Prompts de lumière pour Gemini Omni 1.1 Flash : nommez la source, pas le chiffre

Nous avons écrit une seule instruction de lumière dans un prompt Gemini Omni 1.1 Flash, puis nous avons mesuré ce qui revenait plutôt que de plisser les yeux. La moitié de l'instruction est arrivée intacte. L'autre moitié — celle que la plupart des gens croient facile — non.

Le prompt nommait une fenêtre exposée à l'ouest comme lumière principale, une lampe de table au tungstène comme seconde source plus chaude un diaph en dessous, de la poussière tournant dans le faisceau, et une pellicule dont les hautes lumières s'éteignent en douceur. Huit secondes en 720p, $0.72, 270 secondes de rendu.

Les deux luminaires sont arrivés. La lampe se lit plus chaude que la lumière du jour dans toutes les images où les deux sont visibles — un rapport rouge/bleu de 3.02 contre 1.49 à deux secondes et demie — et la poussière tourne dans le faisceau sur les quatre images échantillonnées. Ce qui n'est pas arrivé, c'est la quantité qui y était attachée. Nous avions demandé la lampe un diaph sous la fenêtre ; l'écart que nous mesurons oscille, au fil du clip, de 1.47 diaph en dessous à un demi-diaph au-dessus. C'est la thèse de ce billet : Omni prend livraison des sources lumineuses que vous pouvez désigner, et laisse discrètement tomber les nombres qui y sont attachés.

La documentation de Google se contredit, utilement

La référence de prompt Veo, qui porte le vocabulaire partagé par Omni, définit l'ambiance comme « How the color and light contribute to the scene, such as blue tones, night, or warm tones. » En ne lisant que ce tableau d'éléments, vous conclurez que « warm tones » est ce à quoi ressemble une instruction de lumière.

Lisez maintenant les prompts d'exemple. L'exemple de scène unique sur la page Omni se termine par « Sunbeams illuminate dust motes in the air. » — une source, une direction et un médium visible en huit mots. Le guide de prompting Veo 3.1 de Google va plus loin : une scène de bureau est « lit by the harsh fluorescent overhead lights and the green glow of the monochrome monitor » avec une « Retro aesthetic, shot as if on 1980s color film, slightly grainy. »

Deux luminaires avec une couleur et une qualité déclarées, plus une époque. Pas de key, pas de fill, pas de rapport, pas de kelvins — cela décrit une pièce dans laquelle on pourrait entrer. Cet écart entre les tableaux et les exemples est ce qu'il y a de plus actionnable dans la doc : écrivez comme les exemples.

Les sources physiques battent le jargon d'éclairage

L'instinct de quiconque a de la bouteille sur un plateau, ce sont les termes de département — key à gauche caméra, fill deux diaphs en dessous, contre derrière. Voici cet instinct écrit noir sur blanc, à côté de la réécriture que nous avons réellement rendue. Seule la seconde a été générée ; la première montre la forme, pas un résultat mesuré.

Cinematic shot of a wooden chair in an empty apartment. Beautiful dramatic
lighting with a strong key light from camera left and soft fill from the
right, plus a rim light separating the subject from the background. Moody
atmosphere, golden hour vibes, professional color grading, high dynamic
range, rich shadows, warm cinematic tones, film look, shot on a cinema
camera, high contrast, 8k, masterpiece quality. Beautiful and atmospheric
throughout.

Rien là-dedans ne dit au modèle où se trouve quoi que ce soit. Il ne simule pas des luminaires : il prédit à quoi ressemble une image décrite ainsi, et « key, fill, rim » convient à presque toutes les images jamais tournées professionnellement, la formule ne dit donc rien sur celle-ci.

La version que nous avons lancée, huit secondes en 720p :

Late golden hour inside a nearly empty apartment. 35mm lens at f/2.8,
camera on a slow arcing dolly drifting left around a wooden chair. Low sun
through a west-facing window throws a long parallelogram of warm orange
light across a bare floor, dust suspended and turning through the beam. A
practical table lamp with a tungsten bulb glows in the shadowed half of the
room, a full stop under the window and noticeably warmer. As the camera
arcs, the window light rakes across the chair's back and the cool shadow
side of the room enters frame, so warm and cool sit inside the same shot.
Kodak Vision3 250D character: soft highlight roll-off, gentle halation
around the window. Ambient: distant traffic, no music.

