Black Forest Labs: FLUX.2 Klein 4B

FLUX.2 [klein] 4B è il modello compatto di Black Forest Labs per creare un’immagine da una descrizione testuale e modificare immagini con riferimenti visivi. Il transformer a flusso rettificato da quattro miliardi di parametri riunisce generazione e modifica in un’unica architettura. L’edizione denominata 4B ha una distillazione dei passi e l’esempio di riferimento del produttore usa quattro passi di inferenza.

Il ruolo del modello è una bozza visiva o una revisione interattiva: esplorare una scena di prodotto, cambiare l’abbigliamento di un personaggio, combinare un soggetto con un’ambientazione o affinare l’aspetto di un’illustrazione. Inizia dall’evento o dalla composizione importante, poi descrivi soggetto, materiale, illuminazione e punto di vista. Un brief concreto potrebbe collocare una tazza di ceramica blu opaca su un tavolo di rovere chiaro, con una vista ravvicinata illuminata di lato che mantenga visibili manico e smalto. Il risultato è un’immagine da ispezionare rispetto a tali decisioni.

Modificare con un piccolo insieme di riferimenti

Il profilo 4B documentato accetta fino a quattro immagini in ingresso. Assegna un ruolo chiaro a ciascuna: aspetto del prodotto, personaggio, ambientazione o stile. Se un’immagine è la scena da modificare, identificala e indica sia il cambiamento sia i dettagli da mantenere. Per esempio, conserva sagoma e superficie della tazza della prima immagine, usa la stanza della seconda e sostituisci solo il rivestimento del tavolo. Ordine dei riferimenti e istruzione di modifica precisa danno alla revisione un obiettivo più chiaro di una richiesta di miglioramento generico.

Il produttore distingue questo budget compatto di riferimenti dalle varianti FLUX.2 più grandi. Afferma inoltre che [klein] non ha espansione del prompt. Fornisci tu le informazioni descrittive importanti, inclusa la relazione fra gli oggetti di riferimento, anziché affidarti all’ampliamento automatico di una breve etichetta. Per una serie, mantieni gli stessi riferimenti del soggetto e requisiti visivi, cambiando una decisione di scena alla volta.

Impostazioni di output e confini fra edizioni

Il profilo esatto 4B del produttore elenca output JPEG, PNG e WebP, con JPEG predefinito. Larghezza e altezza esplicite sono documentate con un minimo di 64 pixel ciascuna; l’esempio della scheda del modello di riferimento usa un’immagine 1024×1024. Tale esempio è una configurazione di campionamento, non l’affermazione che ogni attività debba essere quadrata o che 1024 pixel siano il massimo del modello. Scegli ritaglio e formato di visualizzazione previsti prima di preparare il brief visivo, poi confronta scritte fini e piccole caratteristiche a tali dimensioni.

L’esempio pubblicato a quattro passi usa guidance_scale 1.0. Mantieni distinta questa edizione distillata da FLUX.2 [klein] Base 4B, il cui segnale di addestramento non distillato è destinato ad adattamento, addestramento LoRA e ricerca. Base 4B e i modelli 9B sono scelte distinte, con considerazioni diverse di preparazione e campionamento. Anche i controlli standard del modello compatto differiscono dai passi e dalla guidance regolabili di [flex]; [max] ha una propria capacità di ricerca per il grounding.

Dettagli da verificare nell’immagine

La scheda esatta del modello afferma che non è una fonte di informazioni fattuali. Il testo scritto in un’immagine può essere inesatto o distorto e la scena generata può discostarsi dalla richiesta. Lo stile del prompt influisce notevolmente sull’aderenza. Controlla ortografia, quantità, etichette, identità del soggetto e oggetti specifici che devono restare; una composizione attraente non dimostra che una caratteristica di prodotto o un fatto illustrato siano corretti. Il produttore osserva inoltre che gli output statistici possono riflettere distorsioni dei dati di addestramento.

Per una risorsa verificata, conserva riferimenti sorgente, testo finale e identità del modello selezionato insieme all’immagine. La documentazione di rilascio distingue la filigrana a livello di pixel d’esempio nel codice di riferimento dai metadati di provenienza C2PA applicati nel flusso di output ospitato dal produttore. Conservare la provenienza restituita aiuta a spiegare l’origine della risorsa; è distinto dal verificare se la modifica visiva richiesta sia riuscita.