Panduan Praktikal FLUX 3 Image Klein: Imej Rujukan, Susun Atur dan Suntingan Setempat

Anda ada foto produk yang boleh digunakan, tetapi susun aturnya tidak sesuai untuk tugasan seterusnya. Subjek perlu dialihkan ke kiri, latar belakang ditukar dan ruang kanan dikekalkan kosong untuk tajuk. Meminta penjana imej bermula semula memang mudah. Mendapatkan semakan yang benar-benar boleh digunakan lebih sukar.

FLUX 3 Image Klein menghimpunkan penjanaan teks-ke-imej, penyuntingan dan berbilang imej rujukan dalam satu keluarga model. Black Forest Labs melancarkannya pada 15 Oktober 2026. Perubahan menariknya bukan sekadar sampel cantik yang lain: anda boleh menerangkan kandungan imej serta lokasi elemennya. Pengumuman BFL

Panduan ini membawa anda daripada percubaan kecil pertama kepada aliran kerja penyuntingan yang boleh diulang. Mulakan dalam pelayar untuk memahami alat; pilih API untuk aplikasi; pertimbangkan pelaksanaan setempat apabila kawalan fail atau penggunaan berulang berbaloi dengan usaha persediaannya. Anda tidak perlu memahami matematik diffusion untuk membuat pilihan itu.

Pilih laluan terpendek ke imej pertama yang berguna

Semua ini produk berlainan di sekitar pemberat yang berkaitan, bukan butang yang boleh saling menggantikan. Model ialah set pemberat terlatih. Runtime melaksanakannya. ComfyUI menyediakan antara muka aliran kerja; Diffusers menyediakan komponen Python; API terhos ialah perkhidmatan yang dikendalikan. Ciri yang anda lihat pada satu antara muka mungkin merangkumi pemprosesan yang tiada pada antara muka lain.

Untuk cubaan pertama, buka Space rasmi atau BFL Playground. Semak arahan akaun dan bil sebelum menjana imej. Pelayar ialah laluan permulaan yang sama pada Windows, macOS dan Linux; GPU setempat tidak diperlukan untuk menggunakan perkhidmatan jauh.

Gunakan imej milik anda yang selamat untuk dihantar kepada perkhidmatan itu. Foto cawan sendiri lebih sesuai untuk latihan berbanding foto produk pelanggan yang belum dilancarkan. Latihan di bawah memberikan tugasan kecil yang konkrit serta cara menilai hasilnya.

Buat satu perubahan terkawal sebelum menggabungkan sepuluh rujukan

1. Simpan imej sumber tanpa perubahan dan catat dimensinya.
2. Pilih aliran kerja penyuntingan dan lampirkan satu imej itu.
3. Huraikan keseluruhan babak yang dikehendaki, termasuk perkara yang perlu kekal dikenali.
4. Minta satu perubahan, misalnya latar belakang baharu, bukannya subjek, gaya dan komposisi baharu serentak.
5. Bandingkan hasil dengan sumber pada resolusi penuh. Periksa bentuk, teks, tepi dan pencahayaan, bukan lakaran kecil sahaja.
6. Simpan arahan bersama hasilnya. Ubah satu pemboleh ubah untuk percubaan seterusnya.

Sebagai contoh, mulakan dengan penerangan babak ini:

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.

Kriteria penerimaan ditentukan oleh anda: pemegang tidak berubah, siluet cawan kekal berguna dan ruang kosong benar-benar kosong. Jika logo mesti tepat, bandingkan dengan yang asal dan jangan bergantung pada binaan semula yang sekadar nampak meyakinkan. Tambahkan tipografi akhir dengan alat reka bentuk biasa apabila ejaan dan bentuk jenama tidak boleh dikompromi.

Kad model rasmi menyatakan sokongan sehingga 10 imej rujukan. Itu had keupayaan, bukannya saranan menggunakan sepuluh imej bagi setiap tugasan. Dua rujukan dengan sudut kamera bercanggah boleh menambah kekaburan berbanding satu rujukan jelas. Berikan peranan tertentu kepada setiap input: subjek, bahan, komposisi atau gaya.

