FLUX 3 Image Klein: 참조 이미지와 레이아웃, 로컬 편집 실전 가이드

제품 사진은 쓸 만하지만 다음 작업에 맞는 구도가 아닙니다. 피사체를 왼쪽으로 옮기고 배경을 바꾸되, 오른쪽은 제목을 넣을 수 있도록 비워 둬야 합니다. 이미지 생성 모델에 처음부터 다시 만들라고 하는 건 쉽습니다. 실제로 쓸 수 있는 수정 결과를 얻기는 더 어렵습니다.

FLUX 3 Image Klein은 텍스트-이미지 생성, 편집, 여러 참조 이미지 입력을 하나의 모델 제품군으로 제공합니다. Black Forest Labs는 2026년 10월 15일 이 모델을 출시했습니다. 주목할 변화는 또 하나의 멋진 샘플이 아닙니다. 이미지에 무엇이 담겨야 하는지뿐 아니라 요소를 어디에 배치할지도 설명할 수 있다는 점입니다. BFL 출시 안내

이 가이드는 간단한 첫 실험에서 반복 가능한 편집 워크플로까지 안내합니다. 도구를 이해하려면 브라우저에서 시작하고, 애플리케이션에 넣으려면 API를 선택하고, 파일 제어 또는 반복 사용을 위해 설치 부담을 감수할 만하다면 로컬 실행을 고려하세요. 이 선택을 내리는 데 확산 모델 수학을 이해할 필요는 없습니다.

유용한 첫 이미지를 만드는 가장 짧은 경로를 선택한다

관련 가중치를 사용하는 서로 다른 제품이지, 서로 바꿔 끼울 수 있는 버튼은 아닙니다. 모델은 학습된 가중치 묶음입니다. 런타임은 모델을 실행합니다. ComfyUI는 워크플로 인터페이스를 제공하고, Diffusers는 Python 구성 요소를 제공하며, 호스팅 API는 운영되는 서비스를 제공합니다. 한 인터페이스에서 본 기능이 다른 인터페이스에서는 처리되지 않을 수 있습니다.

첫 시도는 공식 Space 또는 BFL Playground를 여는 것부터 시작하세요. 생성하기 전에 계정 및 결제 안내를 확인하세요. 브라우저는 Windows, macOS, Linux 모두에서 같은 시작 경로이며 원격 서비스를 쓸 때 로컬 GPU는 필요하지 않습니다.

서비스에 보내도 되는, 본인 소유의 이미지를 사용하세요. 고객에게 공개되지 않은 제품 사진보다 자기 머그잔 사진으로 배우는 편이 낫습니다. 다음 실습은 작고 구체적인 작업과 결과를 판단할 기준을 제공합니다.

참조 이미지 열 장을 조합하기 전에 한 가지를 제어해 바꾼다

1. 원본 이미지를 수정하지 않은 상태로 저장하고 크기를 기록합니다.
2. 편집 워크플로를 선택하고 이미지 한 장을 첨부합니다.
3. 알아볼 수 있게 유지할 요소를 포함해 원하는 장면 전체를 설명합니다.
4. 배경을 바꾸는 것처럼 한 가지 수정만 요청합니다. 피사체, 스타일, 구도를 한꺼번에 바꾸지 마세요.
5. 결과를 원본과 최대 해상도로 비교합니다. 썸네일만 보지 말고 형태, 글자, 가장자리, 조명을 살펴보세요.
6. 지시와 결과를 함께 보관합니다. 다음 시도에서는 변수 하나만 바꿉니다.

예를 들면 다음 장면 설명으로 시작할 수 있습니다.

A catalog photograph of the same plain ceramic mug from the reference image,
with its handle and proportions preserved, on a matte pale-green surface.
Soft light comes from the left. The mug sits in the left third of a wide
composition, leaving clear space on the right for text added later.

인수 기준은 직접 정합니다. 손잡이가 달라지지 않고, 머그잔의 윤곽을 계속 쓸 수 있으며, 비워 둔 공간이 실제로 비어 있어야 합니다. 로고가 정확해야 한다면 그럴듯하게 재현됐다는 인상에 기대지 말고 원본과 비교하세요. 철자와 브랜드 형태가 절대적으로 중요하다면 최종 글자는 일반 디자인 도구로 넣으세요.

