Note de l'auteur : une analyse complète du modèle de retouche d'image open source FireRed Image Edit 1.1 de Xiaohongshu. Au programme : 5 capacités clés, des benchmarks, l'architecture technique et les modalités d'accès API. Le nouveau SOTA open source qui surpasse le Qwen d'Alibaba.
Le 3 mars 2026, l'équipe FireRed de Xiaohongshu a lancé FireRed-Image-Edit 1.1, un modèle de base pour la retouche d'image reposant sur une architecture Diffusion Transformer. Ce modèle s'impose comme le leader open source actuel, atteignant le SOTA sur les trois benchmarks de référence (ImgEdit, GEdit et REDEdit) avec un score global de 7,94, dépassant ainsi les 7,88 du modèle Qwen-Image-Edit-2511 d'Alibaba.
Valeur ajoutée : en lisant cet article, vous découvrirez les 5 capacités majeures de FireRed Image Edit 1.1, les innovations de son architecture technique et la manière de l'intégrer rapidement via API.
Voici une présentation des points clés de FireRed Image Edit 1.1.
Points clés de FireRed Image Edit 1.1
| Point clé | Description | Avantage |
|---|---|---|
| SOTA Open Source | Score global ImgEdit 4.56, GEdit 7.94 | Surpasse Qwen-Image-Edit |
| Cohérence faciale | Mécanisme de perte de cohérence différentiable, haute fidélité | Édition de portraits sans déformation |
| Fusion multi-éléments | Supporte plus de 10 éléments | Recadrage et assemblage auto. par Agent |
| Bilingue (CN/EN) | Évaluation sur 1 673 paires d'édition | Support natif des instructions en chinois |
| Apache 2.0 | Entièrement open source, usage commercial | Gratuit et commercialisable |
Qu'est-ce que FireRed Image Edit 1.1 ?
FireRed-Image-Edit est un modèle fondamental d'édition d'image développé par l'équipe FireRed de Xiaohongshu. Contrairement aux modèles de texte vers image classiques, il se concentre sur l'édition d'image : modifier précisément une image selon des instructions en langage naturel, tout en préservant le contenu original.
Vous pouvez charger jusqu'à 3 images de référence et décrire en langage naturel (chinois ou anglais) l'effet souhaité. Le modèle fusionne intelligemment les éléments, le style et les personnages des images de référence dans le résultat final.
Principales améliorations de la version 1.1 par rapport à la 1.0 :
- Cohérence des portraits nettement optimisée : Conservation plus précise des traits du visage lors d'un changement de fond ou d'une migration de style.
- Fusion multi-éléments renforcée : Meilleure gestion des scènes complexes impliquant plusieurs images.
- Références textuelles stylisées : Support étendu pour diverses polices et styles de mise en page.
- Effets de maquillage : Nouvelle capacité d'édition précise du maquillage sur les portraits.
5 capacités fondamentales de FireRed Image Edit 1.1
Capacité 1 : Maintien de la cohérence faciale (Identity Consistency)
Il s'agit de l'évolution majeure de la version 1.1. Grâce à un mécanisme innovant de perte de cohérence différentiable (Differentiable Consistency Loss), le modèle préserve avec précision les traits du visage, les expressions et les caractéristiques personnelles lors de l'édition.
Cas d'usage :
- Changer le fond d'une photo tout en conservant le visage intact.
- Appliquer différents styles artistiques tout en préservant l'identité.
- Synthétiser un personnage dans diverses scènes tout en maintenant une apparence cohérente.
Les modèles traditionnels souffrent souvent de "distorsions faciales" lors des transferts de style. FireRed 1.1 résout ce problème en minimisant la différence d'identité tout au long du processus de génération.
Capacité 2 : Fusion multi-éléments (Multi-Element Fusion)
FireRed 1.1 permet de combiner librement plus de 10 éléments visuels, avec des fonctionnalités de recadrage et d'assemblage automatisées pilotées par un Agent :
| Type de fusion | Description | Scénario typique |
|---|---|---|
| Personnage + Fond | Placer un sujet dans une nouvelle scène | Changement de fond pour modèles produits |
| Personnage + Vêtement | Effet d'essayage virtuel | Présentation de vêtements e-commerce |
| Multi-personnages | Synthèse de personnes issues d'images différentes | Affiches créatives |
| Style + Contenu | Application du style d'une référence | Transfert de style artistique |
| Texte + Image | Intégration naturelle du texte dans l'image | Couverture pour réseaux sociaux |
Capacité 3 : Suivi précis des instructions (Instruction Following)
Le modèle utilise la technique d'alignement stochastique des instructions (Stochastic Instruction Alignment), couplée à une réindexation dynamique des invites, garantissant une sortie fidèle aux demandes de l'utilisateur.