Kotak susun atur membimbing komposisi; ia bukan kunci piksel

FLUX 3 menyokong penerangan kawasan menggunakan koordinat ternormal. Daripada sekadar berkata “letakkan objek di kiri”, anda boleh memberikan kotak dan menghuraikan kandungan yang dikaitkan dengannya. Julat koordinat ialah 0 hingga 1000, jadi susun atur tidak bergantung terus pada sama ada imej akhir selebar 1024 atau 2048 piksel. Panduan kotak pembatas BFL

Rajah penerangan asli. Kotak menyatakan lokasi yang diminta, bukan hasil penjanaan yang diperhatikan atau topeng imej keras.

Berikut ialah cebisan kapsyen penjanaan sebagai contoh. Ia menerangkan komposisi baharu, bukan suntingan imej rujukan. Masukkannya dalam prompt, bukan terminal:

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"}]

Susunannya ialah atas, kiri, bawah, kanan. Dalam contoh ini kotak bermula 20% dari atas dan 8% dari kiri kanvas, lalu berakhir 85% dari atas dan 48% dari kiri. Untuk reka bentuk sebenar, lakarkan susun atur sasaran dahulu, kemudian tukarkan lakaran kepada koordinat. Menukar nilai mendatar dengan menegak mudah menghasilkan keputusan mengelirukan.

Suntingan perlu mengenal pasti sumber dan destinasi. Isi API ilustrasi berikut mengalihkan cawan daripada kotak sumber di tengah ke kotak sasaran di kiri. Gantikan URL imej contoh dengan imej yang boleh dicapai dan milik anda; jangan hantar pemegang tempat itu tanpa perubahan. Rujukan pertama ialah ref_image_0.

{
  "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\"}]"
}

Di sini from menamakan rujukan, src_bbox mengenal pasti kawasan asal dan tgt_bbox menerangkan destinasi yang diminta. Tambah baris bagi elemen lain jika pelan pengekalan lebih terperinci diperlukan. CLI rujukan setempat menggunakan koordinat 0 hingga 1 dalam fail boxes.json berasingan; jangan tampal nilai API 0 hingga 1000 ke dalam fail itu. Sintaks suntingan terhos, format kotak setempat

Jangan anggap kotak menjamin segala-galanya di luarnya kekal. Dokumentasi checkpoint mentah memberi amaran bahawa suntingan boleh menjejaskan kawasan lain dan elemen boleh melangkaui kotak. Laluan suntingan terhos BFL turut merangkumi pemulihan piksel; ciri perkhidmatan itu tidak boleh dianggap tersedia dalam setiap pipeline setempat. Periksa pelaksanaan yang digunakan. Had checkpoint

Untuk bahan cetak atau kerja pelanggan, tindihkan imej lama dan baharu dalam editor. Jika objek berjaya dialihkan tetapi teks bungkusannya berubah, komposisi berjaya sedangkan pengekalan aset gagal. Kedua-duanya penilaian berasingan; memisahkannya menjadikan pengulangan kurang mengecewakan.

Permintaan API ialah permulaan kerja, bukan fail siap

Pembangun boleh menghantar permintaan imej kepada endpoint yang didokumenkan. Dalam terminal macOS atau Linux, tetapkan BFL_API_KEY secara peribadi dalam persekitaran, kemudian gunakan contoh ringkas ini. Caj perkhidmatan mungkin dikenakan; jangan letakkan kunci dalam repositori awam atau bundle pelayar.

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

Untuk Windows PowerShell, gunakan endpoint sama dengan pensirian JSON natif:

$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

Pilih satu kaedah penghantaran di atas. Kedua-duanya menyimpan kerja yang diterima ke bfl-job.json; tiada satu pun memuat turun hasil. Simpan skrip Python pustaka standard berikut sebagai poll_result.py dalam folder sama. Pastikan BFL_API_KEY tersedia kepada prosesnya, kemudian jalankan python poll_result.py pada Windows atau python3 poll_result.py pada macOS/Linux. Skrip ini meninjau kerja sedia ada dan menyimpan result.png tanpa menghantar penjanaan lain.