공식 모델 카드에는 참조 이미지를 최대 10장까지 사용할 수 있다고 나와 있습니다. 이는 수용 한도이지 모든 작업에 열 장을 권하는 뜻은 아닙니다. 카메라 각도가 충돌하는 참조 이미지 두 장은 깔끔한 이미지 한 장보다 모호함을 키울 수 있습니다. 각 입력에 피사체, 재질, 구도, 스타일처럼 구체적인 역할을 부여하세요.

레이아웃 상자는 구도를 안내하지만 픽셀을 고정하지 않는다

FLUX 3은 정규화 좌표를 이용한 영역 설명을 지원합니다. "물체를 왼쪽에 배치해"라고만 하는 대신 상자를 지정하고 그 안에 들어갈 내용을 설명할 수 있습니다. 좌표 범위는 0에서 1000이므로 최종 이미지가 가로 1024픽셀이든 2048픽셀이든 레이아웃 설명을 그대로 사용할 수 있습니다. BFL 경계 상자 안내

자체 제작한 설명용 도식입니다. 상자는 요청한 위치를 나타낼 뿐 생성 결과에서 관찰된 위치나 강제 이미지 마스크가 아닙니다.

새 구도를 만드는 예시 프롬프트 일부는 다음과 같습니다. 참조 이미지 편집이 아니라 새로운 구도를 설명합니다. 터미널이 아닌 프롬프트 안에 넣으세요.

A clean studio composition with a ceramic mug <mug_1> on the left.
[{"id":"mug_1","bbox":[200,80,850,480],"desc":"A plain ceramic mug with a visible handle"}]

좌표 순서는 위, 왼쪽, 아래, 오른쪽입니다. 이 예시에서 상자는 캔버스의 세로 방향으로 20%, 가로 방향으로 8% 내려온 지점에서 시작해 각각 85%, 48% 지점에서 끝납니다. 실제 디자인에서는 먼저 목표 배치를 스케치한 다음 그 배치를 좌표로 옮기세요. 가로와 세로 값을 뒤바꾸면 구도가 쉽게 혼란스러워집니다.

편집 요청에는 목적지뿐 아니라 원본 위치도 지정해야 합니다. 다음 API 본문은 중앙의 원본 상자에서 머그잔을 왼쪽 목표 상자로 옮기는 예시입니다. 예시 이미지 URL은 본인이 소유하고 접근 가능한 이미지로 바꾸세요. 자리표시자를 그대로 보내면 안 됩니다. 첫 번째 참조는 ref_image_0입니다.

{
  "images": ["https://example.com/your-own-mug.png"],
  "output_format": "png",
  "prompt": "In <ref_image_0>, move the mug <mug_1> to the left. Preserve the mug's handle and the plain background. [{\"id\":\"mug_1\",\"from\":\"ref_image_0\",\"src_bbox\":[200,300,850,700],\"tgt_bbox\":[200,80,850,480],\"desc\":\"The same plain ceramic mug with its handle visible\"}]"
}

여기서 from은 참조 이미지를, src_bbox는 원래 영역을, tgt_bbox는 요청한 목적지 영역을 가리킵니다. 더 상세한 보존 계획이 필요하면 다른 요소를 행으로 추가하세요. 로컬 참조 CLI의 별도 boxes.json은 0에서 1까지의 좌표를 사용합니다. API의 0~1000 좌표를 이 파일에 붙여 넣지 마세요. 호스팅 편집 문법, 로컬 상자 형식

상자 밖의 모든 요소가 그대로 유지된다고 보장하는 장치로 상자를 취급하지 마세요. 원시 체크포인트 문서에는 다른 영역도 영향을 받을 수 있고 요소가 상자 바깥으로 이어질 수 있다고 경고되어 있습니다. BFL의 호스팅 편집 경로에는 픽셀 복원 동작도 포함되지만, 이를 모든 로컬 파이프라인의 기능이라고 말해서는 안 됩니다. 사용 중인 구현을 확인하세요. 체크포인트 한계

인쇄물이나 고객 작업이라면 편집기에서 이전 이미지와 새 이미지를 겹쳐 보세요. 물체는 성공적으로 옮겼지만 포장 글자가 달라졌다면 구도 작업은 성공했어도 자산 보존 작업은 실패한 것입니다. 두 가지를 별도로 판단하면 반복 작업이 훨씬 수월해집니다.