Les tests sur le benchmark REDEdit-Bench montrent :
- Score instructions chinois : 4.33
- Score instructions anglais : 4.26
Cela signifie que le modèle comprend non seulement les instructions simples comme "changer le fond pour une plage", mais aussi des requêtes complexes telles que : "garder le personnage, remplacer le fond par une plage tropicale au coucher du soleil et ajouter des effets de lumière chaude et douce".
Capacité 4 : Édition de texte haute fidélité (Text Editing)
Grâce à la technologie DiffusionNFT et à un mécanisme de récompense OCR sensible à la mise en page, FireRed 1.1 peut préserver et modifier avec précision le contenu textuel des images. C'est un aspect crucial, car de nombreux modèles d'édition dégradent ou déforment le texte présent dans les images.
Capacité 5 : Restauration d'anciennes photos et transfert de style
FireRed 1.1 excelle dans la restauration de photos anciennes et la migration entre différents styles :
- Restauration d'anciennes photos : Réparation automatique des rayures, de la dégradation des couleurs et des flous courants.
- Transfert de style : Conversion de photos en divers styles artistiques (peinture à l'huile, aquarelle, anime, etc.).
- Édition de maquillage : Nouvelle capacité fine de retouche maquillage sur les visages.
Résultats du benchmark FireRed Image Edit 1.1
Une avance sur les trois benchmarks majeurs
| Benchmark | FireRed 1.1 | Qwen-Image-Edit | Résultat |
|---|---|---|---|
| ImgEdit (Global) | 4.56 | 4.51 | ✅ Victoire de FireRed |
| GEdit (Global G_O) | 7.94 (EN) / 7.89 (CN) | 7.88 | ✅ Victoire de FireRed |
| REDEdit (Chinois) | 4.33 | — | Open Source SOTA |
| REDEdit (Anglais) | 4.26 | — | Open Source SOTA |
Dimensions détaillées de GEdit
| Dimension | Score EN | Score CN | Signification |
|---|---|---|---|
| G_SC (Cohérence sémantique) | 8.363 | 8.287 | Correspondance sémantique entre édition et invite |
| G_PQ (Qualité perçue) | 8.245 | 8.227 | Qualité visuelle de l'image générée |
| G_O (Score global) | 7.943 | 7.887 | Moyenne pondérée multidimensionnelle |
REDEdit-Bench est un benchmark développé en interne par l'équipe FireRed, couvrant 15 catégories et 1 673 paires d'éditions bilingues (chinois/anglais), plus proche des besoins réels des utilisateurs que les benchmarks existants.
🎯 Note de performance : FireRed 1.1 excelle particulièrement dans la cohérence faciale et le suivi des invites, idéal pour les scénarios nécessitant de préserver les traits d'un personnage. APIYI (apiyi.com) prévoit d'intégrer ce modèle ; les utilisateurs intéressés peuvent nous contacter dès maintenant pour en savoir plus.
Architecture technique de FireRed Image Edit 1.1
Architecture centrale : Transformer de diffusion multimodal à double flux MM-DiT
Le moteur de génération central de FireRed 1.1 est le Transformer de diffusion multimodal à double flux (MM-DiT) :
- Encodage de texte : Les invites de l'utilisateur sont converties en vecteurs sémantiques par un encodeur de texte.
- Jetons latents d'image : L'image originale est encodée via un VAE haute fidélité en une représentation dans l'espace latent.
- Caractéristiques de l'image de référence : Extraction des caractéristiques visuelles des images de référence (jusqu'à 3).
- Flux d'entrée unifié : Les trois sources d'informations sont concaténées pour former une entrée unifiée, traitée par le MM-DiT via des interactions bidirectionnelles denses.
- Génération : Le modèle génère la représentation latente de l'image éditée, décodée ensuite par le VAE en image finale.
Pipeline d'entraînement : Pré-entraînement → SFT → RL
FireRed 1.1 suit un processus d'entraînement complet en trois étapes :
- Pré-entraînement : Basé sur un corpus massif de 1,6 milliard d'échantillons, dont plus de 100 millions d'exemples de haute qualité.
- SFT (Supervised Fine-Tuning) : Ajustement précis ciblé sur les tâches d'édition.
- RL (Apprentissage par renforcement) : Utilisation du DPO avec optimisation par gradient asymétrique pour améliorer encore la qualité de l'édition.