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")

API hasil membezakan status berjalan, sedia, disederhanakan dan ralat. Jika pengecualian rangkaian mengganggu skrip ini, simpan fail kerja dan jalankan semula poller, bukan arahan penghantaran. Periksa respons penghantaran yang tidak pasti sebelum mencuba lagi: kehilangan respons tidak membuktikan perkhidmatan menolak kerja berbayar. Skema permintaan

Aplikasi berguna mempunyai tiga rekod: aset sumber, kerja penjanaan dan output yang diterima. Pengguna patut boleh kembali kepada imej asal walaupun menolak semakan. Reka bentuk itu lebih bernilai daripada butang yang menyembunyikan setiap langkah perantaraan lalu menghasilkan JPEG baharu yang misteri.

Pemasangan setempat bermula dengan keseluruhan bajet memori

Label 5.6B Klein merujuk kepada transformer imej, bukan semua komponen yang diperlukan aliran kerja. Pengekod teks, autoenkoder imej, pengembang prompt, pengaktifan dan token imej rujukan turut menggunakan sumber. CLI rujukan, demo dan API Python mengaktifkan pengembang secara lalai; BFL menyarankan supaya ia dikekalkan kecuali kapsyen gaya pengembang yang sudah disediakan digunakan. Maka saiz fail pemberat bukan anggaran VRAM keseluruhan yang boleh diharap. Perbezaan sama penting ketika menilai model bahasa setempat yang besar. Pelaksanaan rujukan

BFL mengiklankan laluan GPU pengguna yang dioptimumkan, termasuk konfigurasi INT8 untuk kad 8GB. Kad model kod rujukan melaporkan puncak jauh lebih besar bagi konfigurasi lain. Kenyataan itu menerangkan resipi berbeza; tiada satu pun minimum sejagat untuk setiap antara muka, resolusi dan bilangan rujukan. Catat runtime, ketepatan, saiz imej dan dasar offloading bersama angka memori. Contoh perkakasan pelancaran, butiran perkakasan kod rujukan

Senarai semak sumber asli, bukan penanda aras. Saiz komponen dan puncak runtime berbeza mengikut resipi.

Pada Windows dengan GPU NVIDIA yang disokong, mulakan dengan integrasi ComfyUI semasa atau runtime yang disarankan BFL. Sahkan aliran kerja FLUX 3 yang tepat dan jangan muatkan templat FLUX 2 hanya kerana namanya serupa. Muat turun model yang berjaya tidak membuktikan nod tersuai, kernel terkuantum dan pengekod teks serasi.

Pada Linux, repositori rujukan dan panduan integrasi Diffusers menyediakan laluan pembangun. Pemasangan rujukan di bawah menggunakan resipi CUDA 13 yang didokumenkan, diuji penerbit pada B200, bukannya resipi kad 8GB. Pengguna Windows memerlukan persekitaran Linux/WSL yang serasi untuk arahan Bash ini. Sahkan keserasian pemacu dan keseluruhan bajet memori dahulu.

1. Pasang Git dan Python 3.12, kemudian sediakan persekitaran terpencil:

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. Terima syarat checkpoint dalam akaun Hugging Face sendiri, sahkan identiti dengan hf auth login, kemudian muat turun bundle distilled yang didokumenkan. README rujukan menganggarkan kira-kira 52GB ruang cakera untuk model, pengembang dan pengelas keselamatan; ruang cakera bukan VRAM.

