Ce este FLUX.1? Modelul din spatele multor imagini reușite de azi

FLUX nu este un singur model. Familia se împarte într-o variantă distilată, rapidă, construită să producă o imagine utilizabilă în foarte puțini pași, o variantă intermediară care este descărcabilă deschis dar poartă condiții de licență ce restricționează utilizarea comercială, și o variantă de top disponibilă prin API, nu ca fișier.

Consecința importantă este juridică, nu tehnică. A alege varianta descărcabilă deschis pentru că este comodă, apoi a-i folosi ieșirile comercial, este greșeala făcută cel mai des, iar licența — nu modelul — decide dacă acest lucru este permis.

Verificați ce variantă rulează efectiv un serviciu găzduit înainte de a presupune ce aveți voie să faceți cu rezultatul. Serviciile nu spun mereu, iar răspunsul schimbă ce dețineți.

Experiența practică relatată de utilizatori este că „se contrazice” mai puțin. Dacă cereți trei obiecte specifice aranjate într-un anumit fel, aveți mai multe șanse să obțineți trei obiecte aranjate așa, nu o imagine frumoasă cu două dintre ele și altă așezare.

Asta vine cu un schimb real. Un model care aderă strâns la instrucțiuni e mai puțin înclinat să îmbunătățească un prompt mediocru, astfel încât o cerere vagă întoarce o imagine vagă, nu una spectaculoasă. Modelele cu o opinie estetică mai puternică „flatează” prompt-urile leneșe și se luptă cu cele specifice; acesta este celălalt capăt al acelui schimb.

Implicația practică este că aici detaliul este răsplătit într-un fel în care nu este peste tot. A numi lumina, distanța focală și mediul schimbă rezultatul măsurabil, motiv pentru care îndrumarea de prompt de pe acest site este scrisă în acești termeni.

Literele lizibile erau ani la rând metoda sigură de a depista o imagine generată. Semnalistica ieșea ca o vorbăraie plauzibilă pentru că un model de diffusion asambla formele literelor din statistici vizuale, nu „scria”.

FLUX este substanțial mai bun la asta, iar șirurile scurte — un cuvânt pe un semn, o etichetă pe un ambalaj, un titlu pe un poster — ies lizibile suficient de des încât să puteți proiecta în jurul lor. Nu este un motor de compoziție tipografică: pasajele lungi tot se degradează, iar cu cât șirul este mai lung, cu atât șansele scad.

Tehnica practică este să cereți mai puțin text decât doriți și să adăugați restul corect ulterior. Un fundal generat cu un singur cuvânt lizibil, finisat într-un instrument de design real, bate o imagine generată cu un paragraf de literăraie pe-aproape „coaptă” în pixeli.

Față de Stable Diffusion, este munca mai nouă a unor oameni în parte comuni: ieșiri, în general, mai bune și urmărirea mai fidelă a instrucțiunilor, contra unui inventar mult mai mic de checkpoint-uri și adaptoare de stil din comunitate.

Față de Midjourney, este cel mai puțin „opinionat” dintre ele. Midjourney va face ceva cu punct de vedere dintr-un prompt scurt; FLUX va face ce ați cerut, lucru mai bun când știți exact ce vreți și mai slab când sperați să fiți surprins.

Față de modelele închise atașate unor asistenți, este cel pe care chiar îl puteți rula sau găzdui singur, ceea ce contează când debitul, confidențialitatea sau reproductibilitatea sunt constrângeri, nu preferințe.

Fotografiile de pe acest site sunt generate cu familia FLUX — galeria menționează modelul pe fiecare card, alături de prompt și seed, astfel încât afirmația poate fi verificată, nu doar enunțată. Nu avem nicio relație comercială cu Black Forest Labs; este o unealtă pe care o plătim ca oricine altcineva.

Spunem ce model a generat o imagine pentru că un site care pledează pentru măiestria prompt-ului, dar își ilustrează argumentul cu imagini a căror proveniență nu o dezvăluie, își subminează singur cazul. Dacă prompt-urile din galerie sunt reale, ele pot fi rulate, iar numele modelului face parte din posibilitatea de a le rula.