Guide Magnific AI : Creative vs Precision, API

Un brouillon 900px qui doit être une couverture nette de 1920px est le déclencheur habituel pour recourir à Magnific. L’outil est un agrandisseur d’IA avec deux modes distincts : un qui invente des détails plausibles, et un qui met à l’échelle fidèlement sans toucher au contenu. Confondre les deux est la façon dont une photo de signature obtient une dent supplémentaire ou la ligne de commande d’une capture d’écran se transforme en soupe.

Creative vs. Precision : choisissez d’abord le mode

La propre documentation de Magnific divise l’agrandisseur en deux moteurs avec des philosophies opposées, et cette division importe plus que n’importe quel curseur unique. Le mode Creative réimagine les textures et ajoute des détails qui n’ont peut-être jamais existé dans la source — des résultats qui vont au-delà de l’interpolation. Le mode Precision améliore la résolution et la netteté sans interprétation créative. Creative plafonne à 4x d’échelle / 4096px ; Precision va jusqu’à 16x / 16384px.

Décidez avant de toucher à un curseur :

• Photo de produit, portrait, capture d’écran ou n’importe quoi avec du texte, un logo ou un visage connu qui doit rester exact → Precision.
• Art d’IA basse résolution, une illustration ou une photo où la texture inventée est un gain → Creative.

Dans Spaces (le constructeur basé sur des nœuds de Magnific), ajoutez un nœud Image Upscaler, connectez une image et choisissez le mode. La carte affiche alors l’échelle (2x, 4x, 8x ou 16x selon le mode) et, pour Creative uniquement, un prompt optionnel décrivant l’image.

Les commandes du mode Creative

• Models : Magnific (plus de détails riches, sortie plus grande), Classic (plus rapide, axé sur les présets) ou Automatic.
• Engines : Illusio (illustrations, art de bande dessinée, flair artistique), Sharpy (arêtes vives, clarté maximale), Sparkle (photographies, amélioration naturelle), Automatic (analyse l’image et choisit pour vous).
• Presets : Subtle (changement minimal, reste proche de la source), Vivid (amélioration équilibrée), Wild (reconstruit les détails manquants, ajoute une interprétation), Custom (curseurs manuels).
• Curseurs, -10 à +10 : Creativity — négatif est conservateur, positif est imaginatif. Resemblance — négatif donne la liberté au modèle, positif le garde fidèle. HDR — les valeurs plus élevées donnent une plage tonale plus dramatique. Fractality — densité de détails de type fractal ajoutés par zone.
• Optimized For : un sélecteur de 13 catégories — Standard Ultra, Portrait Soft, Portrait Hard, Landscape, Photography, Sci-Fi, 3D Renders, Video Games, Films, Illustrations, Art, Horror, Anime — qui oriente l’amélioration vers ce que contient l’image.
• Prompt : une courte description facile. Un passage rapide par la ChatGPT prompting cheat sheet aide ici — décrivez ce qui se trouve littéralement dans le cadre, pas un brief de style.

Les commandes du mode Precision

Precision échange tout ce qui précède pour trois curseurs numériques, 0–100 : Sharpness (amélioration des bords), Grain (augmentez pour ajouter du grain de film, diminuez pour le réduire), Ultra Detail (niveau de détails fins). Il offre également quatre modèles — Ultra Sublime (fidélité produit/archivistique), Ultra Photo (portraits, peau), Ultra Denoiser (sources bruyantes ou faible luminosité), Ultra (polyvalent, plus rapide) — et trois présets : Balanced, Portraits, Grainy Analog. Il n’y a pas de champ de prompt, car tout le point du mode est de ne pas réinterpréter le contenu.