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. Jalankan satu penjanaan dengan pengembang prompt kekal aktif, kemudian periksa out.png dan JSON tetapan yang menyertainya:

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

4. Untuk antara muka pelayar pada mesin sendiri, mulakan python scripts/app.py, buka http://127.0.0.1:7860, pilih Edit, lampirkan imej sumber sendiri dan masukkan satu perubahan. Tab Layout berasingan digunakan untuk melukis kotak. Hadkan aplikasi kepada loopback; jangan aktifkan pilihan perkongsian awam untuk bahan peribadi. Persediaan rujukan dan demo

Tambah kuantisasi atau CPU offloading hanya selepas asasnya berfungsi. Untuk GPU 8GB, ikut fail dan arahan ComfyUI berasingan, bukan andaian memori kod rujukan penuh.

Pada Mac, pelayar dan API kekal pilihan mudah. Jangan salin arahan CUDA atau angka kelajuan NVIDIA lalu menganggapnya terpakai pada Apple Silicon. Laluan setempat memerlukan pelaksanaan Metal/MPS yang serasi dan memori bersatu mencukupi untuk semua komponen; contoh umum pustaka menggunakan mps bukan bukti setiap laluan terkuantum berfungsi. Mac Intel ialah kes perkakasan berbeza, bukan nama lain bagi Apple Silicon.

Prompt lebih panjang berguna apabila mengurangkan kekaburan

Pelaksanaan rujukan mengembangkan arahan ringkas menjadi kapsyen babak penuh sebelum penjanaan imej. Prompt upsampling ini ialah langkah model bahasa berasingan dan diaktifkan secara lalai dalam CLI, demo dan API Python rujukan. README semasa turut memautkan pipeline Diffusers yang menjalankan upsampling bagi setiap permintaan. Kekalkan tingkah laku itu; jangan anggap prompt pendek tanpa pengembangan setara dengannya. Penyediaan prompt

Jika pengembang dan model imej tidak muat serentak, resipi rujukan boleh menjalankan pengembangan dahulu dan menghantar kapsyen yang disediakan kepada penjanaan. Model bahasa-penglihatan luaran juga boleh menyediakan kapsyen menggunakan prompt sistem diterbitkan. Hanya kapsyen yang sudah disediakan patut digunakan dengan --no-pup; bendera itu bukan pengoptimuman memori percuma untuk permintaan satu baris yang belum dikembangkan. Upsampling dan pemulihan piksel terhos ialah ciri berlainan; mengekalkan satu tidak membuktikan runtime lain mempunyai yang satu lagi.

Huraikan subjek, latar, pencahayaan dan perubahan dimaksudkan dalam bahasa biasa sebelum menambah sintaks khusus. “Jadikan profesional” membiarkan hampir semuanya tidak ditentukan. “Kekalkan cawan dan pemegangnya, gunakan latar kosong, biarkan sepertiga kanan lapang” memberikan sistem lebih sedikit matlamat bercanggah. Lebih banyak kata sifat tidak semestinya arahan lebih baik.

Untuk kegunaan kedua, hasilkan satu keluarga ilustrasi artikel. Kekalkan palet dan penerangan subjek sambil mengubah komposisi untuk pengepala lebar dan imej sosial segi empat. Periksa konsistensi objek antara format; jangan anggap nisbah aspek yang berjaya akan berpindah sempurna.

Untuk kegunaan ketiga, bandingkan mockup pembungkusan secara dalaman. Gunakan label rekaan atau bahan diluluskan dan tandakan output sebagai konsep. Render menarik tidak membuktikan kebolehbuatan, ketepatan warna atau kebenaran menggunakan rupa orang yang difoto. Semakan reka bentuk produksi tetap perlu selepas penjanaan.

Kira kos aset siap, bukan satu permintaan berjaya sahaja

Pengumuman pelancaran menyenaraikan harga API bermula US$0.009 bagi setiap imej 1K, setakat 15 Oktober. Unit permulaan itu bukan jaminan bagi semua resolusi atau aliran kerja. Semak harga BFL semasa, caj akaun dan peraturan permintaan sebelum menganggarkan kempen.

Untuk belanjawan, kira percubaan bagi setiap aset yang diterima. Jika tugasan memerlukan lima semakan, kos relevan merangkumi lima percubaan serta masa semakan dan kemasan. Pelaksanaan setempat menggantikan sebahagian caj perkhidmatan dengan perkakasan, elektrik, storan dan penyelenggaraan; kos memeriksa hasil tetap ada.

