Guide GLM-Image : du niveau débutant à avancé

Qu’est-ce que GLM-Image ?

GLM-Image est un modèle de génération d’images à partir de texte et d’images de Zhipu AI, publié sous licence MIT. Avec 16 milliards de paramètres et une architecture hybride combinant l’autorégressif (AR) et la diffusion, ce modèle offre un équilibre entre vitesse de génération et qualité visuelle supérieure.

Sur le plan des capacités techniques, GLM-Image affiche de solides résultats dans différents benchmarks. Sur CVTG-2K, la précision du rendu de texte atteint 91,16 %, ce qui signifie que le modèle peut intégrer du texte dans les images avec un taux de réussite élevé. Pour la compréhension des textes longs, LongText-Bench enregistre 97,88 % pour les textes en chinois et 95,24 % pour les textes en anglais. Ces deux résultats font de GLM-Image l’un des modèles open source les plus performants pour les cas d’usage impliquant du texte dans les images.

Par ailleurs, le modèle prend en charge les workflows T2I (text-to-image) et I2I (image-to-image), ce qui le rend adapté à un large éventail d’utilisations, du concept art au restylage de photos. Son coût API est d’environ 0,015 $ par image, ce qui le rend abordable pour une utilisation en production à grande échelle.

Comment utiliser GLM-Image : guide étape par étape

Voici un tutoriel complet pour commencer à utiliser GLM-Image, de la configuration initiale à la génération de votre première image.

1. Préparation initiale

Avant de commencer, assurez-vous de disposer des éléments suivants :

Une clé API depuis le tableau de bord de Zhipu AI (créez un compte sur la plateforme officielle de Zhipu AI si vous n’en avez pas encore).
Un appareil avec accès à Internet — GLM-Image est accessible via une API REST et ne nécessite donc pas de GPU local.
Un outil pour envoyer des requêtes — vous pouvez utiliser curl, Python (requests) ou Postman.

Si vous préférez une interface visuelle sans programmation, essayez directement la page Text-to-Image de GLM-Image. Pour découvrir des exemples de prompts ayant déjà fait leurs preuves, consultez la collection de cas d’usage disponible sur cette page.

2. Text-to-Image : du prompt à l’image

Le workflow T2I est la manière la plus directe de créer une image à partir d’une description textuelle.

Exemple de requête via curl :

curl https://api.zhipuai.cn/v2/image/generate \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-image-16b",
    "prompt": "Seekor kucing putih di atas batu hitam,sinematik,golden hour",
    "num_images": 1,
    "aspect_ratio": "1:1"
  }'

Paramètres importants :

prompt — description visuelle que vous souhaitez générer. Plus elle est précise, meilleur sera le résultat.
aspect_ratio — définissez le ratio d’aspect : 1:1 (carré), 16:9 (paysage), 9:16 (portrait).
num_images — nombre d’images à générer en une seule requête.

Conseils pour créer des prompts efficaces :

Mentionnez clairement le sujet principal (« un chat », « un bâtiment à Tokyo », « un homme ingénieur »).
Ajoutez un style artistique si nécessaire (« peinture à l’huile », « aquarelle », « illustration cyberpunk »).
Incluez des détails sur l’ambiance ou l’éclairage (« golden hour », « nuit néon », « brouillard sombre et mystérieux »).

La réponse de l’API est un objet JSON contenant l’URL de l’image générée. Téléchargez-la et utilisez-la selon vos besoins.

3. Image-to-Image : transformer une image existante

Le workflow I2I vous permet d’utiliser une image de référence pour en générer des variantes ou des transformations.

Exemples d’utilisation :

curl https://api.zhipuai.cn/v2/image/edit \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-image-16b",
    "image": "https://example.com/input-photo.jpg",
    "prompt": "Transformasi jadi lukisan cat air, gaya artistik klasik",
    "strength": 0.7
  }'

Paramètres supplémentaires :

image — URL de l’image d’entrée à transformer.
strength — ampleur des modifications appliquées (0,0 = identique, 1,0 = complètement nouvelle). Une valeur comprise entre 0,5 et 0,8 offre généralement un bon équilibre entre fidélité à la référence et créativité.

