Novo modelo FLUX.3 gera imagens em 2 segundos e aceita que você desenhe onde cada coisa deve aparecer
O FLUX.3 Image Klein, lançado pelo laboratório Black Forest Labs, une geração de imagens por texto, edição a partir de referências e um controle de layout inédito que deixa você dizer exatamente onde posicionar cada elemento da cena, tudo em um único modelo que roda em menos de dois segundos numa placa de vídeo potente.
A Black Forest Labs lançou o FLUX.3 Image Klein, um modelo de IA que gera imagens a partir de texto, edita usando referências e aceita controle de layout (você escreve caixas delimitadoras no prompt para dizer onde cada elemento deve aparecer). A versão otimizada cria uma imagem de 1024×1024 pixels em cerca de 2 segundos numa GPU H100 (placa de vídeo potente).
A Black Forest Labs (laboratório de IA fundado por ex-integrantes da Stability AI, empresa que criou o Stable Diffusion) lançou o FLUX.3 Image Klein, um modelo de geração de imagens que faz três coisas ao mesmo tempo: cria imagens a partir de descrições de texto, edita imagens usando múltiplas referências e aceita um tipo de controle novo, chamado de layout control (controle de layout). Com esse terceiro recurso, você escreve caixas delimitadoras no próprio prompt (comando de texto) para dizer onde cada parte da imagem deve ir ou quais regiões de uma imagem de referência devem ser movidas. Segundo o blog da Hugging Face (plataforma onde desenvolvedores compartilham e baixam modelos de IA já treinados), o modelo está disponível na biblioteca Diffusers desde o primeiro dia.
Existem duas versões públicas do FLUX.3 Image Klein. A primeira, chamada de checkpoint distilado (time step distilled), foi otimizada para rodar rápido: ela gera uma imagem de 1024 por 1024 pixels em cerca de 2 segundos numa GPU H100 (placa de vídeo de alta performance usada para treinar e rodar modelos de IA), usando apenas 16 passos e sem precisar de CFG (classifier-free guidance, uma técnica que melhora a qualidade das imagens geradas mas exige mais processamento). A segunda é o modelo base, que roda em 50 passos com CFG ativado e serve para quem quiser fazer fine-tuning (ajuste fino, ou seja, treinar o modelo com dados próprios para adaptá-lo a uma tarefa específica).
O controle de layout funciona com uma lista em formato JSON (um jeito de organizar dados em texto) que você adiciona ao final da descrição da imagem. Cada região tem um identificador, uma caixa delimitadora e uma descrição curta, e você menciona essa região no texto principal usando o identificador entre sinais de maior e menor. As caixas são escritas como [y_min, x_min, y_max, x_max] numa escala de 0 a 1000, o que significa que a mesma caixa funciona em qualquer tamanho de imagem. Para edição, cada região indica de onde o conteúdo vem (src_bbox, ou bounding box de origem) e para onde vai (tgt_bbox, ou bounding box de destino) — regiões com as duas caixas iguais ficam paradas.
O FLUX.3 também aceita várias imagens de referência ao mesmo tempo. Você as passa na ordem e se refere a elas no prompt como
