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 scène ; des images fournies peuvent établir un sujet, une scène à réviser ou plusieurs éléments à combiner. Les cadres englobants permettent de préciser dans un brief 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 doivent être inspectés.

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. Placez entre guillemets le texte exact à intégrer à l’image et indiquez où il apparaît. Un exemple original de brief de produit peut 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 la relation entre titre, produit et arrière-plan plutôt que de fournir des mots de style sans lien.

Pour une retouche, identifiez l’objet précis et la modification : 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 développe l’instruction avant la génération et peut localiser l’élément nommé et ajouter automatiquement un cadre. Le prompt développé 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 fournisseur accepte une à dix références, fournies sous forme d’URL d’images ou de données d’images encodées. Chacune doit mesurer au moins 256×256 pixels et ne pas dépasser 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 est une source d’informations visuelles, pas une instruction de copier tous les détails sans rapport qu’elle contient.

Le réglage du rapport d’aspect 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 par défaut lorsqu’aucune référence ni aucun format demandé ne le définit. Pour un assemblage, placez la référence de scène souhaitée en premier ou choisissez explicitement le rapport. Conservez les images sources et leur ordre avec le résultat afin qu’une révision ultérieure parte du même point visuel.

Placer les éléments avec des cadres englobants

Un prompt de mise en page associe une légende à un tableau JSON de lignes d’éléments. La légende nomme un élément avec 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 de l’image en pixels. Utilisez le rapport d’aspect pour lequel la mise en page a été conçue, car cette grille de coordonnées s’étire avec le cadre.

Une ligne de retouche utilise à la place 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 les ajouts, remplacements ou recolorations. Une ligne source sans cible supprime l’élément. Précisez les ajouts et suppressions dans l’instruction écrite comme dans les lignes, et conservez des lignes d’ancrage pour les détails qui doivent rester en place.

Attribuez au lettrage son propre cadre et mettez son texte exact entre guillemets dans desc. Les cadres guident le placement et l’échelle ; ce ne sont pas des masques de découpe, et un élément peut dépasser le rectangle. Le fabricant indique que, dans ses exemples, de nouveaux objets placés dans des cadres d’environ 40×25 pixels n’apparaissaient souvent pas. Prévoyez assez d’espace visible et inspectez les contours retouchés. Les pixels hors de la cible restent généralement stables, mais les ombres, les reflets et l’éclairage voisin peuvent changer.

Ancrage, classes de sortie et traces 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 uniquement sa description et ses références fournies. Pour un sujet du monde réel, identifiez clairement le lieu, l’événement ou l’objet et distinguez le contenu factuel du traitement artistique. Une image nourrie par la recherche doit encore être comparée à des sources faisant autorité lorsqu’un libellé, 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 correspondent à des paliers de même surface 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 les formats carrés et 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 désigne actuellement une version évolutive plutôt qu’une correspondance datée des poids du fournisseur.

Le processus du fournisseur renvoie une image après traitement asynchrone, avec le prompt développé. Son lien signé de téléchargement d’image est valable 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, la position des objets, l’identité issue des références et la zone modifiée à la taille d’affichage prévue. Une génération achevée est le point de départ de la vérification de ces exigences visuelles.