Quand utiliser l’I2I :

Restyler des photos de produits pour un catalogue.
Transformer une esquisse en illustration finale.
Créer des variantes à partir d’une image existante.

4. Utiliser l’API via Python

Pour une intégration plus pratique dans une application ou un pipeline, utilisez Python :

import requests

response = requests.post(
    "https://api.zhipu.cn/v2/image/generate",
    headers={"Authorization": f"Bearer {API_KEY}"},
    json={
        "model": "glm-image-16b",
        "prompt": "Ilustrasi научная экспериментальная установка, diagram teknis, garis halus",
        "num_images": 1,
        "aspect_ratio": "16:9"
    }
)

data = response.json()
image_url = data["data"][0]["url"]
print(f"Gambar berhasil dibuat: {image_url}")

Le coût estimé par image est d’environ 0,015 $ : peu élevé pour une seule génération et très abordable pour le traitement par lots de projets de grande envergure.

Conseils de niveau avancé

Après avoir assimilé les bases, les quelques技巧 suivants peuvent améliorer considérablement les résultats de vos générations.

1. Une ingénierie des prompts plus avancée

La qualité du résultat dépend en grande partie de la manière dont vous formulez votre prompt. Voici quelques méthodes qui ont fait leurs preuves :

Enchaînement visuel des idées : décrivez clairement l’ordre des scènes ou des éléments. Par exemple, « 一只猫坐在窗台上,外面下雨,光线昏暗,电影感 » (un chat assis sur le rebord d’une fenêtre, la pluie tombe dehors, la lumière est tamisée, ambiance cinématographique) produit un résultat visuel bien plus riche que le simple prompt « un chat sur le rebord d’une fenêtre ».
Style artistique précis : mentionnez explicitement le nom d’un mouvement artistique ou d’un médium, comme « impressionist painting », « ukiyo-e print », « pixel art » ou « 3D render ».
Prompt négatif : certaines plateformes permettent d’exclure des éléments. Utilisez cette option pour éviter les caractéristiques indésirables, par exemple « sans texte, sans filigrane ».

2. Exploitez les capacités de rendu du texte

Le principal atout de GLM-Image par rapport à de nombreux autres modèles open source réside dans ses capacités de rendu du texte, qui atteignent 91,16 % sur le CVTG-2K. Exploitez-les pour :

Affiches et créations visuelles avec du texte : créez des affiches avec un texte multilingue précis.
Maquettes d’interface : intégrez directement le texte de l’interface dans les maquettes visuelles.
Infographies visuelles : combinez des données visuelles avec des libellés textuels précis.

3. Utilisez le benchmark pour les cas multilingues

Si votre projet comporte du texte multilingue, LongText-Bench affiche d’excellentes performances : 97,88 % pour le mandarin et 95,24 % pour l’anglais. Cela signifie que :

Les prompts en mandarin ou en anglais produiront un rendu de texte plus précis.
Pour les projets combinant plusieurs langues (par exemple, des étiquettes de produits destinés au marché asiatique), GLM-Image gère mieux le rendu multilingue que nombre de ses concurrents.

4. Flux de travail par lots pour les grands projets

Pour générer des centaines d’images (par exemple, des variantes de produits pour l’e-commerce ou des illustrations pour des articles) :

Préparez un fichier CSV contenant la liste des prompts.
Automatisez les générations à l’aide d’un script Python, avec une limitation raisonnable du débit.
Enregistrez les résultats dans un espace de stockage cloud.
Examinez et filtrez les résultats avant de les utiliser.

5. Combinaison T2I + I2I

Pour obtenir des résultats parfaitement maîtrisés, utilisez les deux workflows successivement :

Générez une image de base avec le T2I à l’aide d’un prompt déjà affiné.
Utilisez l’I2I pour peaufiner certaines parties de l’image : modifiez l’arrière-plan, ajoutez des détails ou changez de style.

Cette approche en deux étapes offre un contrôle plus précis que l’utilisation d’un seul workflow.

