Black Forest Labs: FLUX.3 Image

FLUX 3 Image er Black Forest Labs' model til billedgenerering og redigering med udtrykkelig kontrol over kompositionen. En tekstbeskrivelse kan skabe en ny scene; medsendte billeder kan fastlægge et motiv, en scene, der skal revideres, eller flere elementer, der skal kombineres. Afgrænsningsbokse lader en beskrivelse angive, hvor hvert element hører til, og hvilke dele af et eksisterende billede der skal ændres. Resultatet er et billede med den ønskede scene, tekst og opsætning, som kan kontrolleres.

Skab en scene, eller giv en redigeringsinstruktion

Til et nyt billede skal du beskrive motiv, handling eller positur, omgivelser, lys og indramning. Sæt præcis ordlyd inde i billedet i anførselstegn, og angiv, hvor den skal vises. En original produktbeskrivelse kan vise et rødt campingkrus på en lys stenoverflade med en stor overskrift ovenover og blødt morgenlys, der fremhæver hanken. Definér forholdet mellem overskrift, produkt og baggrund frem for at angive løsrevne stilord.

Ved redigering skal du identificere den bestemte genstand og ændringen: omfarv kruset, udskift en etiket, flyt en figur, eller giv scenen en anden stil. En enkelt redigering kræver ikke en manuelt tegnet boks. Den dokumenterede arbejdsgang udvider instruktionen før generering og kan finde det navngivne element og tilføje en boks automatisk. Den returnerede udvidede prompt registrerer denne fortolkning, hvilket er nyttigt, når en instruktion vælger den forkerte genstand eller indfører en uønsket detalje.

Kombinér og forbered referencebilleder

Den konkrete producentprofil accepterer ét til ti referencebilleder, medsendt som billed-URL'er eller kodede billeddata. Hvert billede skal være mindst 256×256 pixels og højst 16 megapixels. Navngiv en reference efter dens position eller synlige indhold, og forklar derefter dens rolle: personen fra Image 1, jakken fra Image 2 og rummet fra Image 3. En billedreference er en kilde til visuel information, ikke en instruktion om at kopiere hver uvedkommende detalje, den indeholder.

Indstillingen for billedformat har auto som standard. I anmodningsspecifikationen har et format, der ønskes i prompten, forrang; ellers fastlægger den første reference indramningen med kvadratisk output som reservevalg, når hverken en reference eller en ønsket form angiver den. Ved en sammenkomponering skal du placere den ønskede scenereference først eller vælge formatet udtrykkeligt. Gem kildebillederne og deres rækkefølge sammen med resultatet, så en senere revision bruger samme visuelle udgangspunkt.

Placér elementer med afgrænsningsbokse

En layoutprompt kombinerer en beskrivende tekst med et JSON-array af elementrækker. Teksten navngiver et element gennem en markør som <cup_1>; rækken indeholder id, bbox og desc. Koordinater er heltal fra 0 til 1000 i rækkefølgen [top, left, bottom, right], målt fra øverste venstre hjørne. For eksempel beskriver [0, 0, 500, 500] den øverste venstre fjerdedel uanset billedets pixeldimensioner. Brug det billedformat, som layoutet er udformet til, fordi koordinatgitteret strækkes med rammen.

En redigeringsrække bruger i stedet from, src_bbox og tgt_bbox sammen med identifikatoren og beskrivelsen. ref_image_0 betyder det første medsendte billede. Ens kilde- og målbokse forankrer et element; forskellige bokse flytter det eller ændrer dets størrelse. En ny række uden kilde genererer sin beskrivelse på målplaceringen, hvilket muliggør tilføjelser, udskiftninger eller omfarvning. En kilderække uden mål fjerner elementet. Angiv tilføjelser og fjernelser i både den skrevne instruktion og rækkerne, og behold forankringsrækker til detaljer, der skal blive på plads.

Giv tekst sin egen boks, og citér den præcise ordlyd i desc. Bokse styrer placering og størrelse; de er ikke beskæringsmasker, så et element kan strække sig ud over rektanglet. Producenten oplyser, at nye genstande i bokse på omkring 40×25 pixels ofte ikke kom frem i dens eksempler. Giv tilstrækkelig synlig plads, og undersøg de redigerede grænser. Pixels uden for målområdet forbliver som regel stabile, men skygger, refleksioner og nærliggende belysning kan stadig ændre sig.

Kildeforankring, outputklasser og nyttig dokumentation

Den dokumenterede profil aktiverer kildeforankring som standard, så web- og billedsøgning kan bidrage til genereringen. Det kan slås fra ved en beskrivelse, der kun skal bruge sin medsendte tekst og referencer. Ved et motiv fra virkeligheden skal du identificere sted, begivenhed eller genstand tydeligt og holde faktuelt indhold adskilt fra kunstnerisk behandling. Billeder med information fra søgning skal stadig sammenlignes med autoritativt materiale, når en etiket, genstand eller afbildet begivenhed skal være korrekt.

De fem opløsningsklasser er 768sq, 1k, 1.5k, 2k og 4k med 1k som standard. De repræsenterer niveauer med samme pixelareal, så den præcise bredde og højde afhænger af det valgte billedformat. Femten faste billedformater spænder fra 21:9 gennem kvadratiske og stående formater til 9:21. Denne models profil styrer størrelsen gennem billedformat og opløsning; den giver ikke adgang til felterne seed, width eller height, som bruges i FLUX.2-anmodningsprofilerne. Dens dokumenterede versionsvælger angiver aktuelt en løbende udgivelse frem for at fastlægge et dateret match med leverandørens vægte.

Producentens arbejdsgang returnerer et billede efter asynkron behandling sammen med den udvidede prompt. Det signerede downloadlink til billedet er gyldigt i én time. Gem selve billedet, den endelige prompt og referencerne frem for at stole på et midlertidigt link. Ved et gennemgået visuelt materiale skal du sammenligne den ønskede tekst, genstandsplacering, referenceidentitet og det ændrede område i den tilsigtede visningsstørrelse. En afsluttet generering er udgangspunktet for at kontrollere disse visuelle krav.