Vous avez une photo. Vous voulez qu'une IA la transforme en version bikini, en lingerie, ou quelque chose de plus explicite — tout en conservant le visage. Vous avez essayé Midjourney : refusé. Essayé DALL-E : adouci et filtré. Essayé Stable Diffusion avec les paramètres par défaut : bloqué par le filtre de sécurité avant même le début de la génération.
Ce n'est pas une défaillance des outils. C'est une décision de conception. Chaque plateforme grand public applique une couche de modération de contenu au niveau du modèle. C'est ce que signifie le terme « non censuré » lorsque les utilisateurs recherchent une IA de transformation d'image à image non censurée. L'outil existe. La question est de savoir quel modèle préserve correctement l'identité pendant que le contenu change.
Pourquoi les générateurs d'IA d'image à image grand public bloquent les contenus non censurés
Chaque plateforme majeure de génération d'images applique un filtrage de contenu à deux niveaux : le niveau de saisie du prompt et le niveau de sortie du modèle. Lorsque vous soumettez un prompt avec des termes NSFW, le filtre d'entrée le rejette avant que le modèle ne s'exécute. Lorsqu'un prompt passe à travers, le filtre de sortie détecte l'image générée et supprime ou floute le résultat.
Il ne s'agit pas d'un manque de capacités. Stable Diffusion, la même architecture qui alimente la plupart des outils d'image à image, n'a aucune restriction technique sur la sortie NSFW. Le filtrage est appliqué par les opérateurs de la plateforme au-dessus du modèle. Supprimez le filtre, et le modèle sous-jacent génère le contenu.
« Non censuré », dans le contexte d'un générateur d'IA d'image à image, signifie que la couche de modération de contenu a été supprimée. Le modèle traite le prompt et l'image sans intervention active sur le contenu généré. Le catalogue d'image à image d'Atlas Cloud exécute des modèles dans cette configuration, y compris la famille Seedream, conçue spécifiquement pour la retouche de portraits avec préservation du visage.
Le deuxième problème — la perte de l'identité du visage lors de la transformation — est distinct du filtrage de contenu. Il s'agit d'un problème d'entraînement du modèle. C'est ce que le reste de ce guide aborde.
Pourquoi le visage change dans la génération d'IA d'image à image non censurée et comment l'empêcher
Lorsque vous téléchargez une photo et rédigez un prompt pour une transformation de contenu, le modèle ne sait pas quelles parties de l'image sont interdites. Il applique des changements globalement en fonction du poids sémantique. Le visage, en tant que zone de poids sémantique le plus élevé d'un portrait, reçoit une attention importante du modèle — ce qui signifie qu'il est redessiné en même temps que le reste.
Deux variables contrôlent à quel point le visage change :
guidance_scale détermine avec quelle agressivité le modèle suit le prompt par rapport au respect de l'image source. Les valeurs faibles préservent la référence. Les valeurs élevées permettent au prompt de la remplacer. À partir d'une guidance_scale de 10 ou plus, le prompt contrôle presque entièrement la sortie. Le visage devient ce que le prompt implique, et non ce que montre l'image source.
L'architecture du modèle est le facteur le plus important. La plupart des modèles de retouche d'image ne sont pas entraînés à isoler l'identité faciale pendant la transformation. La famille Seedream, elle, l'est. Son entraînement sépare explicitement la préservation du visage de la génération de contenu, de sorte que le modèle puisse changer les vêtements et la scène tout en conservant les traits du visage, le teint et l'éclairage de la source.
La combinaison pratique : modèle Seedream** + guidance_scale entre 5 et 7** produit une sortie stable au niveau du visage, de légères à lourdes transformations de contenu.
Sélection de modèles pour les générateurs d'IA d'image à image non censurés
| Modèle | Prix | Préservation du visage | Meilleur pour |
|---|---|---|---|
| Seedream v5.0 Lite Edit | USD0.032/image | ★★★★★ | Transformations légères à lourdes, outil principal |
| Seedream v5.0 Lite Edit Sequential | USD0.032/image | ★★★★★ | Variations par lots à partir d'une photo source |
| Seedream v4.5 Edit | USD0.036/image | ★★★★★ | Rendus de production finaux, détails maximaux |
| Flux Kontext Dev | USD0.025/image | ★★★☆☆ | Changements de scène spécifiques et descriptibles |
| GPT Image-1 Mini Edit | USD0.004/image | ★★☆☆☆ | Test de concepts de prompts uniquement |
Seedream v5.0 Lite Edit est le choix par défaut. La description officielle d'Atlas Cloud : « préserve les traits du visage, l'éclairage et les tons de couleur tout en permettant des modifications de qualité professionnelle ». Pour la plupart des cas d'utilisation d'image à image non censuré, commencez ici et passez à la version v4.5 uniquement lorsque vous avez besoin d'une résolution de sortie plus élevée pour une utilisation finale.