Chaque proposition de lumière y nomme quelque chose de présent dans la pièce : une fenêtre avec une orientation, la forme que sa lumière dessine sur le sol, des particules dans le faisceau, une lampe avec un type d'ampoule. Le modèle a vu des millions d'images de soleil bas à travers une fenêtre et très peu légendées « rim light at 45 degrees ».

Ce que les mesures ont montré

Nous avons extrait quatre images — 0.5, 2.5, 5.0 et 7.5 secondes, soit à 24 fps les images 12, 60, 120 et 180 — et échantillonné dans chacune un rectangle par surface. La chaleur est le rapport rouge/bleu de la couleur moyenne d'une région, sur les valeurs 8 bits telles que livrées. Les écarts en diaphs sont le logarithme base 2 du rapport de luminance Rec.709 calculé sur du sRGB linéarisé, la fonction de transfert défaite au préalable. La saturation est la part des pixels d'une région collés au sommet d'un canal.

Comme la caméra décrit un arc, une région doit suivre une surface nommée plutôt qu'une position fixe à l'écran : les rectangles valent donc d'être publiés — sous la forme (x0, y0)–(x1, y1) dans l'image de 1280 par 720, les voici :

Les images sortent avec ffmpeg -i golden-hour-interior.mp4 -vf "select=eq(n\,12)" -vsync 0 -frames:v 1 frame.png. Chaque nombre ci-dessous est imprimé par un unique script, exécuté sur le fichier même qui est lié plus haut.

L'ordre des chaleurs a tenu. Partout où les deux sont dans le cadre, la lampe tungstène se lit plus chaude que la lumière du jour — 3.02 contre 1.49, puis 2.55 contre 1.72, puis 2.30 contre 1.94. Nous avons demandé « noticeably warmer » et l'avons obtenu à chaque fois. L'écart se resserre au fil du clip, mais il ne se referme jamais.

Le chaud et le froid ont bien fini dans une même image — l'objet de l'instruction. À 7.5 secondes, une seule image porte trois séparations : mur du fond 1.52, sol ensoleillé 1.94, lampe 2.30. Deux luminaires nommés ont produit l'écart tout seuls.

La mise en place, en revanche, nous ne pouvons pas la créditer. Le prompt demandait que le côté froid entre pendant l'arc de caméra, et le mur finit bien plus froid qu'il n'a commencé — 2.15 à deux secondes et demie contre 1.52 à sept et demie. Mais il n'y arrive pas proprement, relevant 1.96 entre les deux, et ce ne sont pas les mêmes murs : l'arc déplace le cadre, les échantillons précoces se trouvent donc dans la portée de la lampe et les tardifs à l'écart. La distance à un luminaire chaud explique ce flottement aussi bien que l'obéissance, et quatre images ne peuvent pas les départager.

L'amplitude a échoué, et a dérivé. Nous avons demandé la lampe « a full stop under the window ». En mesurant le sol éclairé par la lumière du jour contre la zone d'ombre de la lampe elle-même, l'écart passe par 1.47 diaph à deux secondes et demie, 0.64 à cinq et −0.47 à sept et demie — à la fin, la lampe se lit plus lumineuse que la lumière du soleil sous laquelle on lui avait demandé de se tenir. Jamais le diaph unique demandé, et même pas une erreur stable.

La fenêtre, nous nous attendions à ce qu'elle crame. Ce n'est pas le cas. Sur l'image d'ouverture, la vitre paraît écrêtée et ne l'est pas : le rouge atteint 255 sur 0.81 pour cent de ses pixels, le vert sur 0.03, et le bleu n'y arrive jamais — sur toute l'image, le bleu plafonne à 249. Les valeurs se pressent plutôt dans les tout derniers codes, le rouge de la vitre relevant 249 à la médiane et 254 au 99e centile, et le verre garde une légère dominante chaude, à un rouge/bleu de 1.11, au lieu de virer au blanc. C'est exactement à cela que ressemble une épaule douce. Ce que nous ne pouvons pas dire, c'est que nous en soyons la cause : une scène qui n'atteint jamais le plafond a la même allure vue de l'extérieur, et nous n'avons aucune version de ce plan rendue sans la clause de pellicule à laquelle la comparer.

