FR ▾
Obtenir une clé API

API LLM pour prompts Flux : un workflow pratique

Si vous voulez une API LLM pour prompts Flux, la tâche est simple : envoyez une courte idée à un modèle textuel et recevez un prompt détaillé utilisable par votre service d’image. Cette page présente le prompt système, les paramètres et le code, et explique clairement ce qu’un modèle textuel seul ne peut pas faire.

Mis à jour

Un terminal alimentant des rubans de texte sur un convoyeur vers un cadre de picture vide, montrant des prompts rédigés avant les images

Points clés

  • Utilisez un message système pour fixer le format et le style une fois pour toutes, puis envoyez uniquement l’idée courte par requête.
  • Le mode JSON retourne une liste de variations de prompt qu’un script peut parcourir sans analyser de texte libre.
  • La fenêtre de contexte de 100 000 tokens vous permet de coller un guide de style ou des prompts passés dans la requête.
  • Une expansion complète coûte une fraction de centime, et le modèle ne voit ni ne génère l’image.

Le résumé

Créez une clé, pointez un client OpenAI vers https://api.fluxapikey.com/v1, définissez le modèle sur uncensored et placez vos règles de prompt dans le message système. Chaque message utilisateur est alors simplement l’idée : quelques mots, une scène, un personnage. La réponse est le prompt final. Copiez-le dans l’outil d’image que vous utilisez, qui possède sa propre clé et sa propre facturation.

Rien ici ne génère d’images. L’API est textuelle uniquement, ce n’est pas le service d’un fournisseur d’images, et elle ne peut pas voir vos rendus. Ce qu’elle fait bien, c’est l’écriture : structure, vocabulaire, cohérence sur un lot. Le reste de cette page détaille les aspects pratiques.

Pourquoi utiliser un modèle de langage pour les prompts

Les modèles d’image récompensent les entrées précises et pénalisent les entrées vagues. Une ligne comme « un château » vous donne le château moyen. Un paragraphe qui nomme le matériau des murs, l’heure de la journée, l’objectif et la palette de couleurs vous donne quelque chose de plus proche de l’image dans votre tête. Rédiger ce paragraphe à la main pour chaque image est lent, et vous avez tendance à oublier les mêmes détails à chaque fois.

Un modèle de langage excelle dans ce type d’expansion. Il ajoutera les détails manquants, maintiendra un ordre fixe des éléments et respectera un style rédactionnel cohérent sur des centaines de requêtes. Comme ce modèle ne refuse pas par défaut, il gère aussi la fiction, les thèmes sombres et les œuvres pour adultes que les modèles hébergés plus prudents déclinent souvent. La limite habituelle s’applique : usage adulte légal uniquement, et pas de contenu sexuel impliquant des mineurs sous quelque forme que ce soit.

Un prompt système qui fonctionne

La majeure partie de la qualité vient du message système. Gardez-le court, concret et testable. Voici un point de départ que vous pouvez modifier :

SYSTEM = '''You write prompts for a text-to-image model.
Output exactly one prompt, one paragraph, no preamble, no quotes.
Order: subject, action, setting, lighting, camera or medium, palette, mood.
Use concrete nouns and visual adjectives. Avoid abstract words like beautiful.
Do not mention the words prompt, image or render.
Keep it under 90 words.'''

Remarquez ce que le message ne dit pas. Il ne donne pas de longs discours sur la créativité ni une liste de sujets interdits. Des règles courtes avec un ordre fixe sont plus faciles à suivre pour un modèle, et plus faciles à déboguer pour vous. Si la sortie dérive, modifiez une ligne et relancez la même idée. Si vous voulez un autre style pour un autre projet, gardez un second message système et choisissez-en un par requête.

Montrez, ne décrivez pas

Quand les règles seules ne suffisent pas, ajoutez une ou deux paires d’exemples comme messages antérieurs dans la conversation : une idée courte en tant que message utilisateur et le prompt que vous aimez en tant que message assistant. Une ou deux paires corrigent généralement le ton mieux qu’un autre paragraphe de règles.