Flux de travail 1 : Image à image non censuré — Maillots de bain et lingerie (Léger)
Modèle : Seedream v5.0 Lite Edit
guidance_scale : 6
num_inference_steps : 25
Le niveau léger couvre les sorties où les vêtements sont remplacés par des maillots de bain, un bikini, de la lingerie ou similaire. Le contenu est explicite mais la portée de la transformation est modérée — le corps est couvert, le changement concerne ce avec quoi il est couvert.
À une guidance_scale de 6, Seedream v5.0 Lite traite l'image source comme référence principale et utilise le prompt pour définir ce qui change. Le visage, les proportions corporelles, le teint et l'éclairage sont conservés depuis la source. Seule la zone des vêtements est transformée.
Structure du prompt :
plaintext1[description détaillée des vêtements], photoréaliste, même visage, mêmes proportions corporelles, même teint, même éclairage
Exemple de prompt fonctionnel :
plaintext1portant un ensemble de lingerie en dentelle noire, photoréaliste, haute précision, même visage, mêmes proportions corporelles, même teint, même direction d'éclairage que la source
Ce qui pousse le visage à changer à ce niveau :
- guidance_scale au-dessus de 8. Le prompt commence à l'emporter sur les signaux d'identité de l'image source au-dessus de cette valeur, même sur Seedream.
- Décrire l'état de la source. Ajouter des termes comme « retirer les vêtements » dirige l'attention du modèle vers la zone vêtue et déstabilise les zones environnantes, y compris le visage.
- Descripteurs corporels vagues. Des mots comme « corps sexy » donnent au modèle la licence de réinterpréter les proportions. Ancrez la description corporelle à la source : « mêmes proportions corporelles ».
Appel API :
plaintext1import requests 2 3# Étape 1 : télécharger l'image de référence 4upload = requests.post( 5 "https://api.atlascloud.ai/api/v1/model/uploadMedia", 6 headers={"Authorization": "Bearer YOUR_KEY"}, 7 files={"file": open("reference.jpg", "rb")} 8) 9image_url = upload.json()["url"] 10 11# Étape 2 : générer 12response = requests.post( 13 "https://api.atlascloud.ai/api/v1/model/generateImage", 14 headers={"Authorization": "Bearer YOUR_KEY"}, 15 json={ 16 "model": "bytedance/seedream-v5-0-lite-edit", 17 "image": image_url, 18 "prompt": "portant un ensemble de lingerie en dentelle noire, photoréaliste, haute précision, même visage, mêmes proportions corporelles, même teint, même direction d'éclairage que la source", 19 "guidance_scale": 6, 20 "num_inference_steps": 25 21 } 22)
Flux de travail 2 : Image à image non censuré — Style révélateur (Moyen)
Modèle : Seedream v5.0 Lite Edit
guidance_scale : 7
num_inference_steps : 28
Le niveau moyen couvre les sorties avec plus d'exposition de peau — tissu transparent, couverture partielle, coupes révélatrices. Le prompt doit transmettre un certain degré d'exposition sans déclencher d'ambiguïté qui pousserait le modèle vers une interprétation conservatrice par défaut.
Augmentez la guidance_scale à 7. Le modèle a besoin de plus d'influence du prompt pour appliquer une transformation de ce degré tout en travaillant contre les vêtements d'origine de l'image source. Les ancres d'identité dans le prompt deviennent plus importantes à ce paramètre, et non l'inverse — le modèle prend plus de direction du prompt dans l'ensemble, il est donc important de lui dire explicitement quoi préserver.
Structure du prompt :
plaintext1[vêtement spécifique avec détails de couverture], photoréaliste, ultra détaillé, même visage, mêmes traits du visage, mêmes proportions corporelles, même teint, éclairage naturel doux
Exemple de prompt fonctionnel :
plaintext1portant une mini-robe blanche transparente sans sous-vêtements, visible à travers le tissu, photoréaliste, ultra détaillé, même visage, mêmes traits du visage, mêmes proportions corporelles, même teint, éclairage naturel doux
Stratégie de prompt à ce niveau :
Décrivez ce qu'est le vêtement et ce qu'il révèle plutôt que de décrire directement la nudité. « Tissu transparent, visible à travers » est lu comme une description de vêtement. Cela donne au modèle une cible visuelle cohérente. Les instructions abstraites comme « rendez-le plus révélateur » sont interprétées de manière incohérente car elles ne décrivent pas un état visuel concret.