Un workflow reproductible pour les couvertures, les miniatures et les photos de produits

1. Décidez le mode d’abord, en utilisant la règle ci-dessus. Une couverture générée par un modèle d’image à 1K n’a généralement pas de vrai texte encore, donc Creative est bien. Une miniature qui a déjà un visage et une manchette gravés devrait passer par Precision, ou obtenir son texte ajouté après un passage Creative.
2. Sourcez la plus haute résolution que vous pouvez raisonnablement. L’agrandissement récupère la netteté et ajoute des détails plausibles ; il ne récupère pas les informations qui n’ont jamais été capturées.
3. Commencez sur un preset, pas sur les curseurs bruts. Subtle pour n’importe quel sujet reconnaissable, Wild uniquement pour la texture pure ou l’art. Passez à Custom une fois que vous savez dans quelle direction pousser.
4. Pour les visages, les logos ou n’importe quel sujet qui doit rester exact : Creativity négative, Resemblance positive, HDR et Fractality modestes. Les documents décrivent ceux-ci comme les extrémités exactement opposées du même compromis, donc pousser les deux vers « fidèle » est un choix délibéré et documenté, pas une devinette.
5. Ajoutez le texte, les sous-titres et les filigranes en dernier, dans votre outil de conception, après l’agrandissement. Le type gravé est traité comme des pixels bruts par le moteur Creative, comme tout le reste.
6. Vérifiez les visages et n’importe quel texte lisible à 100% de zoom avant d’expédier. Un aperçu à taille miniature cache exactement les artefacts qui importent à taille réelle.

Pour une série vidéo, cela s’intègre juste après que vous ayez exporté une image d’un clip avatar construit avec le workflow du HeyGen avatar video guide — l’image n’est qu’une autre image source pour un passage d’agrandissement avant qu’elle ne s’expédie à une plateforme vidéo.

Quand ne pas utiliser Magnific

Ignorez l’agrandisseur, ou du moins ignorez le mode Creative, pour :

• Captures d’écran riches en texte. La sortie de terminal, le code et le chrome UI ont des caractères exactes qu’un modèle d’IA n’a aucune raison de préserver précisément ; même Precision peut ramollir les traits minces de monospace à grande échelle.
• Diagrammes et graphiques. Les lignes, les étiquettes et les flèches sont des informations, pas des textures. Un modèle construit pour ajouter des détails plausibles peut transformer une flèche en quelque chose qui semble bien et est faux.
• N’importe quoi qu’un lecteur doit faire confiance pixel pour pixel, comme une capture d’écran du tableau de bord utilisée comme preuve. Ne passez pas une preuve par un passage génératif.

Si un pipeline doit choisir un mode par image automatiquement, c’est une instruction if — cette image contient-elle du vrai texte ou un visage connu, oui ou non — le genre de petit choix de logique couvert conceptuellement dans what is agentic AI.

Scriptable : l’API et une alternative open-source

Les deux endpoints se trouvent sous api.magnific.com, authentifiés avec x-magnific-api-key :

curl -X POST "https://api.magnific.com/v1/ai/image-upscaler" \
  --header 'Content-Type: application/json' \
  --header 'x-magnific-api-key: <your-key>' \
  --data '{
    "image": "<base64-encoded-image>",
    "scale_factor": "4x",
    "optimized_for": "films_n_photography",
    "creativity": -3,
    "hdr": 2,
    "resemblance": 3,
    "fractality": 3,
    "engine": "magnific_sparkle"
  }'

C’est Creative, correspondant aux noms de curseurs ci-dessus plus scale_factor, optimized_for et engine. L’endpoint Precision, /v1/ai/image-upscaler-precision, est un appel séparé avec sharpen, smart_grain et ultra_detail (0–100, défauts 50 / 7 / 30) et un booléen filter_nsfw. Sa réponse documentée retourne un task_id et un status (CREATED dans l’exemple) — c’est asynchrone, donc interrogez avec l’ID de tâche ou définissez webhook_url à la place.

Si vous préférez ne pas dépendre d’une API externe, Real-ESRGAN est une option open-source vérifiable. Le repo GitHub maintenu (xinntao/Real-ESRGAN) expédie inference_realesrgan.py :

python inference_realesrgan.py -n RealESRGAN_x4plus -i input.jpg -o results --face_enhance

-n sélectionne le modèle (RealESRGAN_x4plus est le défaut polyvalent), -o définit le dossier de sortie, --tile 400 divise les grandes images en chunks pour éviter les erreurs GPU de mémoire épuisée, et --face_enhance exécute GFPGAN sur les visages détectés. Un build NCNN portable (realesrgan-ncnn-vulkan) n’a besoin d’aucune installation CUDA ou PyTorch et prend les mêmes drapeaux -n/-s/-t depuis la ligne de commande — un chemin pratique pour une box CI sans environnement Python. Aucune dépendance cloud, aucun coût par image au-delà de votre propre calcul, au prix d’exécuter l’inférence vous-même.