Triez tout cela par type d'instruction et le motif saute aux yeux : les choses physiques et nommables sont arrivées, l'amplitude chiffrée non, et le langage d'étalonnage, nous ne pouvons le trancher ni dans un sens ni dans l'autre sans un rendu de contrôle.

Les sources pratiques tiennent un plan en mouvement

L'astuce la plus utile que nous ayons trouvée consiste à mettre un luminaire visible dans le cadre. Une source pratique — lampe, moniteur, bougie, enseigne au néon — donne au modèle quelque chose de fixe sur quoi être cohérent, et la cohérence se dégrade en premier. La caméra décrit son arc vers la gauche comme demandé ; la lampe est hors champ à une demi-seconde, au bord droit à deux secondes et demie, et entièrement visible sur la seconde moitié. Dans les deux images où elle se tient à l'écart du bord, elle garde son coin, sa place contre la plinthe et la flaque qu'elle projette sur le mur. Le fait d'être dans le cadre la stabilise.

Une lumière décrite seulement comme une qualité — « moody », « dramatic », « low-key » — ne donne au modèle rien à maintenir vrai, elle dérive donc, et le plus vite quand la caméra bouge. Si votre plan comporte le moindre mouvement, mettez-y une lumière.

L'heure du jour bat n'importe quel adjectif

« Golden hour » travaille plus que « cinematic », « moody » et « dramatic » réunis, parce que cela fixe trois variables d'un coup : la hauteur du soleil, sa couleur, et la longueur et la douceur de chaque ombre. Personne ne dit au modèle que les ombres sont longues : elles suivent. Le reste de la journée mérite d'être choisi avec la même intention :

• L'heure bleue — pas d'ombres dures, une dominante froide, et les sources pratiques dominent parce qu'elles surpassent le ciel. Le moyen le moins cher de rendre les luminaires d'intérieur importants.
• Midi au zénith — ombres courtes et dures droit vers le bas, contraste élevé, peu flatteur et utile pour cela même.
• La nuit — aucune key à moins que vous n'en fournissiez une. Nommez les luminaires, car « night » seul laisse le modèle inventer une source de clair de lune qu'il ne conservera pas.

Spécifiez aussi la direction physiquement : « backlit by a streetlamp behind her » donne un contre et une longue ombre vers la caméra, alors que « backlight » seul donne ce qui passe par la tête du modèle.

Pellicules et langage de LUT : une partie passe

La réponse honnête ici est : partiellement. Le langage d'époque et de pellicule est une pratique documentée, pas du folklore — Google écrit « shot as if on 1980s color film, slightly grainy » dans son propre exemple, et liste des mots-clés de style filmique comme film noir parmi les éléments de style, comme le couvre notre guide de prompting antérieur.

Ce que notre clip étaye est plus étroit. Nous avons demandé « Kodak Vision3 250D character: soft highlight roll-off, gentle halation around the window. » Quelque chose de l'ordre du bloom est apparu — une lueur autour de la fenêtre, un artefact de flare en bas de l'image d'ouverture — même si l'appeler halation relève de notre lecture et non d'une mesure. L'extinction demandée dans la même phrase est bien là dans les chiffres : les hautes lumières se compriment vers le plafond sans le traverser. Mais un rendu unique ne peut pas nous dire si c'est le nom de la pellicule, la description simple, ou ni l'un ni l'autre, qui a fait le travail — une fenêtre non écrêtée, c'est aussi tout simplement l'allure de cette scène. Nous n'avons pas mené la version contrôlée de ce test.

Notre règle empirique de travail :

• Les propriétés visibles passent. Grain, halation, bloom, noirs bouchés ou déboîtés, contraste faible ou élevé, monochrome, vignettage marqué — chacune nomme quelque chose que vous pourriez désigner du doigt sur une image fixe.
• Les relations de couleur passent le plus souvent. « Teal shadows and orange skin » décrit deux choses mesurables ; « teal and orange » seul est une mode d'étalonnage et se fait traiter comme telle.
• Les looks nommés sans être décrits sont peu fiables. « Cinematic », « film look » et « professional color grading » ne restreignent rien. « Bleach bypass » est entre les deux : cela nomme un procédé réel, et le prompt le plus sûr est ce qu'il fait — contraste très élevé, couleur désaturée, argent conservé dans les noirs.
• « Low contrast log », nous l'éviterions. Le log est une courbe d'acquisition destinée à être étalonnée après coup, et il n'y a pas d'étape de post à l'intérieur du modèle. Vous obtenez une image plate et laiteuse, sans retour possible.