Quand la dérive du visage apparaît au niveau moyen :
Si le visage change après être passé à une guidance_scale de 7, placez les ancres d'identité plus tôt dans le prompt plutôt que plus tard. Le modèle pondère plus fortement les premiers jetons. Réorganisez comme suit :
plaintext1même visage que la source, mêmes traits du visage, [description du vêtement], photoréaliste, mêmes proportions corporelles, même teint
Flux de travail 3 : IA d'image à image non censuré — Contenu explicite (Lourd)
Modèle : Seedream v4.5 Edit
guidance_scale : 5
num_inference_steps : 30
Le niveau lourd couvre les sorties les plus explicites — nudité totale, poses explicites. À ce niveau, le prompt demande l'écart le plus important par rapport à l'image source. Le modèle est sous la plus forte pression pour remplacer la source. C'est là que l'identité du visage est la plus menacée.
Contre-intuitivement, la solution est d'abaisser la guidance_scale à 5, et non de l'augmenter. Le modèle a besoin de plus d'espace pour référencer l'image source pour les signaux d'identité précisément parce que la transformation du contenu est si extrême. Laissez l'image source ancrer le visage pendant que le prompt pilote le contenu.
Utilisez Seedream v4.5 Edit (USD0.036/image) plutôt que v5.0 Lite à ce niveau. L'architecture v4.5 produit une sortie de plus haute résolution avec des détails faciaux plus fins, ce qui compte lorsque le reste de l'image subit une transformation maximale. Le visage a besoin de plus de définition pour être lu comme la même personne.
Exemple de prompt fonctionnel :
plaintext1nu, corps entier, photoréaliste, 4k, même visage que la source, traits du visage identiques, mêmes proportions corporelles, même teint, mêmes cheveux, éclairage naturel
Placement de l'ancre du visage au niveau lourd :
À une guidance_scale de 5, les ancres d'identité font la majeure partie du travail. Placez-les immédiatement après le descripteur de contenu :
plaintext1[contenu], même visage que la source, traits du visage identiques, mêmes proportions corporelles, même teint, mêmes cheveux, [qualité/éclairage]
Les ancres du visage entre le descripteur de contenu et les termes de qualité les positionnent comme la contrainte la plus fortement pondérée au milieu du prompt. Cet arrangement surpasse systématiquement les ancres placées à la fin lorsque la guidance_scale est faible.
Variations par lots d'IA d'image à image non censuré à partir d'une seule photo
Modèle : Seedream v5.0 Lite Edit Sequential
guidance_scale : 6
num_inference_steps : 25
Lorsque vous avez besoin de plusieurs sorties à partir de la même photo source — différentes tenues, différents niveaux d'exposition, différentes scènes — le modèle séquentiel maintient la cohérence de l'identité du visage sur tout le lot. Exécuter des appels séparés pour chaque image accumule de petits changements d'identité. La variante séquentielle ancre toutes les sorties à la même source.
plaintext1from concurrent.futures import ThreadPoolExecutor 2import requests 3 4API_KEY = "YOUR_KEY" 5IMAGE_URL = "UPLOADED_IMAGE_URL" # téléchargez une fois, réutilisez 6 7prompts = [ 8 "portant un bikini rouge, photoréaliste, même visage, mêmes proportions corporelles, même teint, éclairage de plage", 9 "portant de la lingerie noire, photoréaliste, même visage, mêmes proportions corporelles, même teint, éclairage de studio doux", 10 "portant une robe transparente, photoréaliste, même visage, mêmes proportions corporelles, même teint, lumière du jour naturelle", 11] 12 13def generate(prompt): 14 return requests.post( 15 "https://api.atlascloud.ai/api/v1/model/generateImage", 16 headers={"Authorization": f"Bearer {API_KEY}"}, 17 json={ 18 "model": "bytedance/seedream-v5-0-lite-edit-sequential", 19 "image": IMAGE_URL, 20 "prompt": prompt, 21 "guidance_scale": 6, 22 "num_inference_steps": 25 23 } 24 ).json() 25 26with ThreadPoolExecutor(max_workers=5) as executor: 27 results = list(executor.map(generate, prompts))
Téléchargez l'image source une fois et réutilisez l'URL renvoyée pour tous les appels. Le modèle séquentiel à USD0.032/image correspond au prix d'une image unique. Le gain de cohérence ne coûte rien de plus.
Options de générateurs d'IA d'image à image non censurés gratuits
Il existe des générateurs d'IA d'image à image non censurés gratuits, mais ils présentent trois limitations structurelles pour ce cas d'utilisation :
Pas d'architecture de préservation du visage. Les modèles gratuits sont généralement des versions plus anciennes ou plus petites sans entraînement à l'isolation du visage de la classe Seedream. Aux niveaux de transformation de contenu moyen et lourd, le visage change indépendamment des paramètres de guidance_scale car le modèle n'a aucun mécanisme pour l'isoler.
