ข้อกำหนดทางเทคนิค
| ข้อกำหนด | ข้อมูลที่ยืนยันแล้ว |
|---|---|
| ชื่อโมเดล | FLUX 3 Image |
| ผู้พัฒนา | Black Forest Labs (BFL) |
| หมวดหมู่ผลิตภัณฑ์ | การสร้างภาพและการแก้ไขภาพ |
| เวิร์กโฟลว์ที่ BFL แสดงว่ารองรับ | Text-to-image, image-to-image, การจัดองค์ประกอบแบบกำกับเค้าโครง (layout-guided composition), การแก้ไขแบบเจาะจง (targeted editing) |
| การควบคุมเค้าโครง | กรอบสี่เหลี่ยม (bounding boxes) พร้อมรหัสองค์ประกอบ (element IDs) และคำอธิบาย |
| ภาพอ้างอิง | สูงสุด 10 ภาพ ตามหน้ารุ่นอย่างเป็นทางการ |
| ตัวเลือกความละเอียด | หน้าราคาแสดงระดับ 768 × 768, 1K, 1.5K, 2K และ 4K |
| การสร้างภาพความละเอียดสูง | หน้าทางการสาธิตการสร้างแบบเนทีฟ 2K และ 4K; ตัวอย่างหนึ่งคือ 5456 × 3072 พิกเซล |
| การเข้าถึง API | BFL API; หน้าทางการยังลิงก์ไปยัง Playground |
| ตัวระบุโมเดลใน API | ยืนยันตัวระบุปัจจุบันในเอกสาร API ของ BFL; ไม่ยืนยันไว้ที่นี่ |
| การกำหนดราคาสาธารณะ | การตั้งราคาแบบแบ่งตามระดับความละเอียด; ดูหน้าราคา BFL ที่ออนไลน์อยู่ |
| ขอบเขตบริบท/จำนวนพารามิเตอร์ | ไม่ได้เปิดเผยต่อสาธารณะในเอกสารผลิตภัณฑ์ที่อ้างอิง |
| คะแนนเบนช์มาร์กสาธารณะมาตรฐาน | ไม่ได้จัดตั้งไว้ในข้อมูลทางการที่อ้างอิง |
| เวทแบบเปิดสำหรับโมเดลภาพนี้โดยเฉพาะ | โปรดตรวจสอบสถานะการอนุญาตและการเผยแพร่ปัจจุบัน; อย่าคาดการณ์ความพร้อมใช้งานจากผลิตภัณฑ์ FLUX อื่น |
What is Flux 3 Image
FLUX 3 Image ออกแบบมาสำหรับครีเอเตอร์และนักพัฒนาที่ต้องการควบคุมโครงสร้างของภาพที่สร้างได้มากกว่าการใช้พรอมต์ข้อความแบบง่าย หน้าเว็บผลิตภัณฑ์อย่างเป็นทางการแสดงเวิร์กโฟลว์สองแบบที่เกื้อหนุนกัน: สร้างองค์ประกอบภาพจากพรอมต์ข้อความ หรือกำหนดองค์ประกอบภาพและตำแหน่งของแต่ละองค์ประกอบด้วยกรอบสี่เหลี่ยมก่อนเรนเดอร์ กรอบเหล่านี้สามารถแก้ไขแยกกันได้ ช่วยให้ปรับเปลี่ยนแบบเจาะจงโดยยังคงโครงสร้างส่วนอื่นไว้
โมเดลยังรองรับการรวมภาพอ้างอิงได้สูงสุด 10 ภาพเข้าเป็นองค์ประกอบเดียว ซึ่งมีประโยชน์เมื่อดีไซน์ต้องใช้ทรัพย์สินภาพหลายชิ้นซ้ำหรือรักษาความสัมพันธ์ระหว่างตัวแบบ ผลิตภัณฑ์ และองค์ประกอบของฉากไว้ด้วยกัน.
Key Features of Flux 3 Image
1. การควบคุมเค้าโครงด้วยกรอบสี่เหลี่ยม
FLUX 3 Image สามารถวางองค์ประกอบที่อธิบายไว้ภายในกรอบสี่เหลี่ยมที่กำหนด เหมาะสำหรับดีไซน์ที่ความสัมพันธ์เชิงพื้นที่มีความสำคัญ เช่น โปสเตอร์ เลย์เอาต์บทความ คอลลาจ องค์ประกอบสินค้าหลายชิ้น และภาพที่มีตัวแบบหลายส่วน BFL ระบุว่าพื้นผิวการทำงานเป็นกริดที่นอร์มัลไลซ์ 0–1000 สำหรับพิกัด
2. การแก้ไขแบบเจาะจงโดยคงส่วนอื่นของภาพไว้
หน้าทางการสาธิตการแก้ไของค์ประกอบที่เลือกโดยปล่อยให้ส่วนอื่นคงเดิม ซึ่งมีประโยชน์สำหรับเวิร์กโฟลว์สร้างสรรค์แบบวนซ้ำ เมื่อผู้ออกแบบต้องการแทนที่หรือปรับวัตถุหนึ่งชิ้น ข้อความ หรือพื้นที่ภาพ โดยไม่ต้องสร้างภาพใหม่ทั้งหมด หน้าผลิตภัณฑ์อธิบายว่าเป็นการแก้ไขแบบ pixel-perfect; อย่างไรก็ตามควรตรวจสอบผลลัพธ์จริงเพื่อหาความเปลี่ยนแปลงที่ไม่ต้องการ
3. องค์ประกอบจากภาพอ้างอิง
