Black Forest Labs: FLUX.2 Klein 4B

FLUX.2 [klein] 4B adalah model ringkas Black Forest Labs untuk membuat gambar dari deskripsi teks dan menyunting gambar dengan referensi visual. Transformer rectified-flow berparameter empat miliar ini menempatkan generasi dan penyuntingan dalam satu arsitektur. Edisi bernama 4B didistilasi berdasarkan langkah, dan contoh referensi produsen menggunakan empat langkah inferensi.

Peran model adalah draf atau revisi visual interaktif: menjelajahi adegan produk, mengubah pakaian karakter, menggabungkan subjek dengan latar, atau menyempurnakan tampilan ilustrasi. Mulailah dengan peristiwa atau komposisi yang penting, lalu jelaskan subjek, material, pencahayaan, dan sudut pandang. Brief konkret dapat menempatkan cangkir keramik biru matte di atas meja oak pucat, dengan pandangan dekat bercahaya samping yang memperlihatkan gagang dan glasirnya. Hasilnya adalah gambar untuk diperiksa terhadap keputusan tersebut.

Penyuntingan dengan kumpulan referensi kecil

Profil 4B yang didokumentasikan menerima hingga empat gambar masukan. Tetapkan peran jelas untuk masing-masing: tampilan produk, karakter, latar, atau gaya. Jika satu gambar merupakan adegan yang disunting, tentukan gambar itu dan nyatakan perubahan sekaligus detail yang dipertahankan. Misalnya, pertahankan siluet dan permukaan cangkir dari gambar pertama, gunakan ruangan dari gambar kedua, dan ganti hanya penutup meja. Urutan referensi dan instruksi perubahan yang tepat memberi revisi sasaran lebih jelas dibanding permintaan peningkatan umum.

Produsen membedakan anggaran referensi ringkas ini dari varian FLUX.2 yang lebih besar. Produsen juga menyatakan bahwa [klein] tidak memiliki prompt upsampling. Berikan sendiri informasi deskriptif yang penting, termasuk hubungan antarobjek referensi, alih-alih mengandalkan perluasan otomatis dari label pendek. Untuk sebuah seri, pertahankan referensi subjek dan persyaratan visual yang sama sambil mengubah satu keputusan adegan setiap kali.

Pengaturan keluaran dan batas antaredisi

Profil 4B produsen yang tepat mencantumkan keluaran JPEG, PNG, dan WebP, dengan JPEG sebagai bawaan. Nilai lebar dan tinggi eksplisit didokumentasikan dengan minimum masing-masing 64 piksel; contoh kartu model referensi menggunakan gambar 1024×1024. Contoh tersebut adalah konfigurasi sampling, bukan pernyataan bahwa setiap tugas harus persegi atau bahwa 1024 piksel merupakan maksimum model. Pilih potongan dan bentuk tampilan yang dimaksud sebelum menyiapkan brief visual, lalu bandingkan huruf halus dan fitur kecil pada ukuran tersebut.

Contoh empat langkah yang diterbitkan menggunakan guidance_scale 1.0. Pisahkan edisi terdistilasi ini dari FLUX.2 [klein] Base 4B, yang sinyal pelatihan tanpa distilasinya ditujukan untuk adaptasi, pelatihan LoRA, dan penelitian. Base 4B dan model 9B adalah pilihan berbeda, dengan pertimbangan persiapan dan sampling berbeda. Kendali standar model ringkas ini juga berbeda dari langkah dan guidance [flex] yang dapat diatur; [max] memiliki kemampuan pencarian grounding tersendiri.

Detail yang perlu diverifikasi dalam gambar

Kartu model yang tepat menyatakan bahwa model ini bukan sumber informasi faktual. Teks tertulis dalam gambar dapat keliru atau terdistorsi, dan adegan yang dihasilkan dapat menyimpang dari permintaan. Gaya prompt sangat memengaruhi kepatuhan. Periksa ejaan, jumlah, label, identitas subjek, dan objek spesifik yang harus dipertahankan; komposisi menarik tidak membuktikan bahwa fitur produk atau fakta yang diilustrasikan benar. Pembuat juga mencatat bahwa keluaran statistik dapat mencerminkan bias data pelatihan.

Untuk aset yang ditinjau, simpan referensi sumber, kata-kata akhir, dan identitas model pilihan bersama gambar. Dokumentasi rilis membedakan contoh watermark tingkat piksel dalam kode referensi dari metadata asal-usul C2PA yang diterapkan dalam alur keluaran terhosting produsen. Menyimpan asal-usul yang dikembalikan membantu menjelaskan asal aset; hal itu terpisah dari pemeriksaan apakah perubahan visual yang diminta berhasil.