API 요청은 작업의 시작이지 완성된 파일이 아니다

개발자는 문서화된 엔드포인트로 이미지 요청을 제출할 수 있습니다. macOS 또는 Linux 터미널에서는 BFL_API_KEY를 환경 변수에 비공개로 설정한 뒤 다음의 간단한 예제를 사용하세요. 서비스 요금이 발생할 수 있으므로 키를 공개 저장소나 브라우저 번들에 넣지 마세요.

curl --fail-with-body --request POST \
  --url https://api.bfl.ai/v1/flux-3-image-klein \
  --header "x-key: $BFL_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{"prompt":"A simple studio photograph of a plain ceramic mug on a pale green surface","aspect_ratio":"16:9","output_format":"png"}' \
  --output bfl-job.json

Windows PowerShell에서는 같은 엔드포인트에 기본 JSON 직렬화를 사용합니다.

$body = @{
    prompt = "A simple studio photograph of a plain ceramic mug on a pale green surface"
    aspect_ratio = "16:9"
    output_format = "png"
} | ConvertTo-Json
$job = Invoke-RestMethod -Method Post `
    -Uri "https://api.bfl.ai/v1/flux-3-image-klein" `
    -Headers @{ "x-key" = $env:BFL_API_KEY } `
    -ContentType "application/json" -Body $body
$job | ConvertTo-Json -Depth 10 | Set-Content -Encoding utf8 bfl-job.json

위 제출 방법 중 하나만 선택하세요. 두 방법 모두 접수된 작업을 bfl-job.json에 저장하며 어느 쪽도 결과 파일을 내려받지는 않습니다. 표준 라이브러리만 사용하는 다음 Python 스크립트를 같은 폴더에 poll_result.py라는 이름으로 저장하세요. 실행 프로세스에서 BFL_API_KEY를 사용할 수 있게 한 다음 Windows에서는 python poll_result.py, macOS/Linux에서는 python3 poll_result.py를 실행합니다. 이 스크립트는 이미 제출된 작업 상태를 확인하고 새 생성 요청을 제출하지 않은 채 result.png를 저장합니다.

import json
import os
from pathlib import Path
import time
from urllib.parse import urlparse
from urllib.request import Request, urlopen

job = json.loads(Path("bfl-job.json").read_text(encoding="utf-8-sig"))
polling_url = job["polling_url"]
parsed = urlparse(polling_url)
if parsed.scheme != "https" or not (parsed.hostname or "").endswith(".bfl.ai"):
    raise ValueError("Unexpected polling host; inspect the saved job")
headers = {"x-key": os.environ["BFL_API_KEY"]}
deadline = time.monotonic() + 600

while time.monotonic() < deadline:
    with urlopen(Request(polling_url, headers=headers), timeout=60) as reply:
        result = json.load(reply)
    status = result["status"]
    print(job["id"], status)
    if status == "Ready":
        sample = result["result"]["sample"]
        if urlparse(sample).scheme != "https":
            raise ValueError("Unexpected result URL")
        with urlopen(sample, timeout=120) as image:
            Path("result.png").write_bytes(image.read())
        print("Saved result.png; inspect it before accepting the asset")
        break
    if status not in {"Pending", "Reasoning", "Generating"}:
        raise RuntimeError(f"Job stopped: {status}; keep bfl-job.json")
    time.sleep(1.5)
else:
    raise TimeoutError("Keep bfl-job.json and resume polling this job later")

결과 API는 실행 중, 준비 완료, 검토 조치, 오류 상태를 구분합니다. 이 스크립트에서 네트워크 예외가 발생하더라도 작업 파일을 보관하고 제출 명령이 아닌 상태 확인 스크립트를 다시 실행하세요. 제출 응답이 불확실하다면 재시도하기 전에 먼저 확인하세요. 응답을 잃어버렸다고 해서 유료 작업이 서비스에서 거부됐다는 뜻은 아닙니다. 요청 스키마

유용한 애플리케이션은 세 가지 기록을 보관합니다. 원본 자산, 생성 작업, 승인된 출력입니다. 수정안을 거부한 뒤에도 사용자가 원본을 다시 볼 수 있어야 합니다. 중간 단계를 모두 감추고 정체를 알 수 없는 새 JPEG만 만드는 버튼보다 이런 설계가 낫습니다.