BFL ระบุว่าผู้ใช้สามารถส่งภาพอ้างอิงได้สูงสุด 10 ภาพและให้โมเดลรวมเป็นองค์ประกอบเดียว แต่ละภาพอ้างอิงจะได้รับโทเค็น เช่น ref_image_0 ซึ่งสามารถอ้างถึงในพรอมต์ได้ วิธีนี้ช่วยในการนำทรัพย์สินกลับมาใช้ซ้ำ ฉากที่มีหลายสินค้า มู้ดบอร์ด และองค์ประกอบที่ต้องใช้แหล่งต้นทางหลายรายการ
4. เอาต์พุต 2K และ 4K แบบเนทีฟ
BFL โปรโมตการสร้างภาพ 2K และ 4K แบบเนทีฟ และสาธิตภาพขนาด 5456 × 3072 พิกเซล มิติเอาต์พุตที่ใช้ได้ขึ้นกับระดับที่เลือกและพารามิเตอร์คำขอที่รองรับ; โปรดยืนยันค่าที่ระบบยอมรับตามเอกสาร API ปัจจุบัน
5. Text-to-image และ Image-to-image
หน้าราคา BFL ระบุชัดว่า FLUX 3 Image รองรับทั้งการสร้างภาพจากข้อความ (text-to-image) และการแปลงภาพเป็นภาพ (image-to-image) ซึ่งรองรับทั้งการสร้างภาพใหม่จากพรอมต์และการปรับภาพที่มีอยู่แล้ว ควบคุมการแก้ไขที่แน่นอนและฟิลด์คำขอควรอ้างอิงจากสคีมา API ปัจจุบัน
6. เวิร์กโฟลว์การจัดองค์ประกอบที่เป็นมิตรต่อเอเจนต์
หน้าทางการอธิบายเวิร์กโฟลว์ที่เอเจนต์สามารถแปะคำขอสั้นๆ ให้กลายเป็นคำบรรยายและตารางองค์ประกอบ โดยมีกรอบสี่เหลี่ยมและ ID เชิงความหมายสำหรับแต่ละองค์ประกอบ วิธีนี้ทำให้ FLUX 3 Image มีประโยชน์ในสายงานอัตโนมัติด้านดีไซน์ เมื่อแอปพลิเคชันรอบข้างรองรับการวางเลย์เอาต์ การตรวจสอบความถูกต้อง และการควบคุมการแก้ไข
เกณฑ์ชี้วัดและประสิทธิภาพ
ตามข้อมูลกระดานจัดอันดับล่าสุดที่ตรวจสอบ Artificial Analysis จัดให้ FLUX 3 Image อยู่ที่ 1117 ± 10 Elo บนกระดานผู้นำ AA-Image-T2I v2.0 สำหรับงาน text-to-image จากตัวอย่าง 5,799 รายการ ช่วงความเชื่อมั่น 95% ที่แสดงคือ 1107–1127.
| ตัวชี้วัดการทดสอบ | ผลลัพธ์ของ FLUX 3 Image | สิ่งที่วัด |
|---|---|---|
| การวางตำแหน่งกรอบสี่เหลี่ยม | 0.890 ค่า IoU เฉลี่ย | ความใกล้เคียงของวัตถุกับตำแหน่งที่กำหนด |
| วัตถุที่วางตำแหน่งถูกต้อง | 16/16 | การวางตำแหน่งใน 4 ฉาก ฉากละ 4 วัตถุ |
| การคงสภาพระหว่างแก้หลายจุด | 0.995 SSIM | ความคล้ายคลึงในบริเวณที่คาดว่าจะไม่เปลี่ยนแปลง |
| ข้อความบนป้ายขนาดเล็กในฉาก 4K | 6/8 ป้ายถูกต้อง | ความแม่นยำของข้อความในฉากทดสอบเฉพาะหนึ่งฉาก |
ผลเหล่านี้เป็นผลการทดสอบจากบุคคลที่สาม ไม่ใช่คะแนนเบนช์มาร์กอย่างเป็นทางการของ Black Forest Labs การทดสอบใช้วิธีการให้พรอมต์ที่เหมาะสมกับแต่ละโมเดล และขนาดตัวอย่างที่เล็กจำกัดความสามารถในการสรุปผลกว้างๆ.
กรณีการใช้งาน
- นักสร้างสรรค์ด้านการตลาดและโฆษณา: ควบคุมตำแหน่งสินค้า ตำแหน่งพาดหัว และองค์ประกอบภาพประกอบ
- ภาพสำหรับอีคอมเมิร์ซ: สร้างฉากจากทรัพย์สินภาพอ้างอิงหลายชิ้น และทดสอบการแก้ไขแบบเจาะจงกับสินค้า/พื้นหลัง
- งานบรรณาธิการและโปสเตอร์: วางตำแหน่งตัวแบบและตัวอักษรภายในพื้นที่เลย์เอาต์ที่ระบุชัด
- การผลิตทรัพย์สินแบรนด์และแคมเปญ: ทำซ้ำและปรับเฉพาะส่วนของภาพ โดยพยายามคงส่วนอื่นไว้
- ระบบอัตโนมัติด้านครีเอทีฟ: ใช้เอเจนต์เสนอเลย์เอาต์ เติมคำอธิบายองค์ประกอบ แล้วเรียกเอ็นด์พอยต์สร้างภาพ
- ทรัพย์สินภาพความละเอียดสูง: ผลิตภาพละเอียดสำหรับเวิร์กโฟลว์ที่ต้องการเอาต์พุต 2K หรือ 4K
รายการข้างต้นเป็นโอกาสการใช้งานที่อนุมานจากคุณสมบัติที่ BFL สาธิต ไม่ใช่การรับประกันคุณภาพผลลัพธ์.