Black Forest Labs: FLUX.2 Flex

Το FLUX.2 [flex] είναι η έκδοση δημιουργίας και επεξεργασίας εικόνων της Black Forest Labs με ειδίκευση στην τυπογραφία, την απόδοση κειμένου και τη διατήρηση μικρών λεπτομερειών. Χρησιμοποιεί γραπτές οδηγίες σκηνής και εικόνες αναφοράς για να παράγει εικόνα. Ο χαρακτηριστικός έλεγχός του είναι η ρυθμιζόμενη δειγματοληψία: το τεκμηριωμένο προφίλ εκθέτει τόσο βήματα συμπερασμού όσο και guidance, επιτρέποντας τη βελτίωση μιας οπτικής περιγραφής με ρυθμίσεις και λέξεις.

Γράμματα και λεπτές λεπτομέρειες

Μια τυπογραφική εργασία πρέπει να ξεκινά με το πραγματικό κείμενο. Παραθέστε κάθε γραμμή, ορίστε πού ανήκει και διακρίνετε τίτλο, υποστηρικτικό κείμενο και ετικέτα. Περιγράψτε το ύφος, την κλίμακα και το χρώμα των γραμμάτων σε σχέση με τη σκηνή. Μια πρωτότυπη περιγραφή αφίσας θα μπορούσε να δείχνει ποδήλατο σε μπλε κοβαλτίου σε ανοιχτόχρωμο στούντιο, με μεγάλο τίτλο πάνω από τον σκελετό και μικρότερη γραμμή προδιαγραφών από κάτω. Η εικόνα πρέπει να καθιστά σαφή μαζί το προϊόν και τη σειρά ανάγνωσης.

Για λεπτομερή οπτική παρουσίαση προϊόντος, προσδιορίστε τα μέρη που καθορίζουν τη χρησιμότητα του αποτελέσματος: καντράν, ετικέτα χειρισμού, ραφή, άκρη υλικού ή σήμανση συσκευασίας. Δώστε ευανάγνωστη αναφορά και εξηγήστε ποιο χαρακτηριστικό καθορίζει. Μια σκηνή που μοιάζει γενικά μπορεί και πάλι να αλλάξει κρίσιμο χαρακτήρα ή εξάρτημα, επομένως συγκρίνετε την παραγόμενη λεπτομέρεια στο προβλεπόμενο μέγεθος προβολής. Η ειδίκευση του μοντέλου είναι λόγος για ακριβείς απαιτήσεις, όχι εγγύηση ότι η διόρθωση κειμένου ή ο οπτικός έλεγχος γίνονται περιττοί.

Τα βήματα και το guidance υπηρετούν διαφορετικούς σκοπούς

Το συγκεκριμένο προφίλ κατασκευαστή δέχεται από ένα έως πενήντα βήματα συμπερασμού, με προεπιλογή πενήντα. Η περιγραφή του συνδέει περισσότερα βήματα με μεγαλύτερη λεπτομέρεια και ρεαλισμό. Το guidance κυμαίνεται από 1.5 έως 10, με προεπιλογή 5. Υψηλότερο guidance ενισχύει τη συμμόρφωση με την προτροπή, αλλά μπορεί να μειώσει τον ρεαλισμό. Συνεπώς, μια εικόνα με ακριβείς σχεδιαστικές οδηγίες και μια που επιδιώκει φυσική φωτογραφική εμφάνιση μπορεί να απαιτούν διαφορετικές επιλογές μέσα σε αυτό το προφίλ.

Κρατήστε σταθερά τη διατύπωση, τις αναφορές και το σχήμα εξόδου όταν συγκρίνετε αλλαγή ρύθμισης. Εξετάστε το χαρακτηριστικό που προκάλεσε την αλλαγή: μορφές γραμμάτων, τοποθέτηση αντικειμένων ή υφή υλικού. Αλλάξτε ρύθμιση για συγκεκριμένο οπτικό λόγο, αντί να θεωρείτε έναν μεγάλο αριθμό αυτόματα καλύτερο. Αυτοί είναι έλεγχοι δειγματοληψίας του παραγωγού· το αποσταγμένο προφίλ τεσσάρων βημάτων [klein] και οι τυπικοί έλεγχοι [pro] ή [max] αποτελούν διαφορετικές επιλογές μοντέλου.

Ο εμπλουτισμός προτροπής είναι ενεργός από προεπιλογή στην προδιαγραφή [flex] και μπορεί να απενεργοποιηθεί μέσω του δικού του ελέγχου prompt_upsampling. Αυτό επιτρέπει σε λεπτομερή περιγραφή να παραμείνει το παρεχόμενο κείμενο όταν χρειάζεται. Ο κοινός οδηγός του κατασκευαστή συνιστά το κύριο θέμα και η σημαντική δράση να προηγούνται της δευτερεύουσας διακόσμησης και περιγράφει προτροπές με δομή JSON μαζί με περιγραφές φυσικής γλώσσας. Χρησιμοποιήστε τη δομή που κάνει ευκολότερο τον προσδιορισμό των απαιτούμενων σχέσεων.

