Créer un avatar IA monétisable : le workflow complet de A à Z

"This face is the face of your entire account. Take your time, because everything else is built around it.", @51bodila

Nano Banano 2 Pro est l'outil recommandé pour cette étape. Un seul prompt suffit à générer un visage indiscernable d'une vraie photo.

Génère plusieurs variations. Tu reconnaîtras le bon visage quand tu le vois, c'est subjectif, mais c'est important. Ce visage va porter tout ton compte, prends le temps qu'il faut.

Un seul visage de face ne suffit pas. Sans références multi-angles, le personnage dérive visuellement d'une image à l'autre.

"People will subconsciously sense that something is off, and your conversion rate will drop.", @51bodila

Upload l'image choisie dans Nano Banano et demande des variations : angles différents, expressions, poses. Tu obtiens une bibliothèque d'assets cohérents dès le départ.

Cette étape conditionne la stabilité du LoRA que tu vas entraîner ensuite.

Le dataset est structuré en trois dossiers distincts :

dataset/
├── face/          # 30+ images du visage seul
├── body/          # 30+ images du corps seul
└── face_body/     # 30+ images combinées

Pour les images de corps, va sur Pinterest et télécharge 30 à 40 références : poses variées, angles différents, éclairages distincts, styles mixés. Plus les références sont diversifiées, plus le modèle sera polyvalent.

Chaque image doit avoir un fichier .txt associé avec le même nom. Le format de labelling :

trigger_word, [description courte en tags séparés par des virgules]

Exemple concret :

mymodel, woman, standing, outdoor, natural light, casual outfit, front view

Le trigger word (ici mymodel) est le nom que tu appelleras dans tes prompts plus tard. Sois cohérent sur toutes les images.

{% callout type="warning" title="Dataset mal labelisé" %}

"If the dataset is messy, poorly labeled, or too repetitive, the model will 'drift': the face will change from image to image.", @51bodila

Minimum 30 images par dossier. En dessous, le LoRA ne généralise pas correctement et le visage se dégrade à chaque nouvelle génération. {% /callout %}

Deux options selon ton infrastructure :

Option 1, ComfyUI en local ComfyUI avec un pipeline FLUX. Tu connectes ton dataset, tu configures les chemins et les paramètres d'entraînement, tu lances.

Option 2, RunComfy (cloud, sans GPU) RunComfy exécute les mêmes workflows ComfyUI dans le cloud. Pratique si tu n'as pas de GPU dédié.

Le résultat de cette étape : un fichier .safetensors que tu vas connecter à ton workflow de génération. Le modèle a appris à reconnaître ton personnage via le trigger word.

Une fois le LoRA connecté à ton workflow ComfyUI, tu écris des prompts qui incluent ton trigger word. Le système génère des images de ton personnage dans n'importe quel décor ou pose.

Les images brutes sortent souvent avec des détails un peu "AI-like" : peau trop lisse, manque de netteté. Passe-les dans un upscaler IA avant de publier. Nano Banano propose un upscaler intégré, letsenhance.io fonctionne aussi.

"The better the dataset, the more consistent the character will be in new locations, poses, and styles.", @51bodila