Lors de la création de vidéos, les images les plus difficiles à générer ne sont souvent pas les images de produits lumineuses et propres, mais les scènes sombres comme les scènes de nuit, de catastrophe, de science-fiction et de guerre.
Ces plans semblent « noirs », mais les informations qu’ils contiennent ne sont pas du tout limitées.
Les nuages doivent présenter des variations de luminosité à différentes profondeurs, la fumée ne doit pas se réduire à une masse floue, les bâtiments au loin doivent conserver leurs niveaux spatiaux, les flammes et les sources de lumière énergétique doivent éclairer l’environnement alentour, et la pluie, le métal ainsi que les flaques doivent former des reflets cohérents. Lorsque les personnages portent des vêtements sombres, leurs silhouettes ne doivent ni disparaître dans l’arrière-plan ni flotter dans l’image comme des autocollants.
Les images de qualité insuffisante peuvent être très atmosphériques lorsqu’elles sont réduites, mais dès qu’elles entrent dans le processus de production vidéo, les problèmes sont rapidement exposés. Des aplats de couleur apparaissent dans les zones sombres, les détails des bâtiments se collent les uns aux autres, la fumée perd ses niveaux, la structure des aéronefs devient floue, et les personnages ne peuvent plus être séparés de l’arrière-plan. Lors de mouvements de caméra avant, d’agrandissements locaux, d’animations de parallaxe ou de vidéo générée à partir d’images, ces défauts sont encore davantage amplifiés.
Pour les créateurs audiovisuels, une image n’est pas terminée une fois générée. Elle doit encore entrer dans les processus de montage, de mouvements de caméra, d’effets spéciaux et d’animation. C’est précisément le sens de l’existence de niveaux de qualité plus élevés.
GPT Image 2.5 d’Ace Data Cloud ajoute désormais les deux niveaux de qualité xhigh et max, en plus de low, medium et high. Flare et Sunburst prennent tous deux en charge ces deux niveaux, y compris les canaux officiels correspondants.
Lorsque l’image implique des zones sombres complexes, des nuages volumétriques, de la fumée, des lueurs de feu, des reflets de nuit pluvieuse et des relations spatiales à plusieurs niveaux, les créateurs peuvent laisser le modèle investir davantage de budget de génération afin de préserver autant que possible les structures et les détails dans les environnements sombres.
¶ Nous avons testé les cinq niveaux de qualité avec une scène sombre très exigeante
Afin de rendre les différences plus faciles à révéler, nous n’avons pas choisi cette fois-ci un arrière-plan lumineux ou un produit simple, mais avons conçu une image clé d’effets visuels pour un film catastrophe de science-fiction.
La scène se déroule dans une future ville côtière à l’heure bleue. Un anneau orbital brisé est suspendu au-dessus de la ville, une faille énergétique déchire les nuages d’orage, et des débris de vaisseaux spatiaux en flammes tombent vers les gratte-ciel. Au premier plan se trouve un pilote de secours vu de dos, tandis qu’un aéronef à rotors basculants endommagé est stationné à côté de lui.
Toute la scène est dominée par le bleu foncé, le noir et le gris, seules la faille énergétique, les flammes, les lumières de la ville et certaines parties de l’aéronef formant des hautes lumières chaudes.
Ce type de scène teste simultanément la présence de véritables détails dans les zones sombres, la capacité du personnage au premier plan à se séparer de l’arrière-plan, la présence de niveaux spatiaux dans les nuages et la fumée, la capacité des flammes à véritablement éclairer l’environnement alentour, ainsi que la cohérence structurelle de la ville, de l’aéronef et de l’anneau orbital.
Le test utilise gpt-image-2.5-sunburst, davantage orienté vers la haute fidélité et le contrôle précis. Toutes les images utilisent exactement le même prompt, seul quality est modifié.
