Black Forest Labs: FLUX.3 Image

FLUX 3 Image er Black Forest Labs’ modell for bildegenerering og -redigering med uttrykkelig kontroll over komposisjonen. En tekstbeskrivelse kan lage en ny scene; innsendte bilder kan fastsette et motiv, en scene som skal bearbeides eller flere elementer som skal kombineres. Avgrensningsbokser lar beskrivelsen angi hvor hvert element hører hjemme, og hvilke deler av et eksisterende bilde som skal endres. Resultatet er et bilde med den ønskede scenen, teksten og layouten som kan undersøkes.

Lag en scene eller gi en redigeringsinstruksjon

For et nytt bilde beskriver du motivet, handlingen eller posituren, omgivelsene, lyset og utsnittet. Sett nøyaktig ordlyd som skal stå i bildet i anførselstegn, og angi hvor den vises. En original produktbeskrivelse kan vise et rødt turkrus på en lys steinoverflate, med en stor overskrift over og mykt morgenlys som fremhever hanken. Definer forholdet mellom overskriften, produktet og bakgrunnen, fremfor å tilby urelaterte stilord.

For redigering angir du det konkrete objektet og endringen: gi kruset ny farge, bytt en etikett, flytt en figur eller endre scenens stil. En enkelt redigering krever ikke en manuelt tegnet boks. Den dokumenterte arbeidsflyten utvider instruksjonen før generering og kan finne det navngitte elementet og legge til en boks automatisk. Den returnerte utvidede prompten registrerer denne tolkningen, noe som er nyttig når en instruksjon velger feil objekt eller innfører en uønsket detalj.

Kombiner og klargjør referansebilder

Den spesifikke produsentprofilen godtar ett til ti referansebilder, sendt inn som bilde-URL-er eller kodede bildedata. Hvert må være minst 256×256 piksler og ikke større enn 16 megapiksler. Navngi en referanse etter posisjonen eller synlig innhold, og forklar deretter rollen: personen fra Image 1, jakken fra Image 2 og rommet fra Image 3. En bildereferanse er en kilde til visuell informasjon, ikke en instruksjon om å kopiere hver urelaterte detalj den inneholder.

Innstillingen for sideforhold har auto som standard. I forespørselsspesifikasjonen har et sideforhold som etterspørres i prompten, prioritet; ellers fastsetter den første referansen utsnittet, med kvadratisk resultat som reservevalg når verken en referanse eller et ønsket format angir det. For en montasje plasserer du den ønskede scenereferansen først eller velger sideforholdet uttrykkelig. Behold kildebildene og rekkefølgen deres sammen med resultatet, slik at en senere revisjon bruker det samme visuelle utgangspunktet.

Plasser elementer med avgrensningsbokser

En layoutprompt kombinerer en bildetekst med en JSON-liste av elementrader. Bildeteksten navngir et element gjennom en markør som <cup_1>; raden inneholder id, bbox og desc. Koordinatene er heltall fra 0 til 1000 i rekkefølgen [top, left, bottom, right], målt fra øvre venstre hjørne. For eksempel beskriver [0, 0, 500, 500] øvre venstre fjerdedel uansett bildets pikseldimensjoner. Bruk sideforholdet layouten er laget for, fordi dette koordinatnettet strekkes med formatet.

En redigeringsrad bruker i stedet from, src_bbox og tgt_bbox sammen med identifikatoren og beskrivelsen. ref_image_0 betyr det første innsendte bildet. Samsvarende kilde- og målbokser forankrer et element; ulike bokser flytter det eller endrer størrelsen. En ny rad uten kilde genererer beskrivelsen på målplasseringen og muliggjør tillegg, erstatninger eller omfarging. En kilderad uten mål fjerner elementet. Angi tillegg og fjerning både i den skriftlige instruksjonen og i radene, og behold forankringsrader for detaljer som må bli på plass.

Gi tekst en egen boks, og sett den nøyaktige ordlyden i anførselstegn i desc. Bokser styrer plassering og størrelse; de er ikke klippemasker, så et element kan strekke seg utenfor rektangelet. Produsenten rapporterer at nye objekter i bokser på omkring 40×25 piksler ofte ikke dukket opp i eksemplene. Gi nok synlig plass, og undersøk de redigerte grensene. Piksler utenfor målet forblir vanligvis stabile, men skygger, refleksjoner og nærliggende lyssetting kan fortsatt endres.

Forankring, utdataklasser og nyttige opplysninger

Den dokumenterte profilen aktiverer forankring som standard og lar nett- og bildesøk informere genereringen. Dette kan deaktiveres for en beskrivelse som bare skal bruke innsendt tekst og referanser. For et virkelig motiv angir du lokasjonen, hendelsen eller objektet tydelig og holder faktainnhold atskilt fra kunstnerisk behandling. Søkestyrte bilder må fortsatt sammenlignes med autoritativt materiale når en etikett, et objekt eller en avbildet hendelse skal være korrekt.

De fem oppløsningsklassene er 768sq, 1k, 1.5k, 2k og 4k, med 1k som standard. De representerer nivåer med samme pikselareal, så den nøyaktige bredden og høyden avhenger av det valgte sideforholdet. Femten faste sideforhold strekker seg fra 21:9 via kvadratiske og stående formater til 9:21. Denne modellprofilen styrer størrelse gjennom sideforhold og oppløsning; den eksponerer ikke feltene seed, width eller height som brukes i forespørselsprofilene for FLUX.2. Den dokumenterte versjonsvelgeren navngir for tiden en løpende utgivelse fremfor å fastslå et datert samsvar med leverandørens modellvekter.

Produsentens arbeidsflyt returnerer et bilde etter asynkron behandling, sammen med den utvidede prompten. Den signerte nedlastingslenken for bildet er gyldig i én time. Behold selve bildet, den endelige prompten og referansene fremfor å støtte deg på en midlertidig lenke. For et gjennomgått bilde sammenligner du ønsket tekst, objektplassering, referanseidentitet og det endrede området i den tiltenkte visningsstørrelsen. En fullført generering er utgangspunktet for å kontrollere disse visuelle kravene.