Black Forest Labs: FLUX.2 Klein 4B

FLUX.2 [klein] 4B je kompaktní model Black Forest Labs pro tvorbu obrázků z textového popisu a úpravy pomocí vizuálních referencí. Jeho rectified-flow transformer se čtyřmi miliardami parametrů spojuje generování a úpravy v jedné architektuře. Pojmenovaná edice 4B používá destilaci kroků a referenční příklad výrobce pracuje se čtyřmi inferenčními kroky.

Úlohou modelu je interaktivní vizuální návrh nebo úprava: zkoumání produktové scény, změna oděvu postavy, spojení objektu s prostředím či doladění vzhledu ilustrace. Začněte důležitým dějem nebo kompozicí a poté popište objekt, materiál, osvětlení a úhel pohledu. Konkrétní zadání může umístit matný modrý keramický šálek na světlý dubový stůl s bočně nasvíceným detailem, který zachovává viditelnost ucha a glazury. Výsledkem je obrázek k porovnání s těmito rozhodnutími.

Úpravy s malou sadou referencí

Dokumentovaný profil 4B přijímá až čtyři vstupní obrázky. Každému přiřaďte jasnou roli: vzhled produktu, postava, prostředí či styl. Pokud jeden obrázek představuje scénu k úpravě, označte jej a uveďte změnu i detaily k zachování. Například zachovejte siluetu a povrch šálku z prvního obrázku, použijte místnost z druhého a nahraďte jen pokrývku stolu. Pořadí referencí a přesný pokyn ke změně dávají úpravě jasnější cíl než obecná žádost o zlepšení.

Výrobce odlišuje tento kompaktní rozpočet referencí od větších variant FLUX.2. Uvádí také, že [klein] nemá rozšíření promptu. Důležité popisné informace včetně vztahu mezi referenčními objekty dodejte sami místo spoléhání na automatické rozšíření krátkého označení. U série ponechte stejnou referenci objektu a vizuální požadavky a měňte vždy jedno rozhodnutí o scéně.

Nastavení výstupu a hranice edic

Konkrétní profil 4B výrobce uvádí výstup JPEG, PNG a WebP s výchozím JPEG. Explicitní hodnoty šířky a výšky jsou dokumentovány s minimem 64 pixelů pro každou stranu; referenční příklad karty modelu používá obrázek 1024×1024. Tento příklad je konfigurací vzorkování, nikoli tvrzením, že každá úloha musí být čtvercová nebo že 1024 pixelů je maximum modelu. Před přípravou vizuálního zadání zvolte zamýšlený ořez a formát zobrazení a v této velikosti porovnejte drobné písmo a malé prvky.

Publikovaný čtyřkrokový příklad používá guidance_scale 1.0. Tuto destilovanou edici odlišujte od FLUX.2 [klein] Base 4B, jehož nedestilovaný trénovací signál je určen pro přizpůsobování, trénování LoRA a výzkum. Base 4B a modely 9B jsou samostatné volby s jinými nároky na přípravu a vzorkování. Standardní ovládání kompaktního modelu se také liší od nastavitelných kroků a guidance u [flex]; [max] má vlastní vyhledávání pro faktické ukotvení.

Detaily k ověření v obrázku

Konkrétní karta modelu uvádí, že tento model není zdrojem faktických informací. Psaný text v obrázku může být nepřesný či zkreslený a generovaná scéna se může odchýlit od požadavku. Styl promptu má podstatný vliv na dodržování zadání. Zkontrolujte pravopis, množství, popisky, identitu objektu a konkrétní předměty určené k zachování; atraktivní kompozice nedokládá správnost vlastnosti produktu nebo ilustrovaného faktu. Výrobce také upozorňuje, že statistické výstupy mohou odrážet předsudky trénovacích dat.

U zkontrolovaného materiálu uchovejte spolu s obrázkem zdrojové reference, konečné znění a zvolenou identitu modelu. Dokumentace vydání rozlišuje ukázkové pixelové vodoznaky v referenčním kódu a metadata původu C2PA používaná v hostovaném výstupním postupu výrobce. Zachování vrácených údajů o původu pomáhá vysvětlit vznik materiálu; je oddělené od kontroly úspěšnosti požadované vizuální změny.