Какво е FLUX.1? Моделът зад голяма част от текущото качество на изображенията

FLUX не е един модел. Семейството се дели на бърз дистилиран вариант, създаден да даде използваемо изображение в много малко стъпки; междинен вариант, който е открито за изтегляне, но с лицензионни ограничения за търговска употреба; и най-висок вариант, достъпен през API, а не като файл.

Важната последица е юридическа, а не техническа. Да изберете открито изтегляемия вариант, защото е удобен, и после да използвате изхода му търговски — това е най-честата грешка, а именно лицензът, а не моделът, решава дали е позволено.

Проверете кой вариант всъщност пуска дадена хоствана услуга, преди да предположите какво Ви е позволено с резултата. Услугите не винаги казват, а отговорът променя какво притежавате.

Практичният опит, за който хората съобщават, е, че „спори“ по-малко. Помолете за три конкретни обекта, подредени по определен начин, и по-вероятно е да получите три обекта точно така подредени, а не красива картина с два от тях и различна подредба.

Това се разменя срещу нещо реално. Модел, който се придържа плътно към инструкции, по-малко е склонен да „подобрява“ посредствен prompt, така че неясна заявка връща неясна картина, а не впечатляваща. Модели със силно естетическо мнение ласкаят мързеливи prompt-и и се борят със специфични; това е другият край на размяната.

Работната последица е, че детайлът тук се възнаграждава по начин, който не е навсякъде. Назоваването на светлината, фокусното разстояние и медията променя осезаемо изхода — затова и насоките за prompt-и на този сайт са написани в тези термини.

Четливите надписи дълго бяха надежден начин да се разпознае генерирано изображение. Надписите излизаха като правдоподобна „жаргонина“, защото diffusion модел сглобяваше форми на букви от визуална статистика, вместо да спелува.

FLUX е значително по-добър в това и къси низове — дума на табела, етикет на опаковка, заглавие на плакат — излизат четими достатъчно често, за да се планира около тях. Това не е двигател за набор: дълги пасажи още се разпадат, и колкото по-дълъг е низът, толкова по-лоши са шансовете.

Практичната техника е да поискате по-малко текст, отколкото Ви трябва, и да добавите останалото правилно после. Генериран фон с една четлива дума, довършен в истински дизайн инструмент, е по-добър от генерирано изображение с параграф почти-четим текст, „изпечен“ в пикселите.

Спрямо Stable Diffusion това е по-новата работа на припокриващи се хора: обикновено по-силен изход и по-добро следване на инструкции, срещу далеч по-малък инвентар от общностни checkpoints и адаптери за стил.

Спрямо Midjourney е по-слабо „мнениеобразен“. Midjourney ще направи нещо с гледна точка от кратък prompt; FLUX ще направи каквото поискахте — по-добър е, когато знаете точно какво искате, и по-лош, когато разчитате да Ви изненада.

Спрямо затворените модели, прикачени към асистенти, това е онзи, който реално можете да пуснете или хоствате сами — важно е, когато пропускателна способност, поверителност или възпроизводимост са ограничения, а не предпочитания.

Фотографиите на този сайт са генерирани със семейството FLUX — галерията изписва модела на всяка карта заедно с prompt и seed, така че твърдението е проверимо, а не голословно. Нямаме търговски отношения с Black Forest Labs; това е инструмент, за който плащаме като всеки друг.

Причината да посочваме кой модел е направил дадено изображение е, че сайт, който защитава майсторството на prompt-и и илюстрира тезата си с изображения с непроизход, подкопава собствения си аргумент. Ако prompt-ите в галерията са истински, те могат да се пуснат — а името на модела е част от възпроизводимостта.