Black Forest Labs: FLUX.2 Klein 4B

A FLUX.2 [klein] 4B a Black Forest Labs kompakt modellje szövegleírásból történő képalkotáshoz és vizuális referenciás képszerkesztéshez. Négymilliárd paraméteres rectified-flow transzformere egy architektúrában egyesíti a generálást és szerkesztést. A megnevezett 4B kiadás lépésszám szerint desztillált, és a gyártó referenciapéldája négy inferencialépést használ.

A modell szerepe interaktív vizuális vázlat vagy módosítás: termékjelenet felfedezése, karakter ruházatának cseréje, téma és környezet egyesítése vagy illusztráció megjelenésének finomítása. Indulj a fontos eseményből vagy kompozícióból, majd írd le a témát, anyagot, fényt és nézőpontot. Konkrét leírás például matt kék kerámiacsészét helyezhet világos tölgyfaasztalra, oldalról megvilágított közelképben, látható füllel és mázzal. Az eredmény e döntésekhez mérhető kép.

Szerkesztés kis referenciakészlettel

A dokumentált 4B profil legfeljebb négy bemeneti képet fogad. Mindegyikhez rendelj világos szerepet: termékmegjelenés, karakter, környezet vagy stílus. Ha az egyik kép a szerkesztendő jelenet, azonosítsd, és add meg a változást és megtartandó részleteket is. Például az első képről tartsd meg a csésze sziluettjét és felületét, a másodikból használd a szobát, és csak az asztal borítását cseréld. A referenciasorrend és pontos változtatási utasítás világosabb célt ad a módosításnak, mint általános javítás kérése.

A gyártó ezt a kompakt referenciakeretet megkülönbözteti a nagyobb FLUX.2 változatokétól. Azt is kijelenti, hogy a [klein] nem használ prompt upsamplinget. A fontos leíró információkat magad add meg, a hivatkozott tárgyak kapcsolatával együtt, ne rövid címke automatikus bővítésére támaszkodj. Sorozatnál tartsd meg ugyanazt a témareferenciát és vizuális követelményeket, egyszerre egy jelenetdöntést változtatva.

Kimeneti beállítások és kiadási határok

A gyártó pontos 4B profilja JPEG, PNG és WebP kimenetet sorol fel, alapértelmezetten JPEG-gel. A dokumentált konkrét szélesség és magasság legalább 64 pixel; a referencia-modellkártya példája 1024×1024-es képet használ. Ez a példa mintavételi konfiguráció, nem állítás arról, hogy minden feladatnak négyzetesnek kell lennie, vagy hogy 1024 pixel a modell maximuma. A vizuális leírás előkészítése előtt válaszd ki a kívánt kivágást és megjelenítési formát, majd ebben a méretben hasonlítsd össze az apró feliratokat és részleteket.

A közzétett négylépéses példa guidance_scale 1.0 értéket használ. Ezt a desztillált kiadást különítsd el a FLUX.2 [klein] Base 4B-től, amelynek nem desztillált tanítási jele adaptációhoz, LoRA-tanításhoz és kutatáshoz készült. A Base 4B és a 9B modellek külön választások, eltérő előkészítési és mintavételi szempontokkal. A kompakt modell szokásos vezérlői a [flex] állítható lépéseitől és guidance-ától is eltérnek; a [max]-nak saját kereséses megalapozási képessége van.

A képen ellenőrizendő részletek

A pontos modellkártya szerint ez a modell nem tényszerű információforrás. A képen belüli írott szöveg pontatlan vagy torz lehet, a generált jelenet eltérhet a kéréstől. A prompt stílusa jelentősen befolyásolja az utasításkövetést. Ellenőrizd a helyesírást, mennyiségeket, címkéket, témaazonosságot és a konkrét megtartandó tárgyakat; a vonzó kompozíció nem bizonyítja egy termékjellemző vagy ábrázolt tény helyességét. A gyártó azt is jelzi, hogy a statisztikai kimenetek tükrözhetik a tanítóadatok torzításait.

Ellenőrzött képhez őrizd meg a forrásreferenciákat, végső szöveget és kiválasztott modellazonosságot a képpel együtt. A kiadási dokumentáció megkülönbözteti a referenciakód példabeli pixelszintű vízjelezését a gyártó hosztolt kimeneti folyamatában alkalmazott C2PA eredetmetaadatoktól. A visszaadott eredetinformáció megőrzése segít az alkotás származásának magyarázatában; ez elkülönül annak ellenőrzésétől, hogy a kért vizuális változtatás sikerült-e.