로컬 설치는 전체 메모리 예산부터 따진다

Klein의 5.6B 표기는 이미지 트랜스포머만 가리키며 워크플로에 필요한 모든 구성 요소를 뜻하지 않습니다. 텍스트 인코더, 이미지 오토인코더, 프롬프트 업샘플러, 활성값, 참조 이미지 토큰도 자원을 사용합니다. 참조 CLI, 데모, Python API는 기본적으로 업샘플러를 활성화합니다. BFL은 이미 업샘플러 스타일의 설명문을 준비한 경우가 아니라면 이를 켜 두라고 명시합니다. 따라서 가중치 파일 크기만으로 전체 VRAM 사용량을 믿을 만하게 추산할 수는 없습니다. 이는 대형 로컬 언어 모델 평가에서도 중요한 구분입니다. 참조 구현

BFL은 8GB 카드용 INT8 구성 등 소비자용 GPU에 최적화된 경로를 안내합니다. 참조 코드 모델 카드는 다른 구성에서 훨씬 높은 최대 사용량을 보고합니다. 서로 다른 절차를 설명하는 것이므로 어느 쪽도 모든 인터페이스, 해상도, 참조 이미지 개수에 공통으로 적용되는 최소 사양은 아닙니다. 메모리 수치와 함께 런타임, 정밀도, 이미지 크기, 오프로딩 정책을 기록하세요. 출시 하드웨어 예시, 참조 코드의 하드웨어 상세 정보

벤치마크가 아니라 자체 제작한 자원 점검표입니다. 구성 요소 크기와 런타임 최대 사용량은 절차에 따라 달라집니다.

지원되는 NVIDIA GPU를 사용하는 Windows에서는 현재 제공되는 ComfyUI 연동 또는 BFL이 권장하는 런타임부터 시작하세요. 이름이 비슷하다는 이유로 FLUX 2 템플릿을 불러오지 말고, 정확히 FLUX 3 워크플로인지 확인하세요. 모델 다운로드가 성공해도 사용자 지정 노드, 양자화 커널, 텍스트 인코더의 호환성이 입증되는 것은 아닙니다.

Linux에서는 참조 저장소와 Diffusers 연동 가이드에서 개발자용 경로를 확인할 수 있습니다. 아래 참조 설치 절차는 B200에서 게시자가 시험한 문서화된 CUDA 13 구성용이지 8GB 카드용 절차가 아닙니다. Windows 사용자는 이 Bash 명령을 실행할 호환 Linux/WSL 환경이 필요합니다. 시작 전에 드라이버 호환성과 전체 메모리 예산을 확인하세요.

1. Git과 Python 3.12를 설치한 뒤 격리된 환경을 준비합니다.

git clone https://github.com/black-forest-labs/flux-3-image-klein.git
cd flux-3-image-klein
python3.12 -m venv .venv
source .venv/bin/activate
python -m pip install -e . --extra-index-url https://download.pytorch.org/whl/cu130

2. 본인 Hugging Face 계정에서 체크포인트 약관에 동의하고 hf auth login으로 인증한 다음 문서화된 증류 번들을 내려받습니다. 참조 README는 이 모델, 업샘플러, 안전성 분류기를 위해 디스크 약 52GB를 예상합니다. 디스크 공간은 VRAM과 다릅니다.

hf download black-forest-labs/flux-3-image-klein --local-dir weights/flux-3-image-klein --exclude 'variants/*'
hf download black-forest-labs/flux-3-image-klein-pup --local-dir weights/pup
hf download Falconsai/nsfw_image_detection --local-dir weights/nsfw-classifier

3. 프롬프트 업샘플링을 켜 둔 상태로 생성을 한 번 실행한 다음 out.png와 함께 생성된 설정 JSON을 확인합니다.

python scripts/cli.py "A plain ceramic mug on a pale green studio surface" --model distilled --out out.png --seed 7

4. 컴퓨터에서 브라우저 인터페이스를 실행하려면 python scripts/app.py를 시작하고 http://127.0.0.1:7860을 연 뒤 Edit를 선택해 본인 원본 이미지를 첨부하고 변경 하나를 입력합니다. 상자를 그리는 별도 탭은 Layout입니다. 앱은 루프백 전용으로 유지하고 비공개 자료에 공개 공유 옵션을 추가하지 마세요. 참조 설정과 데모

기준 구성이 동작한 다음 양자화나 CPU 오프로딩을 추가하세요. 8GB GPU에서는 전체 참조 코드의 메모리 가정이 아니라 별도 ComfyUI 파일과 안내를 따르세요.