Plafonds de résolution à 512x512 ou 768x768. Les détails du visage à ces résolutions sont insuffisants pour des sorties censées être lues comme la même personne. L'identité faciale réside dans les détails fins — forme des yeux, ligne de la mâchoire, texture de la peau — et ces détails disparaissent à faible résolution.
Délais de file d'attente de 30 secondes à plusieurs minutes. Itérer à travers les variations de prompt et les paramètres de guidance_scale nécessite un retour rapide. Une file d'attente de 2 minutes par génération rend les tests de paramètres impraticables.
Pour la validation de prompt avant de s'engager dans une exécution Seedream, GPT Image-1 Mini Edit à USD0.004/image sur Atlas Cloud est une meilleure option qu'un outil gratuit. C'est assez bon marché pour brûler 10 à 15 générations de test pour moins de USD0.05, sans file d'attente et avec des temps de réponse cohérents.
Pour une comparaison complète des outils d'IA non censurés à travers les types de génération, le guide des meilleurs générateurs d'images IA non censurés couvre l'ensemble du paysage.
FAQ
Atlas Cloud prend-il en charge la génération de contenu NSFW et explicite ?
Oui. Les modèles d'image à image non censurés d'Atlas Cloud, y compris la famille Seedream et Flux Kontext Dev, fonctionnent sans filtres de modération de contenu. La génération de contenu explicite est prise en charge. Les prix et la disponibilité des modèles sont répertoriés dans le catalogue de modèles d'image à image d'Atlas Cloud.
Quelle guidance_scale maintient le visage stable à travers les trois niveaux de contenu ?
Pour le léger (maillots de bain/lingerie) : 6. Pour le moyen (révélateur) : 7. Pour le lourd (explicite) : 5. Le niveau lourd nécessite une valeur plus faible car la transformation du contenu met plus de pression sur le modèle pour remplacer la source — abaisser la guidance_scale donne à l'image source plus de poids pour ancrer le visage.
Les proportions corporelles ont changé mais le visage est resté. Comment corriger le corps ?
Ajoutez « mêmes proportions corporelles » et « même type de corps que la source » à la section d'ancrage d'identité du prompt. Les proportions corporelles sont moins protégées que le visage, même dans les modèles Seedream, car elles sont plus étroitement liées aux vêtements en cours de génération. Des ancres corporelles explicites dans le prompt réduisent cette dérive.
Puis-je réutiliser la même URL d'image source pour plusieurs appels sans re-télécharger ?
Oui. Téléchargez une fois en utilisant le point de terminaison de téléchargement multimédia d'Atlas Cloud et stockez l'URL renvoyée. Cette URL est valide pour les appels de génération ultérieurs. Pour les exécutions par lots, passez la même URL à tous les appels dans le ThreadPoolExecutor. Le modèle séquentiel accepte une URL source unique appliquée à tous les prompts du travail.
Quel est le moyen le moins cher de trouver le bon prompt avant d'exécuter un lot complet ?
GPT Image-1 Mini Edit à USD0.004/image. Exécutez le prompt aux niveaux de contenu léger, moyen et lourd pour voir comment le modèle interprète la description. Identifiez où le visage dérive et ajustez le placement de l'ancre avant de passer à un lot Seedream. Un test complet de prompt sur cinq variations coûte USD0.02.
Conclusion
L'obstacle à la génération d'image à image non censurée n'est pas technique. Les outils grand public filtrent le contenu par politique, et non par capacité. Supprimez le filtre, et la même architecture de diffusion qui alimente chaque outil d'image majeur génère le contenu sans restriction.
Le problème restant est l'identité du visage. Les modèles génériques n'isolent pas les visages pendant la transformation. Seedream v5.0 Lite Edit le fait. Commencez à une guidance_scale de 6 pour le contenu léger, passez à 7 pour les sorties révélatrices moyennes, et descendez à 5 pour les transformations explicites où vous avez besoin que l'image source ancre l'identité sous une pression de prompt maximale.
Exécutez des prompts de test sur GPT Image-1 Mini Edit à USD0.004/image. Passez à Seedream v5.0 Lite Edit pour une sortie de production cohérente. Utilisez Seedream v4.5 Edit lorsque les détails faciaux fins comptent pour les rendus finaux. Pour plusieurs variations à partir d'une seule photo, Seedream v5.0 Lite Edit Sequential gère le lot au même prix par image.
Pour l'évaluation des modèles et la comparaison des outils, le guide des meilleurs éditeurs d'images IA non censurés couvre la sélection complète en détail. Pour exécuter des modèles non censurés localement sans API, exécuter des modèles d'image IA non censurés localement couvre la configuration locale.
