Mikä on FLUX.1? Malli monen nykyisen kuvanlaadun taustalla

FLUX ei ole yksi malli. Perhe jakautuu nopeaan, tislattuun varianttiin, joka tuottaa käyttökelpoisen kuvan hyvin harvoissa askelissa; keskivaihtoehtoon, joka on avoimesti ladattavissa mutta jonka lisenssi rajoittaa kaupallista käyttöä; ja huippuvarianttiin, joka on saatavilla API:n kautta tiedoston sijaan.

Tärkein seuraus on juridinen, ei tekninen. Avoimesti ladattavan version valitseminen siksi, että se on kätevä, ja sen työn käyttäminen kaupallisesti on se virhe, joka tehdään useimmin — ja luvan ratkaisee lisenssi, ei malli.

Tarkista, mitä varianttia hostattu palvelu oikeasti ajaa, ennen kuin oletat mitä saat tehdä tuloksella. Palvelut eivät aina kerro, ja vastaus muuttaa omistuksen.

Käytännön kokemus on, että se väittelee vähemmän. Pyydä kolmea tiettyä esinettä tietyssä järjestyksessä ja saat todennäköisemmin kolme esinettä juuri niin, etkä kaunista kuvaa kahdella niistä ja eri sommittelulla.

Se vaihtuu todelliseen asiaan. Malli, joka noudattaa ohjeita tiukasti, ei juuri paranna keskinkertaista prompttia, joten epämääräinen pyyntö palauttaa epämääräisen kuvan eikä imartele sitä näyttäväksi. Mallit, joilla on vahvempi esteettinen mielipide, kaunistavat laiskoja promptteja ja taistelevat täsmällisiä vastaan; tämä on tuon jaon toinen pää.

Työskentelyn johtopäätös on, että yksityiskohta palkitaan täällä tavalla, joka ei kaikkialla päde. Valon, polttovälin ja ilmaisuvälineen nimeäminen muuttaa tulosta mitattavasti, minkä vuoksi tämän sivuston prompt-ohjeistus kirjoitetaan niillä termeillä.

Luettava kirjaimisto oli vuosia varma tapa paljastaa generoitu kuva. Kyltit syntyivät näennäisen uskottavana siansakkana, koska diffuusiomalli kokosi kirjainten muodot visuaalisista tilastoista sen sijaan, että se olisi kirjoittanut mitään.

FLUX on tässä selvästi parempi, ja lyhyet merkkijonot — sana kyltissä, etiketti pakkauksessa, otsikko julisteessa — tulevat usein riittävän luettavina, jotta niiden varaan voi suunnitella. Se ei ole ladontakone: pitkät pätkät rapistuvat yhä, ja mitä pidempi teksti, sitä huonommat todennäköisyydet.

Käytännön tekniikka on pyytää vähemmän tekstiä kuin haluat ja lisätä loput kunnolla jälkikäteen. Generoitu tausta yhdellä luettavalla sanalla, viimeistelty oikeassa suunnittelutyökalussa, päihittää generoidun kuvan, johon on leivottu kappale lähes oikein kirjoitettua tekstiä pikseleiksi.

Verrattuna Stable Diffusioniin tämä on uudempi työ osin samoilta ihmisiltä: yleensä vahvempi ulostulo ja parempi ohjeiden noudattaminen, vastineeksi huomattavasti pienemmästä määrästä yhteisön checkpointteja ja tyyliadaptereita.

Verrattuna Midjourneyhin tämä on vähemmän mielipiteellinen. Midjourney tekee lyhyestä promptista jotain kantaa ottavaa; FLUX tekee sitä mitä pyydät, mikä on parempi kun tiedät täsmälleen mitä haluat ja huonompi kun toivot yllätyksiä.

Verrattuna suljettuihin assistenttiin kytkettyihin malleihin tämä on se, jonka voit oikeasti ajaa tai hostata itse — mikä merkitsee, kun läpimeno, yksityisyys tai toistettavuus ovat rajoitteita eivätkä mieltymyksiä.

Tämän sivuston valokuvat on tuotettu FLUX-perheellä — galleria kertoo mallin jokaisessa kortissa promptin ja seedin rinnalla, joten väite on todennettavissa eikä pelkkä lausuma. Meillä ei ole kaupallista suhdetta Black Forest Labsiin; se on työkalu, josta maksamme kuten muutkin.

Kerrottamme mallin siksi, että sivusto, joka perustelee prompttaustaitoa ja havainnollistaa sitä kuvilla, joiden alkuperää se ei suostu paljastamaan, ampuu itseään jalkaan. Jos gallerian promptit ovat aitoja, ne voi ajaa — ja mallin nimi on osa ajettavuutta.