Atelier Qwen
Chaîne image locale : dix miniatures et un shooting auto, sans studio ni API
- miniatures livrées pour 10 vraies vidéos de la chaîne
- 10
- de rendu cumulé pour les dix, sur un portable
- 40 min 59 s
- par image 1024², mesurées sur notre machine
- 241 s
- aucune API, aucun crédit, aucun service en ligne
- 0 €
- Le problème
- Les shorts quotidiens n’avaient qu’une image extraite de la vidéo comme miniature, et les générateurs en ligne coûtent un abonnement et envoient tout dehors.
- Pour qui
- La chaîne LaRefVlog d’abord ; ensuite toute équipe qui veut des visuels sans studio, sans banque d’images et sans service en ligne.
- Le résultat
- Dix miniatures livrées pour dix vraies vidéos et quatre visuels de publicité automobile, rendus sur un portable de 16 Go, chaque image tracée.
Contexte
Les shorts quotidiens de la chaîne n’avaient pour miniature qu’une image extraite de la vidéo. Il fallait de vraies miniatures, au format de la chaîne et en vertical natif, sans abonnement à un générateur en ligne.
Pari technique : faire tourner Qwen-Image-2.1 (7 milliards de paramètres) sur un MacBook de 16 Go, mesurer honnêtement ce que ça coûte en temps et en mémoire, puis s’en servir pour livrer, avec la même rigueur qu’en production.
Ce que j’ai construit
- Deux chemins installés et comparés : un moteur MLX 4 bits (le plus rapide) et ComfyUI avec poids GGUF (le plus intégrable, LoRA et nœuds), avec des garde-fous mémoire calibrés sur mesures.
- Un banc de vitesse de six configurations (résolution, nombre de pas), même prompt et même seed, chaque rendu tracé.
- Dix miniatures pour les vidéos du 10 au 19 octobre, en 16:9 au format exact de la chaîne et en vertical 1080×1920 ; le texte est composé en post-production, jamais demandé au modèle.
- Un shooting automobile de quatre visuels photoréalistes (studio, nuit urbaine, golden hour, béton), avec une finition photo (grain, vignettage) et le brut du modèle archivé à côté.
- Un manifeste par image (prompt, seed, durées, hachages SHA-256) et une présentation autonome, prête à montrer à un client.
- Le même pipeline en workflow ComfyUI (GGUF et LoRA Lightning 4 pas) : 14 nœuds, titrage et format 16:9 par deux nœuds maison ; repris dans le paquet de nœuds P07 et exécuté de bout en bout le 20/10 en 188 s, chargement des modèles compris.
Architecture 6 briques
- 01 · EntréeVidéo du jourTitre, idée, image extraite
- 02 · OutilRecettePrompt de prise de vue, seed, format
- 03 · ModèleQwen-Image-2.17 milliards de paramètres, 4 bits, MLX, 6 pas
- 04 · OutilPost-productionTexte, mention parodie, signature, finition photo
- 05 · HumainChoixValidation à l’œil avant livraison
- 06 · SortieLivraison16:9, 9:16, manifeste et hachages
Le brut du modèle est toujours archivé à côté de la version finale : on peut prouver ce qui vient du modèle et ce qui vient de la finition.
Fabrication 5 étapes
- BriefLe titre et l’idée de la vidéo du jour.
- RecetteUn prompt de prise de vue (focale, lumière, matière) et un seed fixé.
- FabricationQwen-Image-2.1 4 bits en local, 6 pas, un rendu à la fois.
- Post-productionSlogan, mention « fiction parodique » et signature composés à part.
- Livraison16:9 et 9:16, JPEG sous 2 Mo, manifeste et hachages.
Décisions le choix, la raison, l’alternative écartée
- D1Ne jamais demander de texte au modèle ; le composer en post-production.
Les modèles d’image écrivent mal ; un texte composé est net, dans la typographie de la chaîne, et modifiable sans nouveau rendu.
ÉcartéLaisser le modèle écrire le slogan.
- D2Turbo 6 pas plutôt que le modèle de base à 25 pas.
Mesuré : 2,7 fois plus rapide pour un gain visuel marginal sur ces cas.
- D3Décrire une vraie prise de vue (focale, diaphragme, lumière, matière) dans chaque recette.
C’est ce vocabulaire qui pousse le modèle vers la photographie plutôt que vers l’illustration.
- D4Des garde-fous mémoire calibrés sur nos mesures, un seul rendu à la fois.
Sur 16 Go, un rendu de trop fait tomber la machine dans le swap ; mieux vaut refuser proprement et relancer.
Résultats
Banc de vitesse (MacBook Pro M1 Pro 16 Go, même prompt, même seed)
| Configuration | Durée totale | Par pas | Repère publié (M4) |
|---|---|---|---|
| Turbo 6 pas, 512² | 94 s | 8,1 s | — |
| Turbo 6 pas, 768² | 184 s | 22,0 s | — |
| Turbo 6 pas, 1024² | 241 s | 31,6 s | 139–145 s |
| Turbo 5 pas, 1024² | 173 s | 31,2 s | — |
| Turbo 8 pas, 1024² | 255 s | 29,9 s | — |
| Base 25 pas, 1024² | 648 s | 25,3 s | 536 s |
Turbo 6 pas offre le meilleur compromis : la base 25 pas demande 2,7 fois plus de temps pour un gain visuel marginal. Repère publié mesuré sur M4.
Livrables 5
- Dix miniatures 16:9 et dix masters verticaux 1080×1920, avec planches avant/après.
- Quatre visuels de shooting automobile, brut et finale, avec réglages de finition.
- Un banc de vitesse de six configurations et ses rapports mémoire.
- Guides client, recettes réutilisables et une présentation autonome.
- Le workflow ComfyUI des miniatures (14 nœuds, deux nœuds de titrage maison), exécuté le 20/10 via le paquet P07.
Environnement
Matériel et conditions de mesure
- Mesuré sur MacBook Pro M1 Pro 16 Go : le modèle d’environ 7,7 Go passe par le swap ; plus rapide sur M4 (repère publié : 139–145 s en 1024²).
- Un rendu à la fois, sous garde-fous mémoire ; LoRA existants utilisés en inférence, l’entraînement d’un LoRA pour ce modèle relève d’un GPU dédié.
Galerie 14
Ce que ce projet change pour vous
Le même savoir-faire, sur votre sujet.
Vos visuels sans studio
Miniatures, visuels produit ou de campagne fabriqués sur vos machines, avec vos recettes et sans abonnement.
Un banc avant d’acheter
Ce qu’un modèle coûte vraiment en temps et en mémoire sur votre matériel, mesuré, avant d’investir.
Une traçabilité complète
Prompt, seed, durées et hachages pour chaque image : on sait d’où vient chaque visuel.