Black Forest Labs: FLUX.2 Klein 4B

FLUX.2 [klein] 4B er Black Forest Labs' kompakte model til at skabe et billede fra en tekstbeskrivelse og redigere billeder med visuelle referencer. Dens rectified-flow-transformer med fire milliarder parametre samler generering og redigering i én arkitektur. Den navngivne 4B-udgave har destillerede genereringstrin, og producentens referenceeksempel bruger fire inferenstrin.

Modellens rolle er et interaktivt visuelt udkast eller en revision: undersøg en produktscene, skift en figurs tøj, kombinér et motiv med et miljø, eller forfin en illustrations udseende. Begynd med den begivenhed eller komposition, der betyder noget, og beskriv derefter motiv, materiale, belysning og synsvinkel. En konkret beskrivelse kan placere en mat blå keramikkop på et bord af lyst egetræ i et nærbillede med sidelys, så hank og glasur forbliver synlige. Resultatet er et billede, der kan vurderes op mod disse valg.

Redigering med et lille referencesæt

Den dokumenterede 4B-profil accepterer op til fire inputbilleder. Giv hvert billede en tydelig rolle: produktudseende, figur, miljø eller stil. Hvis ét billede er scenen, der skal redigeres, skal du identificere det og angive både ændringen og de detaljer, der skal bevares. Bevar eksempelvis koppens silhuet og overflade fra det første billede, brug rummet fra det andet, og udskift kun bordbeklædningen. Referencernes rækkefølge og en præcis ændringsinstruktion giver revisionen et klarere mål end en anmodning om en generel forbedring.

Producenten skelner mellem dette kompakte referencebudget og de større FLUX.2-varianter. Den angiver også, at [klein] ikke har promptudvidelse. Medsend selv de vigtige beskrivende oplysninger, herunder forholdet mellem referencegenstande, frem for at regne med en automatisk udvidelse af en kort betegnelse. Ved en serie skal du bevare samme motivreference og visuelle krav, mens du ændrer én beslutning om scenen ad gangen.

Outputindstillinger og grænser mellem udgaver

Producentens konkrete 4B-profil angiver JPEG-, PNG- og WebP-output med JPEG som standard. Udtrykkelige værdier for bredde og højde er dokumenteret med mindst 64 pixels hver; referenceeksemplet i modelkortet bruger et billede på 1024×1024. Dette eksempel er en samplingkonfiguration, ikke en påstand om, at enhver opgave skal være kvadratisk, eller at 1024 pixels er modellens maksimum. Vælg den ønskede beskæring og visningsform, før du udarbejder den visuelle beskrivelse, og sammenlign derefter lille tekst og små detaljer i denne størrelse.

Det offentliggjorte eksempel med fire trin bruger guidance_scale 1.0. Hold denne destillerede udgave adskilt fra FLUX.2 [klein] Base 4B, hvis ikke-destillerede træningssignal er beregnet til tilpasning, LoRA-træning og forskning. Base 4B og 9B-modellerne er særskilte valg med forskellige hensyn til forberedelse og sampling. Den kompakte models standardkontroller adskiller sig også fra [flex]-udgavens justerbare trin og guidance; [max] har sin egen søgefunktion til kildeforankring.

Detaljer, der skal kontrolleres i billedet

Det konkrete modelkort siger, at denne model ikke er en kilde til faktuelle oplysninger. Skrevet tekst inde i et billede kan være unøjagtig eller forvrænget, og den genererede scene kan afvige fra anmodningen. Promptstilen har stor indflydelse på efterlevelsen. Kontrollér stavning, mængder, etiketter, motividentitet og de specifikke genstande, der skulle bevares; en flot komposition beviser ikke, at en produktfunktion eller et illustreret faktum er korrekt. Producenten bemærker også, at statistiske output kan afspejle skævheder i træningsdata.

For et gennemgået visuelt materiale skal du gemme kildereferencer, den endelige ordlyd og den valgte modelidentitet sammen med billedet. Udgivelsesdokumentationen skelner mellem eksempelbaseret vandmærkning på pixelniveau i referencekode og C2PA-oprindelsesmetadata, der anvendes i producentens hostede outputforløb. Bevarelse af returnerede oprindelsesoplysninger hjælper med at forklare materialets ophav; det er adskilt fra at kontrollere, om den ønskede visuelle ændring lykkedes.