Un exemple concret, avec ses fichiers
Lire les paramètres AUTOMATIC1111 d’un PNG
Un PNG original peut conserver son prompt et ses réglages de génération dans un enregistrement parameters. Ouvrez le fichier dans l’extracteur de prompts enregistrés pour copier le texte et consulter les champs réellement présents dans cette copie.
Suivez les étapes
- Téléchargez l’exemple parameters ci-dessous, ou choisissez un PNG original que vous êtes autorisé à inspecter.
- Ouvrez l’extracteur de prompts enregistrés et sélectionnez le fichier. Lisez d’abord le prompt positif, puis ouvrez les détails enregistrés.
- Comparez le prompt négatif, le modèle indiqué et les réglages de génération. Téléchargez le résultat JSON pour conserver les valeurs ensemble.
Ce que montre l’exemple
Nous avons ajouté un enregistrement parameters connu à une image dessinée par du code. Le prompt positif attendu commence par « Controlled example: a paper boat ». Le prompt négatif est « text, blur ». La graine 42, les 20 étapes et l’échelle CFG 7 sont des valeurs enregistrées, pas des réglages déduits de l’image.
Le nom du modèle sert uniquement à la démonstration. Ces pixels n’ont pas été générés par ce modèle. Ce fichier de test permet de vérifier si un autre lecteur renvoie les mêmes valeurs enregistrées.
Utilisez le fichier original
AUTOMATIC1111 documente les informations de génération PNG et la fonction PNG Info. Dans isGenAI, choisissez le fichier téléchargé lui-même. Copier un aperçu dans une autre application peut produire un fichier différent, même si son apparence reste identique.
Si le lecteur ne trouve aucun enregistrement pris en charge, essayez l’export original. Répéter la même vérification ne reconstitue pas des données absentes de cette copie.
Que conserver avec le résultat ?
Conservez le fichier, sa source et le JSON extrait. Le nom de modèle enregistré est une étiquette : il ne fournit pas les poids du modèle et ne vérifie pas comment les pixels ont été créés. Pour un document de provenance signé, utilisez le vérificateur Content Credentials distinct.
Télécharger · Exécuter · Comparer
Essayez l’exemple vérifié
Nous avons dessiné l’image par du code et ajouté des enregistrements contrôlés. Les prompts et noms de modèles sauvegardés sont des données de démonstration. Ces fichiers testent la lecture des enregistrements ; aucun générateur d’images, logiciel de capture d’écran ou réseau social n’a servi à produire ces résultats.
Résultat observé
{
"format": "automatic1111",
"prompt": "Controlled example: a paper boat on a blue table",
"negative_prompt": "text, blur",
"recorded_model": "demonstration-only",
"settings": {
"seed": "42",
"steps": 20,
"sampler": "Euler",
"cfg_scale": 7,
"width": 1024,
"height": 768
}
}Les graines sont des chaînes de caractères dans le JSON afin de préserver la précision des grands entiers. Un résultat null signifie ici qu’aucun prompt enregistré pris en charge n’a été renvoyé.
Empreintes et reproduction
- parameters-tEXt.png · 13 371 octets
e76d2af4e6c273e1ba8ca6cf2b5b7885ceda2321bce893f0bb5f9e64ace17c9f
Les fichiers de test et les observations sont sous CC0-1.0. Télécharger toutes les observations et versions ou lire la procédure. Le script complet de reproduction Node.js (nécessite sharp) crée les mêmes entrées de test et compare les octets et les pixels. Le code source isGenAI vérifie aussi les champs enregistrés avec npx tsx scripts/build-guide-lab.ts.
Pour l’étude distincte des exports, explorez les 18 cas de conservation des métadonnées.
Sources et méthode
Les sources primaires indiquées décrivent les formats. Les résultats des fichiers de test téléchargeables ont été vérifiés par des assertions automatisées avec le lecteur isGenAI actuel. Ces guides ont été préparés avec l’aide de l’IA et vérifiés à partir de ces exemples.
Signaler une erreur ou un exemple non pris en charge. Pour un enregistrement signé, inspectez les Content Credentials.