¶ Prompt de test complet
Cinematic VFX keyframe from an original science-fiction disaster film, ultra-wide 16:9 composition. A colossal orbital ring has fractured above a rain-soaked futuristic coastal megacity at blue hour; a luminous energy rift tears through storm clouds while burning spacecraft debris falls toward skyscrapers. In the foreground, an armored rescue pilot stands on a flooded rooftop beside a damaged tilt-rotor aircraft, seen from behind, looking toward the catastrophe. Include physically plausible volumetric clouds, layered smoke, glowing embers, sparks, rain streaks, wet reflective surfaces, turbulent ocean spray, atmospheric perspective, realistic destruction, miniature-scale city detail, complex blue-orange lighting, accurate reflections and refractions, cinematic anamorphic lens flare, subtle film grain, deep depth staging, photorealistic live-action blockbuster visual effects, coherent geometry, natural human anatomy. No text, no logo, no watermark, no split screen, no collage.
Ce prompt ajoute intentionnellement une grande quantité de contenu susceptible de devenir instable dans une scène sombre : des nuages sombres et de la fumée à plusieurs niveaux, des étincelles ponctuelles et des débris en combustion, un personnage en armure sombre, des bâtiments urbains nocturnes, des surfaces humides et des reflets complexes, ainsi que plusieurs sources lumineuses aux différences de luminosité très importantes.
Si la qualité de génération est insuffisante, le modèle peut facilement ne conserver que la forte atmosphère bleu-orange, au détriment de la structure des zones sombres qui détermine réellement la texture de l’image.
¶ Low : l’atmosphère s’établit rapidement, mais cela ressemble davantage à une esquisse conceptuelle préliminaire
low termine la génération en environ 25,11 secondes, avec une sortie d’image de 157 Tokens.
Il peut rapidement établir une scène complète et représenter l’atmosphère de catastrophe, la position du personnage et les principales sources lumineuses. Il est très efficace pour évaluer si la composition fonctionne ou pour explorer plusieurs directions de plans en phase préliminaire.
Mais dans des scènes sombres complexes, nous ne pouvons pas seulement regarder si l’image est « assez sombre, assez cool ». Le plus important est de vérifier s’il reste encore quelque chose dans les ombres.
La structure de l’armure du pilote de secours, les détails mécaniques de l’aéronef endommagé, les frontières entre les bâtiments éloignés, ainsi que les variations de luminosité à l’intérieur des nuages déterminent tous si cette image peut continuer à être utilisée pour la post-production. Si ces éléments sont déjà mélangés dans l’image originale, augmenter simplement la luminosité ou la netteté en post-production ne peut pas réellement retrouver les structures manquantes.
¶ Medium : les zones sombres commencent à contenir davantage de contenu identifiable
medium termine la génération en environ 27,18 secondes, avec une sortie d’image de 367 Tokens.
Par rapport à Low, il n’augmente pas considérablement le temps d’attente, mais le modèle obtient davantage de budget de génération.
Pour les images d’illustration vidéo ordinaires, Medium constitue déjà un point de départ relativement pratique. Il ne doit pas seulement accomplir l’atmosphère globale, mais aussi traiter plus sérieusement les relations entre les bâtiments, les véhicules, les personnages et l’environnement. Dans une image sombre, une amélioration de qualité ne se manifeste pas nécessairement par « plus de luminosité » ou « plus de netteté ». Plus important encore, il faut savoir si les structures dans les ombres restent visibles, si la fumée possède des niveaux avant et arrière, si la ville lointaine peut former une véritable perspective atmosphérique, et si les personnages se détachent naturellement de l’arrière-plan grâce au contre-jour.
¶ High : passer de « avec une atmosphère » à « avec une structure »
Le temps de génération de high est d’environ 41,35 secondes, et la sortie d’image augmente à 1 413 Tokens.
À partir de ce niveau, l’investissement du modèle connaît une hausse évidente. Pour les scènes sombres cinématographiques, l’aspect le plus digne d’attention dans ces investissements supplémentaires est la transition entre les zones lumineuses et les zones sombres.
