flux-pro-1.0-fill-finetuned

Tekniske specifikationer for flux-pro-1-0-fill-finetuned

flux-pro-1-0-fill-finetuned er CometAPI’s platformidentifikator for Black Forest Labs’ FLUX.1 Fill [pro] finetune-billedredigerings-endpoint. Det er designet til inpainting-workflows, hvor du leverer et inputbillede plus enten en separat maske eller en alfamaske, og modellen redigerer kun de angivne områder baseret på en tekstprompt.

Modeloversigt

• Model-ID: flux-pro-1-0-fill-finetuned
• Udbyder / underliggende modelfamilie: Black Forest Labs FLUX.1 Fill [pro] finetune.
• Primær modalitet: Billede-til-billede, billedredigering og maskeret inpainting.
• Kommerciel brug: Angivet af CometAPI som understøtter kommerciel brug. (cometapi.com)
• CometAPI-pris: $0.096 pr. anmodning på CometAPI-modellsiden på tidspunktet for crawlen. (cometapi.com)

Dokumenterede anmodningsinput

• finetune_id: Påkrævet id for den fintunede model, der skal anvendes.
• image: Påkrævet base64-kodet kildebillede.
• mask: Valgfri base64-kodet sort-hvid maske; kan udelades, hvis det oprindelige billede allerede indeholder en alfamaske.
• prompt: Tekstinstruktion, der beskriver de ønskede ændringer.
• finetune_strength: Standard 1.1, tilladt interval 0 til 2.0.
• steps: Standard 50, tilladt interval 15 til 50.
• guidance: Standard 60, tilladt interval 1.5 til 100.
• prompt_upsampling: Valgfri boolesk for mere kreativ omskrivning af prompten.
• seed: Valgfrit heltal for reproducerbarhed.
• output_format: jpeg eller png, standard jpeg.
• safety_tolerance: Heltal fra 0 til 6, standard 2.
• Understøttelse af asynkron levering: webhook_url og webhook_secret understøttes.

Dokumenterede svarfelter

• id: Genereringsopgave-id.
• polling_url: URL til at tjekke opgavestatus.
• cost, input_mp, output_mp: Returnerede metadata om forbrug og billedstørrelse.

Hvad er flux-pro-1-0-fill-finetuned?

flux-pro-1-0-fill-finetuned er et specialiseret FLUX-billedredigerings-endpoint til personaliseret inpainting. I praksis kombinerer det den avancerede FLUX.1 Fill [pro]-redigeringsworkflow med en brugertrænet finetune, så du kan ændre udvalgte dele af et eksisterende billede, mens resten af scenen bevares, og emne-, produkt-, brand- eller stilekonsistens opretholdes.

Black Forest Labs beskriver sit FLUX Pro-fintuningssystem som en måde at tilpasse FLUX.1 [pro] med dine egne eksempelbilleder, herunder specifikke personer, kæledyr, tøj, klistermærker, brands eller visuelle stilarter. Virksomheden angiver også, at kombinationen af fintuning og FLUX.1 Fill [pro] muliggør personaliseret inpainting til iterativ redigering af et givet billede.

Hvis du allerede har en fintunet FLUX Pro-konceptmodel, er dette endpoint redigeringsversionen, der lader dig anvende det lærte koncept selektivt inden for maskede områder i stedet for at generere et helt nyt billede fra bunden. Det gør det især nyttigt til opdatering af annoncekreativer, produktretouchering, karakterkonsistente ændringer, revisioner af brandede aktiver og lokaliserede billedopdateringer. Dette er en slutning baseret på endpointets adfærd og Black Forest Labs’ beskrivelse af fintuning.

Hovedfunktioner ved flux-pro-1-0-fill-finetuned

• Personaliseret inpainting: Redigerer kun de maskede dele af et eksisterende billede, mens der anvendes en fintunet konceptmodel for at holde resultatet på linje med dit tilpassede emne eller din stil.
• Fintuningsbevidst redigering: Kræver et finetune_id, hvilket betyder, at endpointet er bygget til at anvende en tidligere trænet FLUX Pro-finetune under billedændring.
• Maskebaseret kontrol: Understøtter både separate masker og alfamaske-workflows, hvilket gør det praktisk til præcis objekterstatning, oprydning, forbedring eller områdespecifikt redesign.
• Prompt-styrede ændringer: Bruger naturligt sprog til at beskrive den ønskede ændring i det valgte område, hvilket muliggør fleksible visuelle redigeringer uden manuel komposition.
• Justerbar stilpåvirkning: finetune_strength lader dig styre, hvor stærkt den fintunede konceptpåvirkning slår igennem i det endelige billede, fra subtil påvirkning til meget udtalt personalisering.
• Kontrol af kvalitet og kreativitet: Parametre som steps, guidance og prompt_upsampling giver udviklere kontrol over fidelitet, efterlevelse af prompten og kreative variationer.
• Reproducerbare resultater: Valgfri seed-støtte hjælper med gentagelige tests og kontrolleret iteration på tværs af versioner af et kreativt aktiv.
• Produktionsvenlig asynkron arbejdsgang: Endpointet returnerer en opgave-id og en polling-URL og understøtter også webhooks til automatiserede pipelines.
• Kommerciel udrulningsvej: CometAPI angiver, at modellen er tilgængelig til kommerciel brug på sin platform. (cometapi.com)

Sådan får du adgang til og integrerer flux-pro-1-0-fill-finetuned

Trin 1: Tilmeld dig for API-nøgle

Tilmeld dig på CometAPI og opret din API-nøgle via dashboardet. Når du har din nøgle, kan du godkende anmodninger til flux-pro-1-0-fill-finetuned-API’et og begynde at integrere modellen i din applikation. CometAPI angiver, at denne model er tilgængelig på deres platform med eksempelkode og API-ressourcer, der kan strømline integrationen. (cometapi.com)

Trin 2: Send anmodninger til flux-pro-1-0-fill-finetuned-API’et

Send en anmodning til flux-pro-1-0-fill-finetuned-API’et med din foretrukne HTTP-klient eller SDK. Inkluder din API-nøgle, model-id’et flux-pro-1-0-fill-finetuned og den påkrævede payload til dit use case. For denne model betyder det typisk at angive et kildebillede, en maske eller alfamaske, en prompt og et finetune_id, så endpointet kan anvende dit trænede koncept under inpainting. Black Forest Labs dokumenterer dette endpoint som POST /v1/flux-pro-1.0-fill-finetuned med konfigurerbare parametre såsom finetune_strength, steps, guidance, output_format og valgfrie webhook-indstillinger.

Trin 3: Hent og verificér resultater

Hent genereringsresultatet ved hjælp af de svarmetadata, der returneres af API’et. For flux-pro-1-0-fill-finetuned indeholder det dokumenterede svar en opgave-id og en polling_url samt felter relateret til forbrug og billedstørrelse såsom cost, input_mp og output_mp. Verificér, at det redigerede output matcher det tiltænkte maskede område, bevarer den omgivende kontekst og konsekvent afspejler den fintunede konceptidentitet, før det promoveres til produktionsworkflows.