Astria

L'entraînement LoRA Flux est le cœur de la plateforme. Astria construit un modèle à partir de vos images avec quatre préréglages : portrait pour les visages, focus pour un mélange de visages, de produits et de styles, fast comme option historique moins chère et high pour le travail de style sur de grands ensembles. Portrait et fast tournent à 27 pas par image, high à 100, et chaque exécution a un minimum de 300 pas, donc le coût suit le préréglage retenu.

Un modèle de séance conserve le prompt, le décor, le stylisme et la caméra d'un rendu qui vous plaît, et un pack en réunit plusieurs dans une même séance. Vous appliquez ce modèle à un nouveau produit ou à une autre personne et obtenez des images avec la même lumière et la même composition. Sur un catalogue, cette cohérence compte plus que n'importe quelle image isolée.

L'essayage virtuel combine deux modèles entraînés : un pour le vêtement, un pour la personne. Le vêtement s'entraîne avec un nom de classe comme clothing, shirt ou pants, de préférence à partir d'une photo où il est déjà porté, et la personne vient de votre propre fine-tune. Les prompts exigent les coudes ou le bas du corps dans le cadre, donc waist up ou long shot donnent de meilleurs résultats, tandis qu'une photo de vêtement à plat reste plus faible.

Astria détoure le produit de sa photo d'origine et génère un fond neuf autour de lui. Une passe de controlnet relight mélange l'objet avec la scène pour que la direction de la lumière concorde, et c'est la différence entre un détourage collé et un visuel de campagne utilisable.

L'inpainting et les masques servent à réparer une zone sans régénérer toute l'image. FaceID donne une ressemblance plus rapide et moins fidèle quand entraîner un modèle complet serait excessif. En sortie, la super résolution et l'upscale par tuiles augmentent le nombre de pixels, l'upscale coûtant environ 10 centimes par image.

L'API de génération d'images expose les tunes et les prompts avec création, lecture et suppression complètes, plus des callbacks, des clés d'idempotence et la recharge automatique du solde. Le mode simulé (branch sur fast) renvoie des images de remplissage sans frais, ce qui laisse le temps de monter l'intégration avant de dépenser des crédits. Un SDK Python, une collection Postman et un plugin Bubble sont fournis.

Chaque image générée peut devenir une vidéo dans Image2Video. Vous choisissez une famille comme seedance25 ou veo31_fast, réglez la résolution et la durée, puis ajoutez un prompt vidéo qui décrit le mouvement de caméra. Les références et la première image sont acceptées pour des clips plus longs et mieux contrôlés.