La fissure d’énergie ne peut pas être seulement une ligne de haute lumière blanche, elle doit influencer les nuages environnants ; les débris en combustion ne peuvent pas être seulement des taches orange, ils doivent produire de la fumée, des braises et de la lumière ambiante ; l’eau stagnante ne peut pas non plus être un simple miroir, elle doit former des reflets d’intensités différentes selon la structure du toit et la direction de la source lumineuse.
Lorsque ces relations sont plus complètes, l’image passe progressivement d’une image d’ambiance à un plan de film. High est plus adapté à une entrée officielle dans la timeline vidéo, notamment pour les plans nécessitant un léger travelling avant, un panoramique et un traitement de profondeur de champ.
¶ XHigh : conserver une marge pour l’agrandissement, les mouvements de caméra et la séparation en postproduction
xhigh termine la génération en environ 53,68 secondes, et la sortie d’image atteint 2 511 Tokens.
Dans un workflow vidéo, de nombreux problèmes n’apparaissent qu’une fois l’image mise en mouvement. Lorsque la caméra avance, la ville lointaine doit supporter l’agrandissement ; lors de la création d’animations de parallaxe, les personnages au premier plan, les aéronefs et l’arrière-plan doivent avoir des limites nettes ; lorsqu’elle est confiée à un modèle image-vers-vidéo pour poursuivre la génération, les structures mécaniques et les relations environnementales doivent également être suffisamment claires, sinon des déformations se produisent facilement durant le mouvement.
C’est là que réside la valeur de XHigh. Il ne rend pas seulement l’image plus belle au premier regard, mais préserve autant que possible davantage d’informations exploitables pour la production ultérieure. Pour les scènes sombres, cela signifie des contours plus clairs, des structures locales plus stables, ainsi que des ombres et de la fumée plus hiérarchisées.
Si l’image doit servir de plan principal, d’image d’ouverture, d’illustration conceptuelle de film ou de première image pour l’image-vers-vidéo, XHigh répondra mieux aux besoins réels de production qu’un niveau de qualité ordinaire.
¶ Max : relever la limite de sortie pour les plans sombres les plus importants
max termine la génération en environ 104,43 secondes, et la sortie d’image atteint 5 650 Tokens.
Son temps d’attente est presque deux fois supérieur à celui de XHigh, et les Tokens de sortie d’image dépassent également le double de ceux de XHigh. Cela montre que Max n’est pas simplement un nom qui semble plus haut de gamme, mais augmente clairement l’investissement de génération.
Dans les scènes sombres complexes, la signification de la qualité maximale n’est pas d’ajouter sans fin des textures, mais de préserver autant que possible simultanément plusieurs objectifs susceptibles d’entrer en conflit : l’image doit conserver une atmosphère sombre, mais ne peut pas perdre sa structure ; la fissure d’énergie doit être suffisamment lumineuse, mais ne peut pas détruire les détails des nuages ; les personnages doivent être clairs, sans donner l’impression d’avoir été détourés séparément ; la fumée doit être riche, mais ne peut pas couvrir tous les bâtiments ; les reflets doivent être visibles, tout en restant conformes à l’éclairage environnemental.
Ces exigences ne sont pas difficiles à accomplir séparément, la difficulté est de les rendre valables en même temps.
Max est plus adapté à la sortie finale après avoir déterminé la composition et le prompt, par exemple pour le visuel principal d’une ouverture, une affiche de film, un plan central, des supports promotionnels importants, ainsi que des images qui doivent ensuite entrer dans un workflow de postproduction complexe.
¶ Les différences de qualité dans les images sombres ne peuvent pas être évaluées uniquement par « la netteté »
Les résultats de ce test sont les suivants :
| Niveau de qualité | Temps de génération | Tokens de sortie d’image | Tokens totaux |
|---|---|---|---|
| Low | 25,11 s | 157 | 567 |
| Medium | 27,18 s | 367 | 777 |
| High | 41,35 s | 1 413 | 1 823 |
| XHigh | 53,68 s | 2 511 | 2 921 |
| Max | 104,43 s | 5 650 | 6 060 |
De Low à Max, ce qu’il faut réellement comparer n’est pas quelle image est simplement plus nette, mais combien d’informations utiles sont conservées dans un environnement sombre.