L'atmosphère est du détail gratuit jusqu'à devenir du bruit

Les particules en suspension sont le réalisme le moins cher du vocabulaire de lumière, parce qu'elles rendent la lumière elle-même visible. Nous avons demandé « dust suspended and turning through the beam » et les poussières sont là sur les quatre images échantillonnées — le même effet que Google recherche avec « Sunbeams illuminate dust motes in the air. » Brume, brouillard, fumée et vapeur fonctionnent pareil, transformant une source en un volume doté d'une forme et d'une décroissance.

Le mode d'échec est l'empilement. Brouillard plus rayons crépusculaires plus flare plus bokeh plus poussière donne une image où l'atmosphère a mangé le sujet, sans moyen pour le modèle de savoir lequel des cinq comptait. Un élément atmosphérique par plan, au service de la source que vous avez nommée. Ne demandez un flare que si vous voulez que le public remarque la caméra — il arrive de toute façon sans invitation dès qu'un objectif pointe vers un soleil bas, comme dans le nôtre.

La limite honnête : vous ne pouvez rien atténuer

Le langage du prompt est presque le seul levier, et la référence Omni de Google est explicite : « System instructions, temperature, top_p, stop sequences, and negative prompts are not supported. » Pas d'échelle de guidage, pas de valeur d'intensité attachée à un style. Si un étalonnage revient dix pour cent trop chaud, il n'y a pas dix pour cent à retirer — vous réécrivez la phrase, et le reste de l'image change avec elle.

La deuxième limite est la répétabilité. Le même prompt de lumière ne rend pas deux fois la même lumière ; le déterminisme ne vient que du seed. Notez-le à côté de tout look qui mérite d'être gardé, et attendez-vous à ce qu'un seul mot changé vous renvoie en terrain inconnu.

La troisième est la post-production. Les prompts d'édition existent — Google propose « Change the lighting to be more dramatic » — mais cela régénère le plan au lieu de le corriger en couleur, et la fiche modèle de Google avertit que « Maintaining complete consistency throughout edits » reste un défi. Étalonnez le fichier livré dans votre logiciel de montage. Chaque image porte en outre un filigrane SynthID que personne ne peut couper.

Ce que coûte l'itération sur la lumière

La lumière est la partie d'un prompt que vous réécrivez le plus, parce qu'il n'y a rien à ajuster finement. Ce qui compte, c'est donc le coût de l'erreur, et les fournisseurs divergent le plus en 4K, où Gemini Omni 1.1 Flash est à $0.18 la seconde sur E2X contre $0.3041 en appelant Google directement — environ quarante et un pour cent de moins, notre plus grand écart sur tous les paliers. Au-dessus de nous : WaveSpeed à $0.39 la seconde, Runware à $0.32 et fal à $0.30. Replicate reste hors comparaison — sa fiche n'attache aucun tarif à la seconde au modèle. Une livraison de huit secondes en 4K coûte $1.44 ici et $2.43 chez Google ; dix secondes, $1.80 contre $3.04.

L'écart est en réalité une différence de multiplicateurs par rapport au tarif 720p de chaque échelle. Les deux partent un tiers en dessous et les deux ajoutent la moitié en 1080p ; la séparation arrive au dernier barreau, où le multiplicateur de Google est de trois et le nôtre de deux. La comparaison complète des fournisseurs est traitée à part.

Le flux de travail en découle. Explorez en 360p, où une prise de quatre secondes vaut douze cents et où vous pouvez encore juger la position des sources, la direction des ombres, la séparation chaud-froid et le fait que la source pratique soit restée en place. Puis engagez-vous une fois : dix passes en 360p plus un master de huit secondes en 4K font $2.63, contre $8.64 pour les mêmes onze travaux en 4K. Ce que le 360p ne peut pas montrer, c'est la texture fine — grain, bloom, extinction — testez donc la moitié « pellicule » d'un prompt en 720p, comme nous l'avons fait.

Prix vérifiés le 29 août 2026 et susceptibles de changer ; vérifiez les tarifs en vigueur de chaque fournisseur avant toute décision d'achat. Une comparaison cadrée, pas une prétention à être le moins cher dans toutes les configurations.

