FLUX.1 คืออะไร โมเดลที่อยู่เบื้องหลังคุณภาพภาพรุ่นปัจจุบันจำนวนมาก

FLUX ไม่ได้มีแค่โมเดลเดียว ครอบครัวแยกเป็นรุ่นย่อยที่กลั่นให้เร็ว สร้างภาพใช้ได้ในไม่กี่สเต็ป รุ่นกลางที่ดาวน์โหลดได้แบบเปิดแต่มีเงื่อนไขเชิงพาณิชย์ และรุ่นท็อปที่ให้ผ่านส่วนติดต่อโปรแกรม (API) ไม่ใช่ไฟล์

ผลที่สำคัญกว่าคือกฎหมาย ไม่ใช่เทคนิค การเลือกใช้รุ่นที่ดาวน์โหลดได้เพราะสะดวก แล้วนำผลลัพธ์ไปใช้งานเชิงพาณิชย์ คือความผิดพลาดที่เกิดบ่อย สิทธิ์ตามใบอนุญาต ไม่ใช่ตัวโมเดล จะเป็นตัวกำหนดว่าทำได้หรือไม่

โปรดตรวจว่าบริการโฮสต์กำลังรันรุ่นใดย่อยอยู่ ก่อนจะสรุปว่าสามารถทำอะไรกับผลลัพธ์ได้บ้าง บริการมักไม่ระบุชัด และคำตอบนี้เปลี่ยนสิ่งที่ท่านเป็นเจ้าของ

ประสบการณ์จริงที่ผู้ใช้รายงานคือมันเถียงน้อย ขอวัตถุสามชิ้นจัดวางแบบเฉพาะ มักได้วัตถุสามชิ้นจัดวางตามนั้น แทนที่จะได้ภาพสวยที่มีสองชิ้นและจัดวางต่างไป

แต่นั่นแลกกับสิ่งจริงจัง โมเดลที่ยึดคำสั่งแน่นจะไม่ค่อยช่วยยกระดับ prompt ที่กลาง ๆ คำสั่งกว้างจึงคืนภาพกว้าง แทนที่จะได้ภาพเด่น โมเดลที่มีความเห็นเชิงสไตล์แรงจะทำให้ prompt ขี้เกียจดูดีขึ้นแต่จะสู้กับคำสั่งเจาะจง นี่คือปลายอีกด้านของสมดุลนั้น

ผลเชิงปฏิบัติคือ รายละเอียดได้รับผลตอบแทนที่ชัดในที่นี่มากกว่าที่อื่น ระบุแสง ระยะโฟกัส และสื่อ จะเปลี่ยนผลลัพธ์ได้เห็นได้ชัด นี่คือเหตุผลที่คำแนะนำ prompt บนไซต์นี้เขียนในกรอบดังกล่าว

ตัวอักษรที่อ่านออกเคยเป็นวิธีเช็กภาพที่สร้างขึ้นได้แน่นปึ้ก ป้ายมักออกมาเป็นตัวอักษรคล้ายจริงแต่ไม่ใช่คำ เพราะโมเดล diffusion ประกอบรูปทรงตัวอักษรจากสถิติภาพ ไม่ได้สะกดคำ

FLUX ดีกว่ามากในเรื่องนี้ และสตริงสั้น ๆ — คำเดียวบนป้าย ฉลากบนแพ็กเกจ ชื่อบนโปสเตอร์ — มักอ่านออกพอให้ใช้วางแผนออกแบบได้ แต่มันไม่ใช่เอนจินจัดวางตัวอักษร: ข้อความยาวยังเสื่อม และยิ่งยาวโอกาสยิ่งแย่

เทคนิคที่ใช้ได้จริงคือขอข้อความให้น้อยกว่าที่ต้องการ แล้วเติมให้สมบูรณ์ในเครื่องมือออกแบบจริง ภาพฉากหลังที่สร้างพร้อมคำที่อ่านออกหนึ่งคำ แล้วไปจบในเครื่องมือจริง จะชนะภาพที่พยายามอบย่อหน้าที่ยังสะกดเกือบถูกลงไปในพิกเซล

เมื่อเทียบกับ Stable Diffusion มันคือผลงานใหม่กว่าจากทีมที่ทับซ้อนกัน: ผลลัพธ์โดยรวมแข็งแรงกว่าและทำตามคำสั่งดีกว่า แลกกับจำนวน checkpoints และตัวแปลงสไตล์จากชุมชนที่ยังน้อยกว่า

เมื่อเทียบกับ Midjourney มันมีความเห็นเชิงสไตล์น้อยกว่า Midjourney จะสร้างงานที่มีมุมมองจาก prompt สั้น ๆ ส่วน FLUX จะทำตามที่ท่านขอ ซึ่งดีกว่าเมื่อท่านรู้เป้าชัด และแย่กว่าเมื่อท่านหวังให้โมเดลเซอร์ไพรส์

เมื่อเทียบกับโมเดลที่ผูกกับผู้ช่วยแบบปิด มันคือโมเดลที่ท่านรันหรือโฮสต์เองได้จริง ซึ่งสำคัญเมื่อข้อจำกัดเรื่องปริมาณงาน ความเป็นส่วนตัว หรือการทำซ้ำได้ เป็นเงื่อนไขมากกว่าเป็นความชอบ

ภาพถ่ายบนไซต์นี้สร้างด้วยตระกูล FLUX — หน้าแกลเลอรีระบุโมเดลบนการ์ดทุกใบคู่กับ prompt และ seed จึงตรวจสอบได้จริง ไม่ใช่กล่าวอ้างลอย ๆ เราไม่มีความสัมพันธ์ทางการค้ากับ Black Forest Labs มันเป็นเครื่องมือที่เราจ่ายใช้เหมือนคนอื่น

เหตุผลที่เราบอกว่าแต่ละภาพเกิดจากโมเดลใด ก็เพราะไซต์ที่ชี้ให้เห็นคุณค่าของงาน craft ด้าน prompt แต่ไม่ยอมเปิดเผยที่มาของภาพตนเอง กำลังทำลายข้อโต้แย้งของตัวเอง หาก prompt บนหน้าแกลเลอรีเป็นของจริง ก็ต้องรันซ้ำได้ และชื่อโมเดลคือส่วนหนึ่งของการรันนั้น