Pemberat terbuka juga tidak bermakna hak komersial tanpa batasan. Lesen FLUX Kommunity membezakan penggunaan bukan komersial, penjanaan output komersial yang layak dan aktiviti komersial lain. Ambang hasil, syarikat sekutu, pengedaran semula model dan penggunaan latihan perlu diperiksa berasingan. Hak terhadap foto input, tanda dagangan atau individu juga berbeza daripada lesen model.

Apabila suntingan tersasar, kecilkan skop kegagalan

Soalan sebelum projek kedua

Adakah FLUX 3 Image Klein pengganti Photoshop?

Ia model penjanaan dan penyuntingan dengan beberapa cara pelaksanaan, bukannya aplikasi produksi berlapis yang lengkap. Ia boleh membantu menghasilkan atau menyemak aset; alat pemilihan, tipografi tepat, pengurusan warna, pemversian dan penghantaran mungkin masih perlu dilakukan dalam editor anda.

Bolehkah saya menggunakan teks bahasa Korea dan mengharapkan huruf tepat?

Uji teks sebenar pada saiz penghantaran. Kad model memberi amaran bahawa teks dirender mungkin tidak tepat atau herot. Demo bahasa Inggeris yang mudah dibaca bukan bukti tipografi Korea boleh diharap. Kekalkan salinan tepat sebagai teks boleh sunting jika boleh.

Adakah inferens setempat menjadikan seluruh aliran kerja luar talian?

Hanya jika anda sengaja mengkonfigurasikannya begitu. Muat turun awal, pengembangan prompt jauh, nod luaran dan telemetri boleh menghasilkan trafik rangkaian. Periksa seluruh aliran kerja, bukan lokasi transformer imej sahaja.

Checkpoint manakah patut dipilih pemula?

Mulakan dengan laluan penjanaan distilled yang didokumenkan. Checkpoint asas ditujukan kepada penyesuaian dan penyelidikan. Selepas memperoleh tugasan yang diketahui berfungsi, bandingkan pilihan menggunakan input sama dan bukannya menukar model, prompt dan resolusi serentak.

Kejayaan sebenar ialah suntingan yang boleh dipercayai

Pada pandangan kami, AI imej lebih berguna apabila memberi orang kawalan lebih baik terhadap semakan, bukan sekadar galeri kejutan lebih besar. FLUX 3 Image Klein menarik kerana rujukan, susun atur dan beberapa laluan pelaksanaan mendekatkan kawalan itu kepada kerja harian. Tugas yang masih penting ialah menjadikan imej asal, perubahan diminta dan kriteria penerimaan jelas.

Mulakan dengan satu imej dan satu suntingan disengajakan. Aliran kerja yang konsisten menghasilkan aset diluluskan lebih baik daripada model pantas yang membuat anda tertanya-tanya apa yang berubah.

Sumber dan media

Disemak pada 18 Oktober 2026. Keupayaan produk dan angka prestasi di atas datang daripada penerbit yang dipautkan; tiada penanda aras setempat atau penjanaan berbayar didakwa. Ketiga-tiga rajah ialah karya penerangan asli. Lihat galeri output rasmi BFL dan demo interaktif rasmi untuk contoh produk; imej pihak ketiga itu tidak diterbitkan semula di sini.

• Pengumuman BFL, 15 Oktober
• Checkpoint, had dan resipi setempat
• Integrasi Diffusers dan contoh aliran kerja, 15 Oktober
• Skema permintaan API BFL
• Lesen FLUX Kommunity

Jadikan eksperimen anda mudah digunakan semula

Simpan pautan sumber, prompt, tetapan dan nota semakan bersama, bukan imej akhir sahaja. Telli.sh boleh membantu menyusun nota penyelidikan itu; ia bukan integrasi penjanaan imej. Cipta akaun Telli.sh