Αναθεωρήσεις με καθοδήγηση αναφορών

Το συγκεκριμένο προφίλ αιτήματος περιέχει οκτώ θέσεις εικόνων αναφοράς. Η διαδραστική ροή του κατασκευαστή επιτρέπει χωριστά έως δέκα εικόνες· αυτά τα πλήθη περιγράφουν διαφορετικές διεπαφές. Ορίστε αν μια εικόνα παρέχει τη σκηνή προς επεξεργασία, προϊόν, χαρακτήρα, ενδυμασία ή ύφος. Για αναθεώρηση, προσδιορίστε το αντικείμενο και την αλλαγή και ονομάστε κατόπιν τη γύρω σύνθεση, τα υλικά ή το φως που πρέπει να παραμείνουν.

Μια πρωτότυπη εργασία συσκευασίας θα μπορούσε να χρησιμοποιεί το κουτί της πρώτης εικόνας και το φινίρισμα της δεύτερης, να αντικαθιστά την μπροστινή ετικέτα με την εγκεκριμένη διατύπωση και να διατηρεί τις αναλογίες του κουτιού. Μια ομαδική σύνθεση μπορεί να αναθέτει διαφορετική αναφορά σε κάθε θέμα και να κρατά συνεπείς αυτές τις αντιστοιχίσεις. Τα παραδείγματα της οικογένειας καλύπτουν αλλαγές αντικειμένων και φόντου, σύνθεση, επεξεργασία κειμένου και μετασχηματισμούς ύφους. Ζητήστε μία συνδεδεμένη αναθεώρηση με σαφή στόχο και συγκρίνετε τόσο την επεξεργασμένη περιοχή όσο και τα μέρη που πρέπει να μείνουν σταθερά.

Μέγεθος, χρώμα και η επιστρεφόμενη εικόνα

Ο οδηγός FLUX.2 τεκμηριώνει ελάχιστο 64×64 pixel, διαστάσεις σε πολλαπλάσια του 16 και έξοδο έως 4 megapixel, με σύσταση έως 2 megapixel για συνήθη χρήση. Η συγκεκριμένη προδιαγραφή [flex] αναφέρει έξοδο JPEG, PNG και WebP, με προεπιλογή JPEG. Παρέχει επίσης προαιρετικό τυχαίο seed. Κρατήστε το πραγματικό μοντέλο, το seed και τις ρυθμίσεις δειγματοληψίας με τις αρχικές αναφορές όταν συγκρίνετε εκδόσεις· μόνο το όνομα οικογένειας δεν προσδιορίζει την πλήρη ρύθμιση δημιουργίας.

Για εργασία ευαίσθητη στο χρώμα, συνδέστε κάθε δεκαεξαδικό κωδικό με ονομασμένο αντικείμενο ή στοιχείο κειμένου. Για σύνθεση, προσδιορίστε την επιθυμητή αναλογία μέσω των διαστάσεων εικόνας και αφήστε αρκετό χώρο για ευανάγνωστα γράμματα. Ο κοινός οδηγός δεν διαθέτει μηχανισμό αρνητικής προτροπής, επομένως περιγράψτε θετικά την επιθυμητή εμφάνιση: καθαρή εστίαση, λιτό φόντο ή σαφώς κενή περιοχή για κείμενο. Τα πολύγλωσσα παραδείγματά του υποστηρίζουν τη σύνταξη μιας πολιτισμικά συγκεκριμένης περιγραφής στην κατάλληλη γλώσσα, χωρίς να θεμελιώνουν εγγύηση σταθερού αριθμού γλωσσών.

Η ροή FLUX.2 του παραγωγού επιστρέφει εικόνα μετά την επεξεργασία και χρησιμοποιεί προσωρινούς υπογεγραμμένους συνδέσμους με περιθώριο ανάκτησης δέκα λεπτών. Διατηρήστε μαζί την πραγματική εικόνα και την περιγραφή. Ελέγξτε τυπογραφία, λεπτές λεπτομέρειες, ταυτότητα αναφορών και οπτική απόδοση πριν τοποθετήσετε το οπτικό αρχείο σε διάταξη. Το τελικό παραδοτέο μπορεί να είναι επιλεγμένη αφίσα, εικόνα προϊόντος ή επεξεργασμένη σύνθεση με τις ακριβείς ρυθμίσεις διατηρημένες για την επόμενη αναθεώρηση.