et 4K.

Avantages et inconvénients en un coup d'œil

Moteur	Qualité de rendu	Vitesse	Idéal pour
Nano Banana 2	Élevée	Moyenne	Catalogue et choix par défaut sûr
Nano Banana Pro	Maximale	Moyenne	Hero shots et détail textile premium
Seedream	Moyenne	Rapide	Lingerie et mode intime
GPT Image 2	Élevée	Lente	Ambiances éditoriales et tonalité chromatique distinctive

Mêmes entrées, quatre moteurs, 2K

Voici le même trio de flat-lays, la même identité et la même pose, rendus par chaque moteur en 2K.

Mêmes vêtements, même identité, même pose : assise sur un tabouret en bois devant un mur de plâtre écru chaud. Chaque moteur lit la scène différemment. Nano Banana 2 reste net et frontal, avec le bleu glacé de la chemise bien tenu. Nano Banana Pro affine le détail textile et la chute du pantalon. Seedream amène la mannequin en trois-quarts, adoucit les tons et réchauffe le fond. GPT Image 2 impose sa propre palette avec une dominante légèrement plus chaude. Aucun n'est universellement meilleur. Ce sont des défauts esthétiques différents, et choisir celui qui correspond à ton catalogue de marque, c'est précisément le point.

Quel moteur a produit chaque sortie

Une fois le job terminé, tu peux voir quel moteur a effectivement rendu chaque résultat.

Dans l'app, une petite icône de moteur apparaît à côté du temps de traitement sur chaque carte de sortie. Survole-la pour voir le nom du moteur.

Dans l'API, chaque résultat de GET /jobs/<id>/results porte un champ model_used :

{
  "job_id": "8c9f1a...",
  "status": "completed",
  "results": [
    {
      "image_index": 0,
      "group_index": 0,
      "model_used": "nano_banana_2",
      "output": { "full_size": "https://..." }
    },
    {
      "image_index": 1,
      "group_index": 0,
      "model_used": "gpt_image",
      "output": { "full_size": "https://..." }
    }
  ]
}

Utile à la fois pour les contrôles de cohérence et pour suivre quel moteur fonctionne le mieux selon le type d'entrée.

Utilisation via l'API

Passe model dans l'objet options de ta requête Flat-to-Model :

{
  "project_id": "...",
  "images": ["uuid1", "uuid2", "uuid3"],
  "identity_code": "default-pro-...",
  "instructions": [ /* ... */ ],
  "options": {
    "model": "nano_banana_pro"
  }
}

Valeurs valides : "auto" (défaut), "nano_banana_2", "nano_banana_pro", "seedream" ou "gpt_image".

Dans notre intégration Python publique, c'est un simple flag CLI :

python flat_to_model.py \
  --input-folder SKU/ \
  --identity-code <your-identity-code> \
  --model gpt_image

Référence complète dans la doc API Flat-to-Model.

Create-Packshot utilise la même liste

Le même dropdown Generation model à cinq options est aussi disponible sur Create-Packshot. Les différences esthétiques décrites ci-dessus se transfèrent directement aux sorties packshot : ghost-mannequin, flat-lay, marketing-ready et white-cutout bénéficient tous du choix de moteur de la même façon. Voir le guide Create-Packshot pour un parcours complet.

Model-Swap reçoit aussi un dropdown

Le sélecteur Generation model est également disponible à l'étape de révision de Model-Swap.

Le défaut est Onda, le moteur de swap propriétaire de PiktID. L'alternative est Nano Banana 2, disponible pour les équipes qui veulent essayer une autre esthétique sur leurs swaps. model_used fonctionne exactement de la même manière : chaque résultat de GET /jobs/<id>/results t'indique quel moteur l'a produit.

Passe swap_options.model sur un job Model-Swap, ou --model onda | nano_banana_2 dans l'intégration Python.

« Des moteurs différents sont des outils différents. Les marques et agences qui produisent des centaines de SKU par semaine connaissent leur esthétique, et méritent le choix. Exposer la sélection de moteur transforme On-Model d'une boîte noire en un pipeline de production contrôlable, et model_used sur chaque sortie rend le choix vérifiable. »

— Nunzio Alexandro Letizia, co-fondateur de PiktID et créateur d'On-Model

Essaye-le maintenant

Ouvre n'importe quel job Flat-to-Model ou Model-Swap et cherche le dropdown Generation model à l'étape de révision. Choisis un moteur, génère et compare le résultat à Auto.

Nouveau sur On-Model ? Commence par le guide Flat-to-Model, explore les presets, ou découvre Create-Packshot.