On peut notamment observer si l’armure du pilote de secours présente une structure identifiable, s’il existe une relation spatiale claire entre le personnage et l’aéronef, si les ailes, les rotors et le fuselage de l’aéronef sont cohérents, si la ville lointaine ne se fond pas en une seule masse à cause de l’obscurité, si les nuages possèdent une profondeur avant-arrière, et si l’eau stagnante sur le toit peut refléter plusieurs sources lumineuses présentes dans l’environnement.
Ce que les scènes sombres redoutent le plus, ce n’est pas le noir, mais « un noir sans contenu ».
Une image sombre de haute qualité, même si sa luminosité globale est très faible, doit toujours permettre aux personnages, bâtiments, machines, fumée et nuages de posséder leurs propres niveaux. Les spectateurs ne formuleront pas forcément clairement ces différences, mais ils ressentiront intuitivement si l’image possède une qualité cinématographique.
¶ La qualité de l’image détermine l’espace de manipulation restant pour la postproduction vidéo
La création vidéo utilise rarement directement une image originale complètement immobile. Les créateurs effectuent généralement des zooms de caméra, des déplacements latéraux, des recadrages locaux, des séparations entre premier plan et arrière-plan, des superpositions d’effets lumineux, des simulations de profondeur de champ, ou confient les images à des modèles image-vers-vidéo pour poursuivre la génération. Toutes ces opérations amplifient les défauts dans les zones sombres.
Si le contour du personnage est déjà collé au fond, il sera difficile de le séparer lors de la création de parallaxe ; si la structure du bâtiment est déjà floue, le zoom de caméra ne fera qu’afficher un flou plus important ; si la fumée n’a pas de relation spatiale, elle risque facilement de devenir des blocs de couleur tourbillonnants et irréguliers lors de la génération d’effets dynamiques.
Par conséquent, une image source de meilleure qualité ne signifie pas seulement que « l’image finale paraît plus belle », elle détermine aussi directement jusqu’où la post-production peut aller.
¶ Il n’est pas nécessaire d’utiliser Max pour chaque image, mais les scènes sombres importantes méritent une qualité plus élevée
Une méthode de production raisonnable ne consiste pas à régler la qualité au maximum dès la première esquisse.
Pendant la phase d’exploration, vous pouvez utiliser Low ou Medium afin de confirmer rapidement la composition, la position des personnages, la direction de la source lumineuse et la tonalité générale. Une fois la direction stabilisée, vous pouvez utiliser High pour générer les éléments finaux. Si l’image doit être nettement agrandie, comporter des séparations complexes ou continuer à générer une vidéo, XHigh sera plus adapté.
Max devrait être réservé aux plans les plus importants, tels que la première image du générique d’ouverture, le visuel principal d’une affiche, l’image centrale d’une bande-annonce, ou les scènes clés qui déterminent la texture de toute la vidéo.
Ace Data Cloud ajoute XHigh et Max à GPT Image 2.5 ; ce que cela apporte réellement n’est pas seulement l’ajout de deux paramètres, mais le fait que les créateurs n’ont plus besoin de s’arrêter à l’étape où « l’ambiance est à peu près correcte » face à des scènes sombres complexes.
L’obscurité ne signifie plus renoncer aux détails.
Lorsque le modèle dispose d’un budget de qualité plus élevé, les villes, personnages, aéronefs, fumées et reflets dans les ombres ont alors la possibilité d’être préservés ensemble. Pour la création audiovisuelle, ces informations cachées dans les zones sombres sont souvent précisément la clé qui permet à une image illustrative ordinaire de devenir un plan cinématographique.
¶ Découvrez GPT Image 2.5 dès maintenant
Vous souhaitez utiliser XHigh et Max pour vos propres plans sombres, affiches et premières images de vidéo ? Rendez-vous sur Ace Data Cloud pour découvrir GPT Image 2.5 Sunburst, offrant une haute fidélité et un contrôle précis, ou choisissez GPT Image 2.5 Flare, davantage orienté vers la génération rapide d’images.