Pièges

• Traitement par lots d’un catalogue de produits par Creative « parce que ça semblait bien sur une image de test ». La valeur de Creative est de réimaginer les détails ; à grande échelle, cela signifie une interprétation légèrement différente par photo, qui se lit comme une incohérence sur une ligne de produits. Utilisez Precision pour n’importe quoi qui doit ressembler à la même ligne de produits.
• Augmenter Fractality et HDR ensemble sur un visage. Les deux ajoutent de la densité et du punch tonal ; empilés sur un portrait, ils produisent l’apparence sur-affûtée et légèrement étrange que les gens appellent « peau d’IA ».
• Traiter le champ de prompt comme optionnel. Une description facile d’une ligne améliore mesurément la sélection de moteur de Creative — c’est un indice, pas une décoration.
• Oublier que Precision n’a pas de champ de prompt. Si un pipeline envoie toujours une chaîne de prompt, assurez-vous qu’elle est supprimée, pas silencieusement ignorée avec une erreur, sur les appels Precision.
• Supposant que la réponse Precision est synchrone. La forme documentée est task_id + status ; le code qui s’attend à une image en retour dans la même réponse cassera la première fois qu’un travail prend plus de temps que d’habitude.
• Agrandir une capture d’écran ou un diagramme sans décider le mode d’abord. C’est le moyen unique le plus courant qu’une photo de couverture nette s’expédie avec une ligne de commande fondue.

FAQ

Que fait réellement l’agrandisseur Magnific AI à une image ?

Il fait plus que redimensionner. En mode Creative, il est alimenté par le modèle propre de Magnific et peut réimaginer la texture et ajouter des détails qui n’ont jamais été dans les pixels source. En mode Precision, il est alimenté par Clarity et met à l’échelle fidèlement sans réinterpréter le contenu, selon la propre documentation des modèles d’image de Magnific.

Quelle est la différence entre les modes d’agrandissement Creative et Precision de Magnific ?

Creative plafonne à 4x (4096px), supporte un prompt textuel et utilise des moteurs d’IA nommés Illusio, Sharpy et Sparkle pour ajouter des détails génératifs. Precision plafonne à 16x (16384px), n’a pas de champ de prompt et utilise quatre modèles axés sur la fidélité (Ultra Sublime, Ultra Photo, Ultra Denoiser, Ultra). Choisissez Precision quand vous ne pouvez pas vous permettre des détails inventés.

Quels paramètres Magnific gardent les visages et le texte sur l’image sans distorsion ?

En mode Creative, poussez Creativity vers négatif, poussez Resemblance vers positif et gardez Fractality et HDR modestes ; la documentation officielle dit que la Creativity négative signifie une sortie conservatrice et la Resemblance positive signifie plus proche de l’original. Pour n’importe quoi avec de vraies paroles gravées dans l’image, utilisez plutôt le mode Precision, car il ne réinterprète pas le contenu.

Magnific a-t-il une API pour agrandir les images par programme ?

Oui. Le endpoint Creative est un POST vers https://api.magnific.com/v1/ai/image-upscaler avec un en-tête x-magnific-api-key et des champs incluant image, scale_factor, creativity, hdr, resemblance, fractality et engine. Un endpoint Precision séparé, /v1/ai/image-upscaler-precision, prend sharpen, smart_grain, ultra_detail et filter_nsfw, et retourne un task_id et un statut pour l’interrogation asynchrone.

Quelle est une alternative open-source à Magnific pour l’agrandissement scriptable ?

Real-ESRGAN (xinntao/Real-ESRGAN sur GitHub) est une option auto-hébergée maintenue. Le script Python inference_realesrgan.py prend -n pour le nom du modèle (RealESRGAN_x4plus est le défaut polyvalent), -s/–outscale pour l’échelle cible, –tile pour éviter les erreurs de mémoire épuisée, et –face_enhance pour exécuter GFPGAN sur les visages. Un build NCNN portable n’a besoin d’aucune installation CUDA ou PyTorch.