Mac에서는 브라우저와 API가 여전히 간단한 선택지입니다. CUDA 설치 명령이나 NVIDIA 속도 수치를 Apple Silicon에서도 당연히 기대할 수 있다고 옮겨 적지 마세요. 로컬 경로에는 호환되는 Metal/MPS 구현과 모든 구성 요소를 담을 충분한 통합 메모리가 필요합니다. mps를 사용하는 일반 라이브러리 예제가 있다고 해서 모든 양자화 경로까지 작동한다고 볼 수는 없습니다. Intel Mac은 Apple Silicon과 다른 하드웨어 사례입니다.

모호함을 줄여 준다면 긴 프롬프트가 유용하다

참조 구현은 이미지 생성에 앞서 짧은 지시를 완전한 장면 설명으로 확장합니다. 이 프롬프트 업샘플링은 참조 CLI, 데모, Python API에서 기본으로 활성화되는 별도의 언어 모델 단계입니다. 현재 참조 README에는 요청마다 업샘플링을 실행하는 Diffusers 파이프라인도 링크되어 있습니다. 짧고 꾸밈없는 프롬프트와 같은 동작이라고 취급하지 말고 이 동작을 유지하세요. 프롬프트 준비

업샘플러와 이미지 모델을 함께 실행할 메모리가 부족하면 참조 절차에서는 먼저 업샘플링하고 준비된 설명문을 생성 단계에 전달할 수 있습니다. 공개된 시스템 프롬프트를 사용해 외부 비전-언어 모델로 설명문을 준비하는 방법도 있습니다. 준비가 끝난 설명문만 --no-pup 뒤에 넣으세요. 이 플래그는 확장되지 않은 한 줄 프롬프트의 메모리를 공짜로 줄여 주는 방법이 아닙니다. 업샘플링과 호스팅 픽셀 복원은 서로 다른 기능이므로 하나를 유지한다고 해서 다른 런타임에도 나머지가 포함된 것은 아닙니다.

전문 문법을 덧붙이기 전에 피사체, 배경, 조명, 원하는 변경을 일상적인 말로 작성하세요. "전문적으로 만들어 줘"라고 하면 거의 모든 사항이 미정으로 남습니다. "머그잔과 손잡이는 유지하고, 배경은 단색으로 바꾸고, 오른쪽 3분의 1을 비워 둬"라고 하면 시스템이 처리할 목표 사이의 충돌이 줄어듭니다. 형용사를 더 많이 쓴다고 지시가 반드시 좋아지는 것은 아닙니다.

두 번째 활용 사례로 기사 삽화를 여러 버전 만들어 보세요. 팔레트와 피사체 설명은 유지하면서 와이드 헤더와 정사각형 소셜 이미지에 맞게 구도를 바꿉니다. 형식이 달라져도 물체가 일관적인지 살펴보세요. 한 화면 비율에서 성공했다고 다른 화면 비율에서도 완벽히 맞을 것이라 가정하지 마세요.

세 번째 사례는 내부 검토용 포장 시안 비교입니다. 가상의 라벨이나 사용 승인을 받은 자료를 쓰고 결과물에 콘셉트라고 표시하세요. 보기 좋은 렌더가 제조 가능성, 정확한 색상 재현, 사진 속 인물의 초상 사용 권한을 입증하지는 않습니다. 생성이 끝난 뒤에도 실제 제품 디자인 검토가 필요합니다.

성공한 요청 하나가 아니라 완성된 자산의 비용을 계산한다

출시 발표에 따르면 API 가격은 이미지 1,000장당 US$0.009부터이며, 기준일은 10월 15일입니다. 이 시작 단위가 모든 해상도와 워크플로에 적용되는 가격은 아닙니다. 캠페인 비용을 추산하기 전에 최신 BFL 요금, 계정 청구 내역, 요청 규칙을 확인하세요.

예산을 세울 때는 승인된 자산 하나에 몇 번 시도했는지 계산하세요. 작업에 수정이 다섯 번 필요했다면 관련 단위는 그 다섯 번의 시도와 검토·마무리 시간입니다. 로컬 실행은 일부 서비스 요금을 하드웨어, 전력, 저장 공간, 유지 관리 비용으로 바꿉니다. 결과를 살펴보는 비용까지 없어지는 것은 아닙니다.

