AI生圖新突破！一個模型同時接受文本和圖像輸入。

新模型FLUX.1 Kontext使用流匹配架構（Flow Matching），不再是文本編碼器和擴散模型各干各的，與此前技術都不同。

來自之前很火的Black Forest Labs，官方表示這一次能做到真正的上下文生成和編輯。

圖片

在編輯能力上，有人在著名的奧特曼尷尬照上P了一個小綠龍。

圖片

在生成能力上，有網友測試的猩猩打羽毛球細節也很豐富。

圖片

具體來說FLUX.1 Kontext有4個特性：

• 角色一致性：可跨場景保留元素
• 局部編輯：只針對特定部分而不影響其余部分
• 風格參考：以現有風格生成新場景
• 交互速度：以最小延遲進行迭代

這次提供兩種模型，專業版FLUX.1 Kontext [pro]更適合快速迭代，可基于之前的編輯

最高配版FLUX.1 Kontext [max]，在遵循提示、文字排版和一致性有所提高。

同時推出官方試玩平臺Flux Playground，兩種型號都可以選用。

圖片

此外開放權重版FLUX.1 Kontext [dev]提供內測。

提示詞技巧

第三方平臺Replicate對FLUX.1 Kontext做了詳細測試，結論是比OpenAI的4o效果更好，還更便宜，圖像也不會偏黃。

測試報告中還針對不同功能給了提示詞技巧。

圖片

圖像編輯

當編輯人物時，無論改動大小，人物的身份特征都會保留。

圖片

對于風格遷移任務，也能保留人物的基本特征。

圖片

對于更復雜的更改，例如添加人物或更改背景，需要分幾步描述每項修改，只要每次改動不太復雜就可以獲得好的效果。

風格遷移

風格遷移任務至少具體到“印象派繪畫”或“水彩素描”，帶上具體的流派藝術家效果更好，如“文藝復興”或“20 世紀 60 年代的波普藝術”。

如果風格標簽不夠精準，那就描述一下關鍵特征，例如“清晰的筆觸、厚重的顏料質感和豐富的色彩深度”。如果想保留某些元素，也需要明確說明，如“保持原始構圖”。

總之，描述的越具體效果越好。

圖片

文本編輯

支持往圖上新增文本、刪除文本，甚至定位到已有文本修改。

處理文本時的一些技巧：

• 使用易讀的字體，過于藝術化的字體表現不佳。
• 明確說明要保留哪些內容。如果保留字體樣式很重要，請務必提及。
• 盡可能匹配編輯前后的文本長度。長度的大幅變化可能會改變布局。

圖片

此外根據網友測試，FLUX.1 Kontext還可以刪除文本，如把電影海報上的字全去掉。

圖片

角色一致性

在連續編輯時，首先要明確人物，然后說明哪些方面發生了變化，無論是場景、活動還是風格。

如果想讓同一個人物繼續存在，需要說明哪些方面需要保留：面部、表情、服飾或其他任何重要方面。

圖片

在編輯背景和場景的同時保持角色的一致性需要詳細描述，以保持人物處于相同的位置、比例或姿勢。

簡短的提示有時會留下太多模糊的地方，如“把他挪到沙灘上”，就不如：

將背景換成海灘，同時保持人物位置不變，保持相同的主體位置、拍攝角度、取景和視角。只需替換人物周圍的環境即可。

其他技巧

最后，Repilicate還對使用FLUX.1 Kontext的提示詞技巧做了一個總結：

• 使用清晰、詳細的語言。準確命名顏色，精準描述視覺元素，并選擇直接的動作動詞。避免使用“使其更好”之類的模糊詞語。
• 將復雜的編輯分解成更小的步驟。按順序進行操作，更容易管理較大的變更。
• 明確哪些部分應該保留。使用“同時保持相同的面部特征”或“維持原始構圖”等短語來保護關鍵元素。
• 使用描述性短語，例如“留著黑色短發的女人”或“紅色汽車”。避免使用代詞。
• 編輯文本時使用引號，例如，“將‘x’替換為‘y’”
• 明確控制構圖 ：編輯場景時，明確說明是否要保留攝像機角度或取景框等內容。
• 謹慎選擇動詞 ：“改造”之類的詞語暗示著徹底的改造。如果想要更精準的控制，可以使用更具體的操作，例如“換衣服”或“替換背景”。

One More Thing

最后再來看一下文生圖領域的格局，在AritificialAnalysis的排行榜上，GPT-4o、字節的Seedream 3.0和Recraft V3排名前三。

Black Forest Labs的上一代爆款產品FLUX.1已經相對靠后。

可以期待一下FLUX.1 Kontex的投票結果。

在線試玩：https://playground.bfl.ai/image/generate

參考鏈接：
[1]https://x.com/bfl_ml/status/1928143010811748863
[2]https://replicate.com/blog/flux-kontext
[3]https://huggingface.co/spaces/ArtificialAnalysis/Text-to-Image-Leaderboard