Black Forest Labs: FLUX.3 Image

FLUX 3 Image est le modèle de génération et de retouche d’images de Black Forest Labs avec une maîtrise explicite de la composition. Une description textuelle peut créer une scène ; les images fournies peuvent définir un sujet, une scène à réviser ou plusieurs éléments à combiner. Les cadres de délimitation permettent au brief de préciser la place de chaque élément et les parties d’une image existante à modifier. Le résultat est une image dont il faut examiner la scène, le texte et l’agencement demandés.

Créer une scène ou donner une consigne de retouche

Pour une nouvelle image, décrivez le sujet, l’action ou la pose, le décor, la lumière et le cadrage. Placez le texte exact à intégrer dans l’image entre guillemets et indiquez où il apparaît. Un brief produit original pourrait montrer une tasse de camping rouge sur une surface en pierre claire, avec un grand titre au-dessus et une douce lumière matinale révélant l’anse. Définissez les relations entre titre, produit et fond au lieu de proposer des mots de style sans lien.

Pour la retouche, identifiez l’objet précis et le changement : recolorer la tasse, remplacer une étiquette, déplacer une silhouette ou changer le style de la scène. Une seule retouche n’exige pas un cadre dessiné manuellement. Le processus documenté développe la consigne avant la génération et peut localiser l’élément nommé pour ajouter automatiquement un cadre. Le prompt développé renvoyé consigne cette interprétation, ce qui est utile lorsqu’une consigne sélectionne le mauvais objet ou introduit un détail indésirable.

Combiner et préparer les images de référence

Le profil exact du producteur accepte une à dix références, fournies sous forme d’URL d’image ou de données d’image encodées. Chacune doit faire au moins 256×256 pixels et au plus 16 mégapixels. Désignez une référence par sa position ou son contenu visible, puis expliquez son rôle : la personne de l’Image 1, la veste de l’Image 2 et la pièce de l’Image 3. Une référence d’image fournit des informations visuelles ; elle ne demande pas de copier tous les détails sans rapport qu’elle contient.

Le réglage du rapport d’image est auto par défaut. Dans la spécification de requête, un rapport demandé dans le prompt est prioritaire ; sinon, la première référence établit le cadrage, avec une sortie carrée de repli si ni référence ni forme demandée ne le fournissent. Pour une composition, placez d’abord la référence de scène prévue ou choisissez explicitement le rapport. Conservez les images sources et leur ordre avec le résultat pour qu’une révision ultérieure parte de la même base visuelle.

Placer les éléments avec des cadres de délimitation

Un prompt de mise en page combine une légende et un tableau JSON de lignes d’éléments. La légende nomme un élément à l’aide d’un marqueur tel que <cup_1> ; la ligne contient id, bbox et desc. Les coordonnées sont des entiers de 0 à 1000 dans l’ordre [top, left, bottom, right], mesurés depuis le coin supérieur gauche. Par exemple, [0, 0, 500, 500] décrit le quart supérieur gauche indépendamment des dimensions de l’image en pixels. Utilisez le rapport pour lequel la mise en page a été conçue, car cette grille s’étire avec le cadre.

Une ligne de retouche utilise plutôt from, src_bbox et tgt_bbox en plus de l’identifiant et de la description. ref_image_0 désigne la première image fournie. Des cadres source et cible identiques ancrent un élément ; des cadres différents le déplacent ou le redimensionnent. Une nouvelle ligne sans source génère sa description à l’emplacement cible et permet des ajouts, des remplacements ou des recolorations. Une ligne source sans cible supprime l’élément. Précisez les ajouts et suppressions dans la consigne écrite et les lignes, et gardez des lignes d’ancrage pour les détails qui doivent rester en place.

Donnez au texte son propre cadre et citez son contenu exact dans desc. Les cadres guident le placement et l’échelle ; ce ne sont pas des masques de découpe, donc un élément peut dépasser le rectangle. Le fabricant indique que de nouveaux objets dans des cadres d’environ 40×25 pixels n’apparaissaient souvent pas dans ses exemples. Prévoyez suffisamment d’espace visible et examinez les frontières retouchées. Les pixels hors de la cible restent généralement stables, mais les ombres, reflets et éclairages proches peuvent malgré tout changer.

Ancrage, classes de sortie et éléments à conserver

Le profil documenté active l’ancrage par défaut, permettant à la recherche web et d’images d’informer la génération. Il peut être désactivé pour un brief qui doit utiliser uniquement sa description et ses références fournies. Pour un sujet du monde réel, identifiez clairement le lieu, l’événement ou l’objet et séparez le contenu factuel du traitement artistique. Une image informée par la recherche exige toujours une comparaison avec des sources faisant autorité lorsqu’une étiquette, un objet ou un événement représenté doit être exact.

Les cinq classes de résolution sont 768sq, 1k, 1.5k, 2k et 4k, avec 1k par défaut. Elles représentent des niveaux de surface égale en pixels : la largeur et la hauteur exactes dépendent donc du rapport choisi. Quinze rapports fixes vont de 21:9 à 9:21, en passant par le carré et les formats portrait. Le profil de ce modèle règle la taille par le rapport et la résolution ; il n’expose pas les champs seed, width ou height utilisés dans les profils de requête FLUX.2. Son sélecteur de version documenté nomme actuellement une version évolutive au lieu d’établir une correspondance datée avec des poids du fournisseur.

Le processus du producteur renvoie une image après un traitement asynchrone, ainsi que le prompt développé. Son lien signé de téléchargement d’image reste valide une heure. Conservez l’image réelle, le prompt final et les références au lieu de compter sur un lien temporaire. Pour un visuel vérifié, comparez le texte demandé, l’emplacement des objets, l’identité des références et la zone modifiée à la taille d’affichage prévue. Une génération terminée est le point de départ de la vérification de ces exigences visuelles.