가중치가 공개되어 있어도 상업적 권리를 제한 없이 쓸 수 있다는 뜻은 아닙니다. FLUX Kommunity License는 비상업적 이용, 요건을 충족하는 상업적 결과물 생성, 그 밖의 상업 활동을 구분합니다. 매출 기준, 계열사, 모델 재배포, 학습 활용은 각각 확인해야 합니다. 입력 사진, 상표, 인물에 대한 권리도 모델 라이선스와 별개입니다.

편집 결과가 잘못되면 실패 범위를 좁힌다

두 번째 프로젝트 전에 답해 볼 질문

FLUX 3 Image Klein은 Photoshop을 대체하나?

여러 실행 방법이 있는 생성·편집 모델이지 레이어 기반 제작 애플리케이션 전체는 아닙니다. 자산을 만들거나 수정하는 데 도움을 줄 수 있지만 선택 도구, 정밀한 타이포그래피, 색상 관리, 버전 관리, 납품 작업은 여전히 편집기에서 해야 할 수 있습니다.

한국어 텍스트를 넣으면 글자가 정확하게 나오나?

실제 납품 크기로 직접 시험하세요. 모델 카드는 렌더링된 텍스트가 부정확하거나 왜곡될 수 있다고 경고합니다. 읽을 만한 영어 데모가 한국어 조판의 신뢰성을 입증하지는 않습니다. 가능하면 정확한 문구는 편집 가능한 텍스트로 유지하세요.

로컬 추론을 쓰면 워크플로의 모든 과정이 오프라인인가?

의도적으로 그렇게 설정한 경우에만 그렇습니다. 초기 다운로드, 원격 프롬프트 확장, 외부 노드, 텔레메트리가 네트워크 통신을 일으킬 수 있습니다. 이미지 트랜스포머가 있는 위치만 보지 말고 전체 워크플로를 확인하세요.

초보자는 어떤 체크포인트를 선택해야 하나?

먼저 문서화된 증류 생성 경로를 사용하세요. 기본 체크포인트는 조정과 연구를 위한 것입니다. 정상 동작이 확인된 작업이 생기면 모델, 프롬프트, 해상도를 한꺼번에 바꾸지 말고 같은 입력으로 대안을 비교하세요.

믿고 쓸 수 있는 수정 결과가 실질적인 발전이다

저희는 이미지 AI가 놀라운 결과물 갤러리만 키우는 것이 아니라 수정 과정에 대한 제어력을 높일 때 더 유용해진다고 봅니다. FLUX 3 Image Klein은 참조 이미지, 레이아웃, 여러 배포 경로를 통해 그 제어력을 일반적인 작업에 더 가깝게 가져왔다는 점에서 흥미롭습니다. 이제 원본, 요청한 변경, 인수 기준이 눈에 보이도록 만드는 일이 남았습니다.

이미지 하나와 의도적인 수정 하나로 시작하세요. 빠르기만 해서 무엇이 바뀌었는지 추측해야 하는 모델보다 승인된 자산을 꾸준히 만들어 내는 워크플로가 더 나은 결과입니다.

출처와 미디어

2026년 10월 18일 확인했습니다. 앞서 언급한 제품 기능과 성능 수치는 링크된 게시자의 자료에 근거하며, 로컬 벤치마크나 유료 생성 작업을 수행했다고 주장하지 않습니다. 도식 세 개는 설명을 위해 자체 제작했습니다. 제품 예시는 BFL의 공식 결과물 갤러리와 공식 인터랙티브 데모에서 확인하세요. 해당 제3자 이미지를 이 문서에 재게시하지 않았습니다.

• BFL 발표, 10월 15일
• 체크포인트, 제한 사항, 로컬 실행 절차
• Diffusers 연동과 워크플로 예시, 10월 15일
• BFL API 요청 스키마
• FLUX Kommunity License

실험 내용을 다시 활용할 수 있게 보관한다

최종 이미지 하나만 저장하지 말고 출처 링크, 프롬프트, 설정, 검토 메모를 함께 보관하세요. Telli.sh는 조사 메모를 정리하는 데 도움을 줄 수 있지만 이미지 생성 연동 서비스는 아닙니다. Telli.sh 계정을 만드세요