Innovations techniques clés
| Technologie | Rôle | Effet |
|---|---|---|
| Perte de cohérence différentiable | Maintien de l'identité | Pas de déformation faciale |
| Alignement d'invites aléatoire | Compréhension des instructions | Exécution précise de descriptions complexes |
| Échantillonnage en bac à perception multi-conditions | Efficacité d'entraînement | Prise en charge du traitement par lots à résolution variable |
| DiffusionNFT | Édition de texte | Texte clair et net dans l'image |
| DPO à gradient asymétrique | Optimisation de la qualité | Alignement sur les préférences humaines |
💡 Perspective développeur : Les capacités d'édition de FireRed 1.1 peuvent être transférées vers n'importe quel modèle de base T2I. Il ne s'agit donc pas seulement d'un modèle d'édition, mais d'un véritable framework réutilisable.
Guide d'intégration de l'API FireRed Image Edit 1.1
Plateformes API actuellement disponibles
FireRed Image Edit 1.1 propose ses services API sur plusieurs plateformes tierces :
| Plateforme | Prix estimé | Points forts |
|---|---|---|
| Replicate | ~$0.036/appel | Facturation à l'utilisation, simple d'accès |
| fal.ai | Selon consommation | Déploiement Serverless, réponse rapide |
| WaveSpeedAI | Selon consommation | Spécialisé dans l'accélération des modèles d'image IA |
| HuggingFace Spaces | Essai gratuit | Démo en ligne, sans code |
Exigences pour un déploiement local
Si vous avez besoin de déployer FireRed 1.1 en local :
- VRAM requise : 30 Go de VRAM (A100 ou H100 recommandées)
- Vitesse d'inférence : env. 4,5 secondes par image
- Licence open source : Apache 2.0, utilisation commerciale autorisée
- Source du modèle : HuggingFace
FireRedTeam/FireRed-Image-Edit-1.1
Instructions d'accès via la plateforme APIYI
FireRed Image Edit 1.1 n'est pas encore disponible sur la plateforme APIYI, mais son évaluation technique et la préparation de son intégration sont en cours.
🔔 Avant-première : APIYI apiyi.com évalue actuellement l'intégration du modèle FireRed Image Edit 1.1. Si vous avez des besoins en API de traitement d'image, n'hésitez pas à contacter l'équipe APIYI pour suivre l'avancement et réserver vos tests. Une fois lancé sur la plateforme, vous pourrez l'invoquer via une interface API unifiée, sans avoir à gérer votre propre déploiement.
Cas d'usage de FireRed Image Edit 1.1
E-commerce et création de contenu
- Édition de photos produits : Changement d'arrière-plan, ajustement de l'éclairage, ajout de scènes.
- Essayage virtuel : Simulation de vêtements portés pour réduire les coûts de shooting.
- Couvertures de réseaux sociaux : Génération rapide d'images de couverture au style cohérent.
- Restauration de photos : Restauration d'anciennes photos et amélioration de la qualité.
Design et création
- Transfert de style : Transformation de photos en divers styles artistiques.
- Composition créative : Combinaison de plusieurs éléments pour générer des affiches créatives.
- Supports de marque : Traitement par lots d'images pour uniformiser l'identité visuelle de la marque.
Différences de positionnement par rapport aux autres modèles d'image
| Modèle | Positionnement | Avantages clés | Cas d'usage |
|---|---|---|---|
| FireRed Image Edit 1.1 | Édition d'image | Cohérence faciale, suivi d'instruction | Édition précise d'images existantes |
| Gemini Imagen 4 | Texte vers image | Génération haute qualité | Création d'images à partir de zéro |
| DALL-E 3 | Texte vers image | Rendu de texte | Génération d'images créatives |
| Stable Diffusion 3 | Texte vers image + édition | Écosystème open source | Personnalisation flexible |
La différence fondamentale de FireRed 1.1 réside dans le fait qu'il n'est pas destiné à générer de nouvelles images, mais à modifier précisément des images existantes. Cela lui confère un avantage unique pour l'e-commerce, la création de contenu et tout scénario nécessitant une post-production basée sur des matériaux réels.
🚀 Conseil d'utilisation : Si votre besoin est de "réaliser des modifications précises sur une image existante" (changer le fond, le style, ajouter des éléments, etc.), FireRed est actuellement la meilleure option open source. Si vous avez besoin de capacités de génération (texte vers image), vous pouvez utiliser les modèles Gemini Imagen, DALL-E, etc., via la plateforme APIYI apiyi.com, en les combinant selon vos besoins spécifiques.
