Black Forest Labs: FLUX.3 Image

FLUX 3 Image est le modèle de génération et de montage d’images de Black Forest Labs avec contrôle explicite de la composition. Une description textuelle peut créer une nouvelle scène; des images fournies peuvent établir un sujet, une scène à réviser ou plusieurs éléments à combiner. Les boîtes englobantes permettent à un brief de préciser l’emplacement de chaque élément et les parties d’une image existante à modifier. Le résultat est une image, avec la scène, le texte et la mise en page demandés à inspecter.

Créer une scène ou donner une instruction de montage

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

Pour le montage, identifiez l’objet précis et la modification : recolorer la tasse, remplacer une étiquette, déplacer une silhouette ou changer le style de la scène. Un montage unique ne nécessite pas de boîte dessinée manuellement. Le processus documenté enrichit l’instruction avant la génération et peut repérer l’élément nommé et ajouter une boîte automatiquement. Le prompt enrichi renvoyé consigne cette interprétation, ce qui est utile lorsqu’une instruction sélectionne le mauvais objet ou introduit un détail indésirable.

Combiner et préparer les images de référence

Le profil exact du producteur accepte d’une à dix références, fournies sous forme d’URL d’images ou de données d’image encodées. Chacune doit mesurer au moins 256×256 pixels et ne pas dépasser 16 mégapixels. Nommez une référence selon sa position ou son contenu visible, puis expliquez son rôle : la personne d’Image 1, la veste d’Image 2 et la pièce d’Image 3. Une image de référence est une source d’information visuelle, et non une instruction de copier chaque détail sans rapport qu’elle contient.

Le réglage du ratio est auto par défaut. Dans la spécification de requête, un ratio demandé dans le prompt a priorité; sinon, la première référence établit le cadrage, avec une sortie carrée de repli lorsqu’aucune référence ni aucun format demandé ne le définit. Pour une composition, placez la référence de scène voulue en premier ou choisissez le ratio explicitement. Conservez les images sources et leur ordre avec le résultat pour qu’une révision ultérieure utilise le même point de départ visuel.

Placer les éléments avec des boîtes englobantes

Un prompt de mise en page combine une légende avec un tableau JSON de lignes d’éléments. La légende nomme un élément au moyen d’un marqueur comme <cup_1>; la ligne contient id, bbox et desc. Les coordonnées sont des entiers de 0 à 1000 dans l’ordre [haut, gauche, bas, droite], mesurés depuis le coin supérieur gauche. Par exemple, [0, 0, 500, 500] décrit le quart supérieur gauche, peu importe les dimensions de l’image en pixels. Utilisez le ratio pour lequel la mise en page a été conçue, car cette grille de coordonnées s’étire avec le cadre.

Une ligne de montage utilise plutôt from, src_bbox et tgt_bbox avec l’identifiant et la description. ref_image_0 désigne la première image fournie. Des boîtes source et cible identiques ancrent un élément; des boîtes différentes le déplacent ou le redimensionnent. Une nouvelle ligne sans source génère sa description à l’emplacement cible, permettant les ajouts, remplacements ou recolorations. Une ligne source sans cible retire l’élément. Indiquez les ajouts et retraits dans l’instruction écrite et dans les lignes, et conservez les lignes d’ancrage des détails qui doivent rester en place.

Donnez au texte sa propre boîte et citez sa formulation exacte dans desc. Les boîtes guident le placement et l’échelle; ce ne sont pas des masques de découpage, donc un élément peut dépasser le rectangle. Le fabricant rapporte que de nouveaux objets dans des boîtes d’environ 40×25 pixels n’apparaissaient souvent pas dans ses exemples. Prévoyez assez d’espace visible et inspectez les limites modifiées. Les pixels à l’extérieur de la cible restent généralement stables, mais les ombres, les reflets et l’éclairage à proximité peuvent quand même changer.

Ancrage, classes de sortie et dossiers utiles

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 seulement la description et les références fournies. Pour un sujet du monde réel, identifiez clairement le lieu, l’événement ou l’objet et gardez le contenu factuel distinct du traitement artistique. Une image informée par la recherche doit tout de même être comparée à 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 paliers de surface égale en pixels : la largeur et la hauteur exactes dépendent donc du ratio choisi. Quinze ratios fixes vont de 21:9, en passant par les formats carré et portrait, à 9:21. Le profil de ce modèle contrôle la taille par le ratio 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 plutôt que d’établir une correspondance datée avec les poids du fournisseur.

Le processus du producteur renvoie une image après un traitement asynchrone, ainsi que le prompt enrichi. Son lien signé de téléchargement d’image est valide pendant une heure. Conservez l’image réelle, le prompt final et les références au lieu de compter sur un lien temporaire. Pour une ressource vérifiée, comparez le texte demandé, le placement 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.