Phota entraîne un visage une fois pour l’utiliser avec plusieurs modèles

Phota Identity V2 crée un profil visuel à partir de cinq photos, puis le réutilise avec plusieurs modèles pour générer, retoucher ou restaurer la même personne.

Créer un portrait convaincant est devenu relativement courant. Retrouver exactement la même personne dans une autre scène, sous un nouvel angle ou après plusieurs retouches successives reste beaucoup plus difficile. Un visage s’allonge, un regard change, une mâchoire se redessine et le personnage finit par ne plus ressembler à son modèle.

Phota Labs tente de résoudre ce problème avec Identity V2. Le service entraîne un profil à partir de plusieurs photographies d’une personne, puis conserve cette représentation séparément du modèle chargé de produire l’image. Une même identité peut ainsi être utilisée avec différents moteurs sans devoir être recréée pour chacun d’eux.

L’approche vise les portraits professionnels, les doubles numériques, les personnages récurrents, les campagnes publicitaires et les histoires de marque. Elle peut également servir à modifier des photographies personnelles, réunir plusieurs personnes dans une scène, restaurer une ancienne image ou décliner un même sujet dans des styles différents.

Le principe repose sur la création d’un profil. L’utilisateur transmet plusieurs photographies représentant la même personne sous différents angles, avec des expressions et des conditions de lumière variées. Phota analyse notamment les traits du visage, les cheveux, le teint et certains éléments généraux de l’apparence, puis fournit un identifiant `profileid`.

Cet identifiant peut ensuite être mentionné dans une instruction. Une demande comme « créer un portrait professionnel de `[[profileid]]` » doit rappeler la personne enregistrée sans joindre à nouveau toutes ses photographies. Plusieurs identifiants peuvent également être placés dans la même instruction afin de réunir différentes personnes.

Phota annonce qu’Identity V2 peut être entraîné à partir de cinq images en une minute. Cette durée n’est toutefois pas reprise de manière uniforme dans sa documentation publique. Le guide de l’API décrit un mode Quick Train utilisant cinq à dix photographies, avec un entraînement d’environ trois minutes hors file d’attente. Le mode Full Train accepte de dix à cinquante images et demande environ huit minutes.

La documentation générale mentionne encore, à un autre endroit, un délai pouvant atteindre une vingtaine de minutes. Ces écarts peuvent provenir de versions ou d’infrastructures différentes, notamment entre l’API directe, la plateforme de Phota et l’intégration proposée par fal. En l’absence d’une fiche unique mise à jour, la promesse d’une minute doit donc être considérée comme le meilleur délai annoncé plutôt que comme une durée garantie pour chaque utilisateur.

Le nombre d’images influence également la précision attendue. Quick Train privilégie la rapidité et réduit le coût de création du profil. Full Train reste recommandé par Phota pour les usages de production, avec un maximum de cinquante photographies pour obtenir la représentation la plus complète.

Des images trop similaires renseignent peu le système sur les variations possibles du sujet. Un profil destiné à produire des scènes nombreuses gagne à réunir des vues de face et de trois quarts, plusieurs expressions, des éclairages différents et des cadrages suffisamment nets. Les accessoires permanents, les coiffures très variables ou les photographies de groupe peuvent aussi compliquer l’identification.

Les groupes restent acceptés lors de l’entraînement à condition que la personne visée soit celle qui apparaît le plus souvent dans l’ensemble transmis. Phota prend également en charge les chats et les chiens, même si l’évaluation publiée avec Identity V2 se concentre principalement sur les visages humains.

Cette méthode diffère des deux approches habituellement proposées par les générateurs visuels. La première consiste à envoyer des images de référence avec chaque nouvelle requête. GPT Image, Nano Banana, Reve ou Seedream doivent alors réinterpréter l’identité à chaque génération en utilisant uniquement les éléments présents dans leur contexte.

Cette méthode ne demande aucun entraînement préalable, mais sa précision dépend fortement de la photographie sélectionnée. Une image de face peut mal renseigner le modèle sur un profil, une expression extrême ou un angle absent de la référence. Le sujet peut également dériver lorsque le cadrage, la tenue ou la scène s’éloignent trop du document original.

La deuxième approche passe par un LoRA consacré à une personne. Ce petit ajustement apprend l’apparence du sujet et l’associe à un modèle précis. Il peut améliorer la ressemblance, mais doit généralement être adapté ou réentraîné lorsque l’utilisateur souhaite changer de moteur.

Phota place l’identité dans une troisième couche. Le profil est entraîné une fois, puis combiné avec le modèle choisi au moment de la requête. L’utilisateur peut ainsi profiter des qualités propres à chaque moteur sans recommencer l’ensemble du travail de personnalisation.

Il ne s’agit donc pas d’un nouveau générateur capable de remplacer Nano Banana ou GPT Image. Phota intervient au-dessus de ces modèles afin de leur apporter la connaissance d’une personne précise. La composition, le respect de l’instruction, le rendu du texte, le style et une partie de la qualité générale restent dépendants du moteur sélectionné.

La documentation de l’API référence actuellement Nano Banana 2, utilisé par défaut, GPT Image 2, deux variantes de GPT Image 2.5, Qwen Image 2, Flux 2 Dev, Flux 2 Pro et Seedream 5.0 Pro. Les modèles disponibles et les définitions acceptées varient selon le moteur.

L’identité peut être appliquée aux fonctions de génération et de retouche. L’utilisateur peut placer une personne dans un nouveau décor, changer sa tenue, son expression, sa position ou le point de vue de la caméra. Les fonctions Enhance et Remix servent respectivement à améliorer une photographie et à reprendre l’esthétique d’une image de référence tout en essayant de conserver les personnes reconnues.

Identity V2 affirme mieux gérer les expressions marquées sans ramener systématiquement le visage vers