Black Forest Labs: FLUX.3 Image

FLUX 3 Image é o modelo de geração e edição de imagens da Black Forest Labs com controlo explícito sobre a composição. Uma descrição em texto pode criar uma nova cena; imagens fornecidas podem estabelecer um sujeito, uma cena a rever ou vários elementos a combinar. As caixas delimitadoras permitem que as instruções especifiquem onde cada elemento pertence e que partes de uma imagem existente devem mudar. O resultado é uma imagem, com a cena, o texto e a disposição pedidos para inspecionar.

Crie uma cena ou dê uma instrução de edição

Para uma nova imagem, descreva o sujeito, a ação ou pose, o cenário, a luz e o enquadramento. Coloque a redação exata dentro da imagem entre aspas e indique onde aparece. Uma instrução original de produto pode mostrar uma caneca vermelha de campismo numa superfície de pedra clara, com um título grande por cima e uma luz matinal suave a revelar a asa. Defina a relação entre o título, o produto e o fundo, em vez de apresentar palavras de estilo sem relação entre si.

Para edição, identifique o objeto específico e a alteração: mudar a cor da caneca, substituir um rótulo, mover uma figura ou alterar o estilo da cena. Uma edição única não exige uma caixa desenhada manualmente. O fluxo documentado expande a instrução antes da geração e pode localizar o elemento nomeado e acrescentar uma caixa automaticamente. A instrução expandida devolvida regista essa interpretação, o que é útil quando uma instrução seleciona o objeto errado ou introduz um pormenor indesejado.

Combine e prepare imagens de referência

O perfil exato do produtor aceita entre uma e dez referências, fornecidas como URL de imagens ou dados de imagem codificados. Cada uma tem de ter pelo menos 256×256 píxeis e não exceder 16 megapíxeis. Nomeie uma referência pela posição ou pelo conteúdo visível e explique depois o seu papel: a pessoa de Image 1, o casaco de Image 2 e a sala de Image 3. Uma imagem de referência é uma fonte de informação visual, e não uma instrução para copiar todos os pormenores sem relação com a tarefa que contém.

A definição de proporção tem auto por predefinição. Na especificação do pedido, uma proporção pedida na instrução tem prioridade; caso contrário, a primeira referência estabelece o enquadramento, com saída quadrada como alternativa quando nem uma referência nem um formato pedido o fornecem. Numa composição, coloque primeiro a referência da cena pretendida ou escolha explicitamente a proporção. Mantenha as imagens de origem e a sua ordem com o resultado, para que uma revisão posterior utilize o mesmo ponto de partida visual.

Posicione elementos com caixas delimitadoras

Uma instrução de disposição combina uma legenda descritiva com uma matriz JSON de linhas de elementos. A legenda nomeia um elemento através de um marcador como <cup_1>; a linha contém id, bbox e desc. As coordenadas são números inteiros entre 0 e 1000 na ordem [top, left, bottom, right], medidas a partir do canto superior esquerdo. Por exemplo, [0, 0, 500, 500] descreve o quarto superior esquerdo, independentemente das dimensões da imagem em píxeis. Utilize a proporção para a qual a disposição foi concebida, porque essa grelha de coordenadas se estica com o enquadramento.

Uma linha de edição utiliza, em alternativa, from, src_bbox e tgt_bbox, juntamente com o identificador e a descrição. ref_image_0 significa a primeira imagem fornecida. Caixas de origem e de destino iguais fixam um elemento; caixas diferentes movem-no ou redimensionam-no. Uma nova linha sem origem gera a sua descrição na posição de destino, permitindo acrescentar, substituir ou mudar a cor. Uma linha de origem sem destino remove o elemento. Indique as adições e remoções tanto na instrução escrita como nas linhas e conserve linhas de ancoragem para os pormenores que têm de permanecer no lugar.

Dê ao texto a sua própria caixa e coloque a redação exata entre aspas em desc. As caixas orientam a posição e a escala; não são máscaras de recorte, pelo que um elemento pode ultrapassar o retângulo. O fabricante relata que objetos novos em caixas de cerca de 40×25 píxeis frequentemente não apareciam nos seus exemplos. Deixe espaço visível suficiente e inspecione os limites editados. Os píxeis fora do destino normalmente mantêm-se estáveis, mas sombras, reflexos e iluminação próxima podem ainda mudar.

Fundamentação, classes de saída e registos úteis

O perfil documentado ativa a fundamentação por predefinição, permitindo que a pesquisa Web e de imagens informe a geração. Pode ser desativada para instruções que devem utilizar apenas a descrição e as referências fornecidas. Para um sujeito do mundo real, identifique claramente o local, o evento ou o objeto e mantenha o conteúdo factual separado do tratamento artístico. As imagens informadas por pesquisa continuam a precisar de comparação com material de fonte autorizada quando um rótulo, um objeto ou um evento representado têm de ser exatos.

As cinco classes de resolução são 768sq, 1k, 1.5k, 2k e 4k, com 1k por predefinição. Representam escalões com a mesma área de píxeis, pelo que a largura e a altura exatas dependem da proporção selecionada. Quinze proporções fixas vão de 21:9, passando pelos formatos quadrado e vertical, até 9:21. O perfil deste modelo controla o tamanho através da proporção e da resolução; não disponibiliza os campos seed, width ou height utilizados nos perfis de pedido FLUX.2. O seu seletor de versão documentado nomeia atualmente uma versão evolutiva, em vez de estabelecer uma correspondência datada com os pesos do fornecedor.

O fluxo do produtor devolve uma imagem após processamento assíncrono, juntamente com a instrução expandida. A ligação assinada de transferência da imagem é válida durante uma hora. Preserve a imagem efetiva, a instrução definitiva e as referências, em vez de depender de uma ligação temporária. Num recurso revisto, compare o texto pedido, a posição dos objetos, a identidade das referências e a região alterada no tamanho de apresentação pretendido. Uma geração concluída é o ponto de partida para verificar esses requisitos visuais.