Black Forest Labs: FLUX.3 Image

FLUX 3 Image är Black Forest Labs modell för bildgenerering och redigering med uttrycklig kontroll över kompositionen. En textbeskrivning kan skapa en ny scen; inskickade bilder kan fastställa ett motiv, en scen att bearbeta eller flera element att kombinera. Begränsningsrutor låter instruktionen ange var varje element hör hemma och vilka delar av en befintlig bild som ska ändras. Resultatet är en bild där begärd scen, text och layout kan granskas.

Skapa en scen eller ge en redigeringsinstruktion

För en ny bild beskriver du motiv, handling eller pose, miljö, ljus och utsnitt. Sätt exakt ordalydelse i bilden inom citattecken och ange var den visas. En egen produktinstruktion kan visa en röd campingmugg på en ljus stenyta, med en stor rubrik ovanför och mjukt morgonljus som framhäver handtaget. Definiera relationen mellan rubrik, produkt och bakgrund i stället för att ange orelaterade stilord.

För redigering identifierar du det specifika föremålet och ändringen: färga om muggen, ersätt en etikett, flytta en figur eller ändra scenens stil. En enda redigering kräver ingen manuellt ritad ruta. Det dokumenterade flödet utökar instruktionen före generering och kan lokalisera det namngivna elementet och lägga till en ruta automatiskt. Den returnerade utökade prompten registrerar tolkningen, vilket är användbart när en instruktion väljer fel föremål eller tillför en oönskad detalj.

Kombinera och förbered referensbilder

Tillverkarens specifika profil tar emot en till tio referenser som bild-URL:er eller kodade bilddata. Var och en måste vara minst 256×256 pixlar och högst 16 megapixlar. Namnge en referens genom dess position eller synliga innehåll och förklara sedan dess roll: personen från Image 1, jackan från Image 2 och rummet från Image 3. En bildreferens är en källa till visuell information, inte en instruktion att kopiera varje orelaterad detalj i den.

Inställningen för bildförhållande har auto som standard. I förfrågningsspecifikationen prioriteras ett förhållande som begärs i prompten; annars fastställer första referensen utsnittet, med kvadratiska utdata som reserv när varken en referens eller begärd form anger det. För en komposition placerar du avsedd scenreferens först eller väljer förhållandet uttryckligen. Behåll källbilderna och deras ordning med resultatet så att en senare revidering använder samma visuella utgångspunkt.

Placera element med begränsningsrutor

En layoutprompt kombinerar en bildtext med en JSON-array av elementrader. Bildtexten namnger ett element genom en markör som <cup_1>; raden innehåller id, bbox och desc. Koordinaterna är heltal från 0 till 1000 i ordningen [top, left, bottom, right], mätta från det övre vänstra hörnet. Exempelvis beskriver [0, 0, 500, 500] den övre vänstra fjärdedelen oberoende av bildens pixeldimensioner. Använd bildförhållandet som layouten utformats för, eftersom koordinatrutnätet sträcks med ramen.

En redigeringsrad använder i stället from, src_bbox och tgt_bbox tillsammans med identifierare och beskrivning. ref_image_0 betyder den första inskickade bilden. Matchande käll- och målrutor förankrar ett element; olika rutor flyttar eller ändrar storlek på det. En ny rad utan källa genererar sin beskrivning på målplatsen och möjliggör tillägg, ersättningar eller omfärgning. En källrad utan mål tar bort elementet. Ange tillägg och borttagningar i både den skrivna instruktionen och raderna, och behåll förankringsrader för detaljer som måste stanna på plats.

Ge text en egen ruta och citera dess exakta ordalydelse i desc. Rutorna styr placering och skala; de är inte urklippsmasker, så ett element kan sträcka sig utanför rektangeln. Tillverkaren rapporterar att nya föremål i rutor runt 40×25 pixlar ofta inte visades i dess exempel. Ge tillräckligt synligt utrymme och granska de redigerade gränserna. Pixlar utanför målet brukar förbli stabila, men skuggor, reflexer och närliggande belysning kan fortfarande ändras.

Informationsförankring, utdataklasser och användbara underlag

Den dokumenterade profilen aktiverar informationsförankring som standard, så att webb- och bildsökning kan informera genereringen. Den kan inaktiveras för en instruktion som enbart ska använda sin inskickade beskrivning och referenser. För ett verkligt motiv identifierar du platsen, händelsen eller föremålet tydligt och håller faktainnehåll separat från konstnärlig behandling. Sökinformerade bilder behöver fortfarande jämföras med auktoritativt material när en etikett, ett föremål eller en avbildad händelse måste vara korrekt.

De fem upplösningsklasserna är 768sq, 1k, 1.5k, 2k och 4k, med 1k som standard. De representerar nivåer med samma pixelarea, så exakt bredd och höjd beror på valt förhållande. Femton fasta förhållanden går från 21:9 via kvadratiska och stående format till 9:21. Modellprofilen styr storleken genom förhållande och upplösning; den exponerar inte fälten seed, width eller height som används i förfrågningsprofilerna för FLUX.2. Dess dokumenterade versionsväljare namnger för närvarande en rörlig utgåva i stället för att fastställa en daterad matchning av leverantörsvikter.

Tillverkarflödet returnerar en bild efter asynkron bearbetning tillsammans med den utökade prompten. Dess signerade bildnedladdningslänk gäller i en timme. Bevara själva bilden, den slutliga prompten och referenserna i stället för att förlita dig på en tillfällig länk. För ett granskat material jämför du begärd text, objektplacering, referensidentitet och ändrat område i avsedd visningsstorlek. En färdig generering är utgångspunkten för att kontrollera dessa visuella krav.