Un Embedding est une technique de représentation apprise où des concepts, sujets ou styles précis sont encodés sous forme de vecteurs numériques pouvant être référencés et appliqués lors de la génération d'images IA. Les embeddings permettent d'enseigner à un modèle des sujets ou directions esthétiques personnalisés sans réentraînement complet du modèle, rendant la génération personnalisée plus accessible et efficace.

La technique consiste à entraîner un petit ensemble de vecteurs qui capturent l'essence visuelle d'un sujet ou d'un style, puis à les invoker en incluant un identifiant unique dans le prompt. Par exemple, un embedding entraîné sur un personnage précis peut être appelé par son nom pour générer ce personnage dans de nouveaux contextes et poses. Les embeddings sont en général bien plus petits et rapides à entraîner que des modèles fine-tunés complets, demandant moins d'images d'entraînement et de ressources de calcul tout en offrant un contrôle significatif sur les sorties. Ils sont très utilisés dans l'écosystème Stable Diffusion, où une large communauté partage et distribue des embeddings pour personnages, styles artistiques et concepts visuels.

Pour les créateurs qui utilisent des outils de génération IA, les embeddings offrent un compromis entre le prompting générique et l'entraînement complet du modèle : assez de personnalisation pour garder la cohérence entre les générations tout en restant légers et pratiques pour les créateurs et petites équipes travaillant sur des projets centrés sur les personnages ou un style cohérent.