Black Forest Labs: FLUX.3 Image

FLUX 3 Image est le modèle de génération et de retouche d’images de Black Forest Labs offrant un 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 cadres de délimitation permettent à un brief de préciser la place de chaque élément et les parties d’une image existante à modifier. Le résultat est une image dont la scène, le texte et la mise en page demandés sont à examiner.

Créer une scène ou donner une instruction de retouche

Pour une nouvelle image, décrivez le sujet, l’action ou la pose, le décor, la lumière et le cadrage. Mettez le texte exact à afficher dans l’image entre guillemets et indiquez où il apparaît. Un brief original de produit 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 le rapport entre le titre, le produit et le 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 retouche unique ne nécessite pas de cadre dessiné manuellement. Le processus documenté enrichit l’instruction avant la génération et peut localiser l’élément nommé et ajouter automatiquement un cadre. 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 une à dix références, fournies comme URL d’images ou données d’image encodées. Chacune doit mesurer au moins 256×256 pixels et ne pas dépasser 16 mégapixels. Nommez une référence par sa position ou son contenu visible, puis expliquez son rôle : la personne de la référence Image 1, la veste de la référence Image 2 et la pièce de la référence Image 3. Une image de référence est une source d’informations visuelles et non une instruction de copier tous ses détails sans rapport.

Le réglage du rapport de format vaut 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 en repli lorsque ni une référence ni un format demandé ne le définissent. Pour une composition, placez d’abord la référence de scène souhaitée ou choisissez explicitement le rapport. 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 cadres de délimitation

Un prompt de mise en page combine une description avec un tableau JSON de lignes d’éléments. La description nomme un élément au moyen 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, quelles que soient les dimensions en pixels de l’image. Utilisez le rapport de format pour lequel la mise en page a été conçue, car cette grille de coordonnées s’étire avec le cadre.

Une ligne de retouche utilise plutôt from, src_bbox et tgt_bbox à côté 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, permettant des ajouts, remplacements ou recolorations. Une ligne source sans cible supprime l’élément. Indiquez les ajouts et suppressions dans l’instruction écrite et dans les lignes, et conservez les lignes d’ancrage pour les détails qui doivent rester en place.

Attribuez 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, et un élément peut donc dépasser le rectangle. Le fabricant rapporte que les nouveaux objets dans des cadres d’environ 40×25 pixels ne sont souvent pas apparus dans ses exemples. Prévoyez assez d’espace visible et examinez les limites retouchées. Les pixels hors de la cible restent généralement stables, mais les ombres, les reflets et l’éclairage voisin peuvent encore changer.

Ancrage factuel, classes de sortie et dossiers utiles

Le profil documenté active l’ancrage par défaut, permettant à la recherche web et d’images de nourrir la génération. Il peut être désactivé pour un brief qui doit utiliser seulement sa description et ses références fournies. Pour un sujet réel, identifiez clairement le lieu, l’événement ou l’objet et séparez le contenu factuel du traitement artistique. Une image nourrie par la recherche doit toujours 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 d’aire identique en pixels ; la largeur et la hauteur exactes dépendent donc du rapport sélectionné. Quinze rapports fixes vont du 21:9 aux formats carré et portrait jusqu’au 9:21. Le profil de ce modèle contrôle 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 plutôt que d’établir une correspondance datée avec les poids du fournisseur.

Le processus du producteur renvoie une image après traitement asynchrone, avec le prompt enrichi. Son lien signé de téléchargement d’image est valide pendant une heure. Conservez l’image elle-même, le prompt final et les références au lieu de dépendre d’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 constitue le point de départ du contrôle de ces exigences visuelles.