Black Forest Labs: FLUX 3 Image Klein

FLUX 3 Image Klein to model do generowania i edycji obrazów od Black Forest Labs. Jest to model z otwartymi wagami, co oznacza, że wagi są publikowane, a nie udostępniane wyłącznie za pośrednictwem usługi hostowanej. Black Forest Labs to dostawca stojący za rodziną FLUX, a ten wpis znajduje się w kategorii obrazów na api14.

Model przyjmuje dane wejściowe w postaci tekstu i obrazów oraz generuje dane wyjściowe w postaci obrazów. Ta kombinacja obejmuje zarówno generowanie obrazów na podstawie tekstu, jak i edycję opartą na obrazach referencyjnych. Okno kontekstu wynosi 46 864 tokeny, a maksymalna długość danych wyjściowych to 42 177 tokenów. Żądania dotyczące obrazów udostępniają kilka elementów sterujących: rozdzielczość można ustawić na 768, 1K, 1,5K, 2K lub 4K; współczynnik proporcji przyjmuje szeroki zestaw wartości, w tym 21:9, 16:9, 3:2, 4:3, 1:1, 4:5, 3:4, 9:16, 9:21 oraz auto; liczba obrazów na żądanie jest stała i wynosi 1 (minimum 1, maksimum 1); a odniesienia wejściowe mogą wynosić od 0 do 10.

Te możliwości wskazują na kilka praktycznych wzorców. Przy zerowej liczbie obrazów referencyjnych model działa jako prosty generator obrazów na podstawie tekstu, a wyliczenia współczynnika proporcji i rozdzielczości pozwalają wybrać określony kształt kadru i rozmiar danych wyjściowych, od 768 do 4K. Przy jednym lub większej liczbie odniesień, do dziesięciu, staje się narzędziem do edycji i kompozycji: można dostarczyć obrazy referencyjne i poprosić o wynik, który zachowuje spójność postaci lub obiektów w całych danych wyjściowych. Opis dostawcy w szczególności wskazuje na edycję z wieloma odniesieniami, która zachowuje postacie i obiekty, więc projekty z powracającymi postaciami, zdjęciami produktów lub odniesieniami stylistycznymi są naturalnym zastosowaniem. Pojedynczy obraz wyjściowy na żądanie pasuje do przepływów pracy, w których każde wywołanie tworzy jeden zasób do przeglądu lub przekazania dalej.

Wywołuje się go przez API zgodne z OpenAI w api14, używając identyfikatora modelu "black-forest-labs/flux-3-image-klein". Ponieważ interfejs jest zgodny z formatem OpenAI, istniejące biblioteki klienckie OpenAI i kształty żądań działają po zmianie bazowego URL i identyfikatora modelu. Obsługiwanym parametrem dla tego modelu jest seed, który pozwala odtwarzać lub zmieniać generowanie w sposób deterministyczny. Wymienione powyżej elementy sterujące specyficzne dla obrazów (rozdzielczość, współczynnik proporcji, n i odniesienia wejściowe) są również częścią żądania. Ponieważ n jest ograniczone do 1, generowanie wsadowe oznacza wysyłanie wielu żądań, a nie proszenie o kilka obrazów jednocześnie.

Główne ograniczenia do rozważenia to stałe wyjście w postaci pojedynczego obrazu oraz skromny zakres parametrów, ograniczony do seed plus elementy sterujące obrazem. Jeśli zadanie jest wyłącznie tekstowe lub potrzebny jest model zwracający tekst zamiast obrazów, to nie jest właściwy wpis. Jeśli potrzebnych jest kilka obrazów z jednego wywołania, trzeba wysłać wiele żądań. Do generowania obrazów na podstawie tekstu i edycji opartej na odniesieniach w ramach wymienionych rozdzielczości i współczynników proporcji jest to bezpośrednie dopasowanie.