Kas yra FLUX.1? Modelis, slypintis už dabartinės vaizdų kokybės

FLUX — ne vienas modelis. Šeimą sudaro greitas, distiliuotas variantas, kuris iš mažai žingsnių pateikia tinkamą vaizdą; vidurinis variantas, kurį galima atvirai atsisiųsti, bet kurio licencija riboja komercinį naudojimą; ir aukščiausios kokybės variantas, pasiekiamas per API, o ne kaip failas.

Svarbiausia pasekmė — ne techninė, o teisinė. Dažniausia klaida — imti atvirai atsisiunčiamą variantą, nes taip patogiau, o tada naudoti jo išvestį komerciškai. Ar tai leidžiama, lemia licencija, o ne modelis.

Prieš darydami prielaidas, pasitikrinkite, kokį variantą iš tiesų naudoja talpinama paslauga. Paslaugos to ne visada nurodo, o atsakymas lemia, ką Jūs iš tikrųjų turite teisę naudoti.

Praktinė patirtis tokia: jis mažiau „ginčijasi“. Paprašius trijų konkrečių objektų tam tikra tvarka, dažniau gausite būtent tris objektus tokia tvarka, o ne gražų vaizdą su dviem iš jų ir kita kompozicija.

Tai turi kainą. Modelis, kuris griežtai laikosi instrukcijų, mažiau linkęs „patobulinti“ vidutinišką promptą, tad miglotas prašymas grąžina miglotą paveikslą, o ne įspūdingą vaizdą. Modeliai su stipresne estetika pataiso tingius promptus ir priešinasi konkretiems; čia — kita to monetos pusė.

Praktinė išvada: detalumas čia atsiperka labiau nei kitur. Šviesos pobūdžio, židinio nuotolio ir raižybos/medijos įvardijimas matomai keičia rezultatą, todėl šios svetainės promptų gairės ir rašomos tokiais terminais.

Daugelį metų įskaitomas tekstas buvo patikimas generuotų vaizdų „išdavikas“. Iškabos išeidavo kaip įtikinamas „marmalas“, nes difuzijos modelis lipdė raidžių formas iš vizualios statistikos, nieko „nenešdamas“ apie rašybą.

FLUX tai daro gerokai geriau: trumpi įrašai — žodis ant iškabos, etiketė ant pakuotės, antraštė ant plakato — pakankamai dažnai išeina įskaitomi, kad į tai jau galima remtis. Tai nėra maketavimo variklis: ilgi tekstai vis dar išsikraipo, ir kuo ilgesnė eilutė, tuo prastesnė tikimybė.

Praktinis būdas — prašyti mažiau teksto, nei galutinai reikia, o likutį sudėti jau tikru dizaino įrankiu. Sugeneruotas fonas su vienu įskaitomu žodžiu, užbaigtas profesionaliai, bus geresnis už vaizdą su įkeptu beveik teisingu pastraipos tekstu.

Lyginant su „Stable Diffusion“, tai naujesnis, iš dalies tų pačių žmonių darbas: paprastai stipresnė išvestis ir geresnis promptų laikymasis, bet daug mažesnis bendruomenės checkpoints ir stiliaus adapterių inventorius.

Lyginant su „Midjourney“, jis mažiau nuomonės turintis. „Midjourney“ iš trumpo prompto padarys kažką su „požiūriu“; FLUX padarys tai, ko prašėte, — geriau, kai tiksliai žinote, ko norite, ir prasčiau, kai norite būti nustebinti.

Lyginant su uždarais, prie asistentų prijungtais modeliais, tai tas, kurį galima realiai paleisti ar talpinti pačiam — svarbu, kai pralaidumas, privatumas ar atkartojamumas yra būtinybė, o ne pageidavimas.

Šios svetainės fotografijos generuotos su FLUX šeima — galerijoje ant kiekvienos kortelės nurodytas modelis, promptas ir seed, kad teiginį būtų galima patikrinti, o ne tik tikėti. Neturime jokių komercinių santykių su „Black Forest Labs“; tai įrankis, už kurį mokame kaip ir visi.

Modelį nurodome todėl, kad svetainė, mokanti prompto amatą ir iliustruojanti tai vaizdais, kurių kilmės neatskleidžia, pati sau pakenktų. Jei galerijos promptai tikri, juos galima paleisti, o modelio pavadinimas — būtina to sąlyga.