Questions fréquentes

Comment décrire la lumière dans un prompt Gemini Omni 1.1 Flash ?

Nommez des sources physiques plutôt que des rôles d'éclairage. « Low sun through a west-facing window » vaut mieux que « key light from camera left with soft fill ». Les propres exemples de Google font pareil — une scène est éclairée par « harsh fluorescent overhead lights and the green glow of the monochrome monitor » : deux luminaires avec une couleur et une qualité, sans termes de département.

Nommer une pellicule comme Kodak Portra change-t-il le résultat ?

En partie, et nous ne pouvons pas dire quelle part vient du nom lui-même. Nous avons associé « Kodak Vision3 250D character » à des descriptions explicites de halation et d'extinction des hautes lumières ; quelque chose de l'ordre du bloom est apparu, et les hautes lumières se sont bel et bien tenues sous le plafond au lieu d'écrêter. Aucun des deux résultats ne peut être crédité au nom de la pellicule sans un rendu qui l'omette, et nous ne l'avons pas fait. Le langage de pellicule et d'époque est une pratique documentée — le guide Veo 3.1 de Google écrit « shot as if on 1980s color film, slightly grainy » dans un exemple — mais nommez la pellicule et les propriétés que vous voulez.

Peut-on régler la température de couleur en kelvins pour Gemini Omni ?

Pas comme paramètre, et les valeurs en kelvins dans le texte du prompt sont peu fiables. Nommer l'ampoule ou la condition de lumière du jour fonctionne : tungstène, vapeur de sodium, fluorescent, bougie, soleil bas. Dans nos mesures, une lampe tungstène s'est lue plus chaude que la lumière du jour à travers une fenêtre dans toutes les images contenant les deux : la couleur relative entre luminaires nommés est donc un vrai contrôle, même si la valeur absolue ne l'est pas.

Pourquoi le côté ombre de mon plan sort-il chaud alors que j'ai demandé du froid ?

Généralement parce que quelque chose de chaud l'atteint réellement. Dans notre clip, les relevés du mur allaient de 2.15 à 1.52 en rouge/bleu, mais la caméra décrivait un arc : ce sont donc des surfaces différentes plutôt qu'un mur qui refroidit — et les valeurs chaudes venaient d'un mur situé dans la portée d'une lampe tungstène. La leçon tient dans les deux cas : une surface se lit comme ce qui l'atteint. Donnez à la moitié froide sa propre source, par exemple une fenêtre sur un ciel de soirée bleu ou un moniteur, plutôt que de la décrire comme une absence de chaleur.

Les sources pratiques restent-elles cohérentes quand la caméra bouge ?

Dans notre clip, oui. Une lampe de table est entrée dans le cadre en cours de mouvement d'arc et a gardé son coin, sa place contre la plinthe et la flaque qu'elle projetait sur le mur dans les deux images où elle se tenait à l'écart du bord. Un luminaire visible donne au modèle quelque chose de concret à maintenir vrai ; une ambiance n'a pas d'ancre et dérive le plus vite quand la caméra bouge.

Le même prompt de lumière me donnera-t-il deux fois la même lumière ?

Non. La répétabilité ne vient que du seed, puisque les paramètres d'échantillonnage ne sont pas exposés. Notez le seed à côté de tout prompt ayant produit un look qui mérite d'être gardé, et attendez-vous à ce qu'un mot changé déplace le résultat même à seed constant.

Combien coûte l'itération sur la lumière en 4K ?

Un clip de huit secondes en 4K coûte $1.44 sur E2X contre $2.43 en direct chez Google, et dix secondes $1.80 contre $3.04, au 29 août 2026. Explorez en 360p — douze cents la prise de quatre secondes — puis engagez-vous une fois en haut : dix passes en 360p plus un master 4K font $2.63, contre $8.64 pour les mêmes onze travaux en 4K.

Où essayer

Le clip ci-dessus est passé par text-to-video à $0.09 la seconde en 720p, et image-to-video ainsi que start-end-frame-to-video coûtent la même chose si vous préférez confier au modèle une image fixe déjà éclairée. Vous débutez ? Commencez par la syntaxe de tags et le comportement sur le nombre de plans — un prompt de lumière est perdu sur un clip que le modèle a silencieusement découpé en trois plans. Et si votre lumière doit survivre au-delà de dix secondes, les extensions sont un problème à part.