Envoi de la requête

L’appel est une complétion de chat standard. Les paramètres les plus importants pour l’expansion créative sont la température et la graine.

from openai import OpenAI

client = OpenAI(base_url="https://api.fluxapikey.com/v1", api_key="YOUR_KEY")

def expand(idea, seed=None):
    r = client.chat.completions.create(
        model="uncensored",
        messages=[
            {"role": "system", "content": SYSTEM},
            {"role": "user", "content": idea},
        ],
        temperature=0.9,
        top_p=0.95,
        max_tokens=200,
        seed=seed,
    )
    return r.choices[0].message.content.strip()

print(expand("an abandoned observatory on a cliff", seed=7))

Une température autour de 0,8 à 1,0 donne des formulations variées, ce que vous voulez lors d’un brainstorming. Réduisez-la vers 0,3 quand vous avez besoin d’une sortie quasi identique pour un gabarit récurrent. Les paramètres seed, top_p, stop et les paramètres de pénalité sont transmis au modèle, donc vous pouvez les utiliser comme ailleurs. La limite max_tokens est optionnelle ; la définir près de la longueur attendue évite une réponse interminable. Consultez la documentation pour tous les paramètres pris en charge.

Lots de variations en mode JSON

Pour un lot, demandez une liste et activez le mode JSON avec response_format. Le message système doit toujours indiquer au modèle la forme à retourner, car le mode JSON rend la sortie JSON valide mais ne choisit pas vos clés pour vous.

# client as above: base_url https://api.fluxapikey.com/v1
import json

def variations(idea, n=8):
    r = client.chat.completions.create(
        model="uncensored",
        response_format={"type": "json_object"},
        messages=[
            {"role": "system", "content": SYSTEM + f"\nReturn JSON: {{\"prompts\": [{n} strings]}}."},
            {"role": "user", "content": idea},
        ],
        temperature=1.0,
    )
    return json.loads(r.choices[0].message.content)["prompts"]

for p in variations("a night market in the rain"):
    print(p)

Enveloppez toujours json.loads dans un bloc try. Si une réponse est coupée par un max_tokens très bas, elle ne sera pas analysée, donc laissez ce paramètre généreux pour les requêtes de liste. Chaque prompt de la liste peut être envoyé directement dans votre service d’image dans une boucle.

Utilisation de la fenêtre de 100 000 tokens

La fenêtre de contexte fait 100 000 tokens, en comptant le prompt plus la complétion. Pour le travail de prompt, c’est plus que ce dont vous avez besoin par requête, mais c’est utile de deux façons. Vous pouvez coller un guide de style long, une fiche de personnage ou une liste de prompts passés qui ont fonctionné, et le modèle les suivra. Et vous pouvez maintenir une conversation de travail : demandez un prompt, dites « plus sombre, ajoutez du brouillard », et obtenez-en un révisé qui se souvient du premier.

Les entrées longues coûtent cher, donc limitez le guide de style permanent à ce qui modifie la sortie. Cinq cents tokens de règles sont bon marché. Cinquante mille tokens de vieux prompts envoyés avec chaque requête s’accumulent, comme le montre la section des coûts ci-dessous : 50 000 tokens d’entrée supplémentaires coûtent 0,0075 $ par requête, soit 3,75 $ sur 500 requêtes.

Motifs de prompt pour les tâches courantes

Le même endpoint couvre plusieurs tâches différentes. Ce qui change, c’est le message système.

  • Fiches de personnage. Gardez une description fixe d’un personnage récurrent (cheveux, vêtements, âge, morphologie) dans le message système, et demandez au modèle de la répéter mot pour mot dans chaque prompt. C’est le moyen le moins cher de garder un personnage reconnaissable sur une série de rendus.
  • Transfert de style par mots. Donnez une liste de termes de style que vous aimez, comme « gouache, palette atténuée, grain », et demandez-les dans la dernière phrase de chaque prompt.
  • Formulation négative. Si votre outil d’image prend un prompt négatif séparé, demandez au modèle de retourner deux champs en mode JSON : prompt et negative. Gardez la liste négative courte et spécifique.
  • Raccourcissement. Certains outils coupent les entrées longues. Ajoutez une limite de mots aux règles et testez-la, car les modèles comptent les mots de manière approximative.