FAQ
Q1 : FireRed Image Edit 1.1 est-il gratuit pour un usage commercial ?
Oui. FireRed Image Edit 1.1 est distribué sous licence open source Apache 2.0, ce qui permet son utilisation, sa modification et sa distribution libres, y compris à des fins commerciales. Vous pouvez télécharger les poids du modèle depuis HuggingFace pour un déploiement local, ou l'utiliser via des plateformes API tierces en payant à l'usage.
Q2 : Quelles sont les différences entre FireRed 1.1 et 1.0, et lequel choisir ?
Nous vous recommandons d'utiliser directement la version 1.1. Par rapport à la 1.0, la version 1.1 optimise considérablement la cohérence faciale, la fusion multi-éléments, le rendu des textes stylisés et les effets de maquillage. Il s'agit d'une mise à niveau globale sans aucun compromis. La version 1.1 atteint un score global de 7,94 sur GEdit, surpassant largement la version 1.0.
Q3 : Quel matériel est nécessaire pour un déploiement local ?
FireRed 1.1 nécessite au moins 30 Go de VRAM. L'utilisation d'une carte graphique NVIDIA A100 (40/80 Go) ou H100 est recommandée. Si vous ne disposez pas de ressources GPU suffisantes, nous vous conseillons d'utiliser l'API : une invocation du modèle coûte environ 0,036 $ sur Replicate. Par la suite, le modèle pourra également être appelé directement via la plateforme APIYI apiyi.com.
Q4 : Quand APIYI intégrera-t-il FireRed Image Edit ?
FireRed Image Edit 1.1 est actuellement en phase d'évaluation technique sur la plateforme APIYI. Si vous avez des besoins spécifiques en matière d'API pour la génération d'images ou l'édition, n'hésitez pas à contacter l'équipe APIYI sur apiyi.com ; vos retours nous aideront à accélérer le processus d'évaluation et d'intégration.
Conclusion
Les points clés de FireRed Image Edit 1.1 :
- SOTA Open Source : Score global GEdit de 7,94 et ImgEdit de 4,56, surpassant largement Qwen-Image-Edit-2511.
- Cohérence faciale avancée : Grâce à un mécanisme de perte de cohérence différentiable, l'édition de portraits ne provoque plus de "changement de visage".
- Support natif du chinois : Développé par l'équipe de Xiaohongshu, le modèle excelle avec des instructions aussi bien en chinois qu'en anglais.
- Open source et commercialisable : Licence Apache 2.0, disponible en téléchargement direct sur HuggingFace.
- Inférence efficace : Déploiement possible avec 30 Go de VRAM pour une vitesse de génération de 4,5 secondes par image.
Pour les développeurs et les entreprises ayant besoin de capacités d'édition d'image précises, FireRed 1.1 représente actuellement le meilleur choix dans le paysage open source.
APIYI apiyi.com évalue activement l'intégration de FireRed Image Edit 1.1. Les utilisateurs intéressés sont invités à nous contacter dès maintenant. La plateforme prend déjà en charge l'invocation du modèle unifiée pour Gemini, Claude, GPT, etc., et l'ajout de modèles de génération d'images viendra compléter notre matrice API multimodale.
📚 Références
-
Dépôt GitHub FireRed-Image-Edit : Code source officiel et documentation
- Lien :
github.com/FireRedTeam/FireRed-Image-Edit - Description : Inclut le code source complet, les liens de téléchargement des poids du modèle et des exemples d'utilisation.
- Lien :
-
FireRed-Image-Edit 1.1 sur HuggingFace : Téléchargement des poids du modèle
- Lien :
huggingface.co/FireRedTeam/FireRed-Image-Edit-1.1 - Description : Permet de télécharger directement les poids du modèle pour un déploiement local.
- Lien :
-
Rapport technique FireRed-Image-Edit 1.0 : Article académique
- Lien :
arxiv.org/abs/2602.13344 - Description : Explication détaillée de la conception de l'architecture et des méthodes d'entraînement.
- Lien :
-
Benchmark REDEdit-Bench : Méthodologie d'évaluation
- Lien :
github.com/FireRedTeam/FireRed-Image-Edit - Description : Standard d'évaluation comprenant 15 catégories et 1 673 paires d'édition bilingues.
- Lien :
Auteur : Équipe technique APIYI
Échanges techniques : N'hésitez pas à partager votre expérience en matière d'édition d'images par IA dans les commentaires. Pour plus d'informations sur les modèles d'IA, consultez le centre de documentation APIYI sur docs.apiyi.com.
