تصویر · Black Forest Labs

FLUX.2 Klein 4B

تولید و ویرایش سریع تصویر با چند تصویر مرجع و کنترل اندازه و کیفیت خروجی.

تا 5 تصویر مرجعخروجی تا 4MPنمونه API

تنظیمات مدل

برای شروع فقط گزینه‌های اصلی را تکمیل کنید. کنترل‌های تخصصی در بخش پیشرفته قرار دارند.

prompt

موضوع، سبک، نور، رنگ، ترکیب‌بندی و تغییرات موردنظر را روشن و دقیق توضیح دهید.

images
انتخاب یا رها کردن تصاویربدون تصویر ورودی انتخاب تصاویر

در صورت نیاز می‌توانید حداکثر 5 تصویر با مجموع حجم کمتر از 24 مگابایت اضافه کنید.

aspect_ratio

نسبت طول به عرض نتیجه را انتخاب کنید.

output_megapixels

اندازه بالاتر جزئیات و هزینه بیشتری دارد.

تنظیمات پیشرفتهکنترل‌های تخصصی و اختیاری این مدل
seed

برای تکرارپذیری نتیجه یک عدد ثابت وارد کنید.

go_fast

بهینه‌سازی سرعت پردازش را فعال می‌کند.

output_format

JPG، PNG یا WEBP را متناسب با نیاز انتخاب کنید.

output_quality

مقداری بین 0 تا 100 برای کیفیت ذخیره‌سازی.

هزینه این تنظیمات۴ اعتبار

نتیجه

نمونه خروجی پیش از اولین اجرا

نمونه یا خروجی مدل
معرفی مدل

FLUX.2 Klein 4B

یک مدل متن‌باز و کم‌حجم برای تولید و ویرایش تصویر است که با وجود اندازه جمع‌وجور، کیفیت حرفه‌ای، جزئیات مناسب و کنترل خوب روی ترکیب‌بندی را ارائه می‌دهد.

این مدل چیست؟

FLUX.2 Klein یک مدل تصویری چهار میلیارد پارامتری است که از مدل بزرگ‌تر FLUX.2 استخراج و بهینه‌سازی شده است. این مدل با مجوز Apache 2.0 منتشر شده و برای استفاده تجاری، توسعه و ساخت محصولات جدید محدودیت هزینه مجوز ندارد.

مدل می‌تواند تصاویر واقع‌گرایانه تا وضوح 4 مگاپیکسل تولید کند و در نورپردازی، ارتباط فضایی اجسام، جزئیات مواد و نمایش متن عملکرد قابل‌توجهی دارد.

چه تفاوتی دارد؟

بسیاری از مدل‌های کوچک از ابتدا آموزش داده می‌شوند و در حفظ جزئیات یا ثبات صحنه ضعف دارند. این مدل دانش خود را از یک مدل بزرگ‌تر دریافت کرده است؛ بنابراین درک بهتری از نور، جنس مواد، پرسپکتیو و ترکیب‌بندی دارد، اما همچنان سریع و سبک باقی می‌ماند.

قابلیت‌های مهم

  • نمایش متن: در بسیاری از پوسترها، چیدمان‌های گرافیکی، اینفوگرافیک‌ها و طرح‌های رابط کاربری می‌تواند متن خواناتر و منظم‌تری تولید کند.
  • درک فضایی: سایه‌ها، بازتاب‌ها، نور و پرسپکتیو اجسام معمولاً هماهنگ‌تر و طبیعی‌تر حفظ می‌شوند.
  • ویرایش با وضوح بالا: تصاویر را تا 4 مگاپیکسل ویرایش می‌کند و هنگام تغییر، هندسه و بافت تصویر را بهتر نگه می‌دارد.
  • چند تصویر مرجع: امکان استفاده از چند مرجع برای حفظ شخصیت، محصول یا سبک ثابت در خروجی‌های مختلف وجود دارد.

چه زمانی از آن استفاده کنیم؟

  • تصویرسازی محصول با ظاهر و هویت بصری هماهنگ در چند نسخه
  • نمونه اولیه رابط کاربری و طرح‌هایی که به متن نسبتاً خوانا نیاز دارند
  • محتوای تبلیغاتی با رنگ‌های مشخص برند و ترکیب‌بندی کنترل‌شده
  • حفظ ظاهر یک شخصیت در چند تصویر برای استوری‌بورد یا کمپین
  • تولید تصویر واقع‌گرایانه با هزینه پایین‌تر و سرعت مناسب

سازوکار مدل

این مدل از معماری تطبیق جریان در فضای نهفته استفاده می‌کند. در این روش، مدل به‌جای حذف تدریجی نویز در مراحل بسیار زیاد، مسیر مستقیم‌تری میان نویز و تصویر نهایی یاد می‌گیرد؛ در نتیجه اجرای آن سریع‌تر و خروجی‌ها باثبات‌تر می‌شوند.

بخش بینایی‌ـ‌زبانی، مفهوم درخواست و اطلاعات صحنه را درک می‌کند و ترنسفورمر جریان، ساختار فضایی، مواد، نور و ترکیب‌بندی را می‌سازد. یک رمزگذار تخصصی نیز تبدیل میان تصویر نهایی و فضای نهفته را انجام می‌دهد.

نکات مهم

  • مدل متن‌باز است و می‌توان از آن در پروژه‌های تجاری استفاده کرد.
  • برای کاهش تولید محتوای نامناسب، آموزش و تنظیمات ایمنی روی مدل اعمال شده است.
  • پرامپت‌های دقیق و مرحله‌بندی‌شده معمولاً خروجی بهتری ایجاد می‌کنند.
  • برای ثابت نگه‌داشتن محصول، شخصیت یا سبک، تصاویر مرجع را همراه با توضیح روشن استفاده کنید.
  • برای بالاترین سطح کیفیت ممکن، مدل‌های بزرگ‌تر می‌توانند جزئیات بیشتری ارائه دهند؛ اما این مدل برای اندازه و هزینه خود توانمند است.

شروع کار

  • در بخش Prompt، صحنه، سبک، نور، زاویه دوربین و جزئیات مهم را دقیق بنویسید.
  • در صورت نیاز، حداکثر 5 تصویر مرجع اضافه کنید.
  • نسبت تصویر، اندازه خروجی، فرمت و کیفیت را انتخاب کنید.
  • مدل را اجرا کنید و پس از آماده‌شدن نتیجه، تصویر را کامل مشاهده یا دانلود کنید.