Comparaison de GLM-Image avec d’autres modèles

Voici une comparaison de GLM-Image avec plusieurs modèles populaires de génération d’images à partir de texte disponibles sur le marché :

Aspect	GLM-Image	Stable Diffusion	DALL-E 3	Midjourney
Paramètres	16B	~1B–8B (variable)	Non publié	Non publié
Architecture	Hybride AR + Diffusion	Diffusion pure	Diffusion + CLIP	Diffusion
Rendu du texte	CVTG-2K : 91,16 %	Variable, souvent médiocre	Bon	Correct
LongText-Bench (EN)	95,24 %	Inconstant	Élevé	Correct
Text-to-Image	Oui	Oui	Oui	Oui
Image-to-Image	Oui	Oui (via img2img)	Limité	Oui (via vary)
Prix de l’API	~0,015 $/image	Auto-hébergement possible (coût du GPU)	Plus cher	Abonnement
Licence	MIT (open source)	CreativeML Open RAIL	propriétaire	propriétaire
Langues autres que l’anglais	Mandarin 97,88 %, anglais 95,24 %	Variable	Bonne prise en charge	Correcte

D’après le tableau ci-dessus, GLM-Image offre une proposition de valeur unique : un modèle open source affichant de hautes performances aux benchmarks, une licence MIT permissive pour les usages commerciaux et un prix d’API compétitif.

FAQ

GLM-Image prend-il en charge l’indonésien ?

GLM-Image a été entraîné sur un jeu de données multilingue comprenant notamment l’indonésien. Pour obtenir les meilleurs résultats en matière de rendu de texte, utilisez des prompts en anglais ou en mandarin, les deux langues pour lesquelles des benchmarks officiels sont disponibles. Toutefois, l’indonésien peut déjà être utilisé pour les descriptions visuelles générales.

Puis-je utiliser GLM-Image à des fins commerciales ?

Oui. GLM-Image est publié sous licence MIT, ce qui signifie que vous êtes libre de l’utiliser, de le modifier et de vendre des produits dérivés, y compris à des fins commerciales. Aucune redevance ni restriction d’utilisation ne s’applique aux projets commerciaux, aux produits SaaS ou aux services payants, sous réserve de respecter les conditions d’attribution de la licence MIT.

Combien de temps faut-il pour générer une image ?

Le temps de génération varie selon la complexité du prompt et la charge du serveur. En général, la génération d’une seule image via l’API prend de quelques secondes à environ une minute.

Le résultat généré peut-il être différent à chaque fois ?

Oui. Le processus de diffusion est stochastique : même avec un prompt identique, le résultat de chaque génération sera légèrement différent. Cette caractéristique est particulièrement utile pour explorer diverses variations visuelles. Si vous avez besoin de résultats cohérents, définissez le paramètre seed s’il est disponible, ou générez plusieurs images, puis sélectionnez la meilleure.

Ai-je besoin de mon propre GPU pour utiliser GLM-Image ?

Non, si vous utilisez l’API officielle de Zhipu AI. Le modèle s’exécute sur l’infrastructure serveur de Zhipu : vous n’avez donc besoin que d’un accès à Internet et d’une clé API. Pour l’auto-hébergement (c’est-à-dire l’exécution du modèle sur votre propre infrastructure), vous aurez besoin d’un GPU doté de suffisamment de VRAM, généralement au moins 16 Go pour l’inférence d’un modèle de 16 milliards de paramètres.

Essayez dès maintenant

GLM-Image est un excellent choix si vous recherchez un modèle de génération d’images à partir de texte et de transformation d’images à la fois puissant, flexible et utilisable à des fins commerciales sans contraintes de licence strictes. Avec ses 16 milliards de paramètres, son architecture hybride AR+diffusion et ses excellentes performances dans les benchmarks de rendu de texte et de compréhension des textes longs, ce modèle mérite d’être envisagé pour de nombreux cas d’usage, de la création de contenu au restylage de photos, en passant par les pipelines génératifs à grande échelle.

Créez dès maintenant votre première image sur la page Text-to-Image de GLM-Image.

Aucune connaissance en programmation n’est nécessaire pour commencer : rendez-vous sur cette page, saisissez votre prompt et découvrez le résultat en quelques secondes. Vous y trouverez également des exemples de cas d’usage éprouvés.

Pour obtenir une estimation plus détaillée des coûts, consultez la page des tarifs.