La fiction mature et l’art de jeu de rôle pour adultes sont un cas légitime ici. Le modèle écrira la description de la scène en langage clair et non explicite si vous le lui demandez. Si vous travaillez sur une plateforme avec ses propres règles de contenu, incluez ces règles dans le message système, afin que les prompts correspondent à l’endroit où les images seront publiées.

Tests et réglages de la boucle

Traitez le message système comme du code. Choisissez cinq idées de test qui couvrent votre gamme habituelle, exécutez-les avec une seed fixe et une température basse, et sauvegardez les sorties. Après chaque modification des règles, relancez les mêmes cinq et comparez. Cela détecte l’échec courant où une correction pour un cas en casse un autre.

Recherchez trois symptômes. Des prompts qui répètent les mêmes mots d’ouverture sur un lot signifient que la température est trop basse ou que les exemples sont trop uniformes. Des prompts qui ignorent votre limite de mots signifient que la règle est enfouie ; déplacez-la à la fin du message. Des prompts qui incluent des introductions bavardes comme « Voici votre prompt » signifient que la règle de format doit être plus stricte, ou vous pouvez supprimer la première ligne dans le code. Le streaming avec stream: true est disponible si vous affichez les résultats dans une interface, et l’utilisation est signalée à la fin du flux.

Des limites à anticiper

Trois limites honnêtes. Premièrement, le modèle est textuel uniquement : il ne peut pas voir une image, donc il ne peut pas juger si un prompt a produit une bonne image. Vous êtes le juge, et la boucle est écrire, rendre, ajuster les règles. Deuxièmement, il ne sait rien sur les particularités de votre modèle d’image particulier à moins que vous ne le lui disiez, donc mettez ces particularités dans le message système. Troisièmement, les limites de débit : une clé complète permet 8 requêtes simultanées et 300 par minute, et une clé d’essai 2 et 60. Si une boucle dépasse cela, vous obtenez HTTP 429 avec le code concurrency ou rate_limited ; attendez un moment et réessayez. Un 429 avec un en-tête Retry-After: 5 signifie une surcharge temporaire et le même conseil s’applique.

Coût par prompt

La tarification est de 0,15 $ par 1M de tokens d’entrée et de 0,50 $ par 1M de tokens de sortie. Supposons que chaque requête envoie un message système de 800 tokens plus l’idée et retourne un prompt de 200 tokens. Sur 500 requêtes, cela fait 400 000 tokens d’entrée et 100 000 tokens de sortie. Entrée : 0,4 x 0,15 $ = 0,06 $. Sortie : 0,1 x 0,50 $ = 0,05 $. Total : 0,11 $ pour 500 prompts.

Le lot JSON ci-dessus, à environ 400 tokens en entrée et 700 en sortie par appel, coûte 0,0004 x 0,15 $ plus 0,0007 x 0,50 $, soit 0,00006 $ + 0,00035 $ = 0,00041 $ pour huit prompts. Le crédit d’essai est de 0,50 $, activé en un clic après l’inscription. Les recharges commencent à 20 $ ; consultez la page de tarification pour les paliers de bonus, et la page des clés pour commencer.

Questions et réponses

Le modèle peut-il rédiger des prompts pour n’importe quel générateur d’images ?

Oui, car il ne génère que du texte. Indiquez dans le message système le format préféré par votre outil d’image, puis copiez le résultat.

Refusera-t-il les thèmes pour adultes ou sombres ?

Il est ajusté pour répondre sans refus de contenu pour une utilisation adulte légale. Le contenu sexuel impliquant des mineurs n'est jamais autorisé.

Combien de prompts puis-je générer par minute ?

Une clé complète permet 300 requêtes par minute et 8 simultanées. En mode JSON, une requête peut retourner plusieurs prompts.

Génère-t-il aussi les images ?

Non. L'API est textuelle uniquement, sans génération d'image, d'audio ou de vidéo.

Votre clé n’est qu’à un formulaire de distance

Créez un compte, copiez la clé, modifiez l'URL de base. C'est toute la configuration.

Obtenir une clé API