圖像生成模型 —— 生成式 AI 的常用子集 —— 可以解析并理解書面語言，然后將文字轉(zhuǎn)換為幾乎任何風格的圖像。

Black Forest Labs 的一系列新模型代表了圖像生成領(lǐng)域的前沿技術(shù) —— 現(xiàn)在可在 PC 和工作站上試用 —— 在 GeForce RTX 和 NVIDIA RTX GPU 上的運行速度最快。

流暢的功能

FLUX.1 AI 是由 Black Forest Labs 開發(fā)的文本生成圖像模型套件。這些模型基于 Diffusion Transformer(DiT)體系架構(gòu)而構(gòu)建，以便大參數(shù)量的模型保持高效運行。Flux 模型在擁有 120 億個參數(shù)的模型上進行訓(xùn)練，以生成高質(zhì)量圖像。

DiT 模型屬于高效的計算密集型模型 —— NVIDIA RTX GPU 對于處理這些新模型至關(guān)重要，其中最大規(guī)模的模型如果不進行重大調(diào)整，將無法在非 RTX GPU 上運行。Flux 模型現(xiàn)在支持 NVIDIA TensorRT 軟件開發(fā)套件，該套件可將這些模型的性能提升高達 20%。用戶可以在 ComfyUI 中借助 TensorRT 試用 Flux 和其他模型。

提示：“一張雜志照片：在暴風雪中，一只猴子在溫泉中沐浴，水面上飄著蒸汽。”

此圖片由 FLUX.1 生成。來源：NVIDIA

Flux 的優(yōu)勢

FLUX.1 在生成高質(zhì)量、多樣化的圖像方面表現(xiàn)卓越，其出色的指令遵循性意味著 AI 能夠準確理解并執(zhí)行指令。提示依從性較高，意味著生成的圖像與文本提示描述的元素、風格和情緒高度匹配。提示依從性較低會導(dǎo)致圖像可能部分或完全偏離給定的指令。

FLUX.1 以能夠精確渲染人體解剖結(jié)構(gòu)(包括手部和人臉等具有挑戰(zhàn)性的復(fù)雜特征)而著稱。FLUX.1 還顯著改進了在圖像中生成易讀文本的過程，解決了文本轉(zhuǎn)圖像模型的另一個常見挑戰(zhàn)。這使得 FLUX.1 模型非常適合需要精確文本表示的應(yīng)用，例如宣傳材料和書籍封面。

FLUX.AI 具有三種變體，可為用戶提供最適合其工作流的選擇，而不會犧牲質(zhì)量：

FLUX.1 pro：為企業(yè)用戶提供最高質(zhì)量的模型;可通過應(yīng)用編程接口訪問。

FLUX.1 dev：FLUX.1 pro 的免費精華版本，仍然具有較高質(zhì)量。

FLUX.1 schnell：運行速度最快的模型，非常適合本地開發(fā)和個人使用;具有寬松的 Apache 2.0 許可證。

dev 和 schnell 模型為開源版本，Black Forest Labs 在流行平臺 Hugging Face 上提供對其關(guān)鍵功能的訪問。這一做法得到社區(qū)廣泛認可。

得到社區(qū)廣泛認可

自發(fā)布以來，F(xiàn)lux 模型的 dev 和 schnell 變體已在 Hugging Face 上被下載 200 多萬次。

FLUX.1 的強大功能受到用戶廣泛贊譽，稱其能夠生成具有非凡細節(jié)和逼真度、視覺效果令人驚艷的圖像，并且可以處理復(fù)雜的提示，而無需調(diào)整大量參數(shù)。

提示：“一張細節(jié)豐富的專業(yè)特寫照片：一只變形孟加拉虎身穿白色無袖背心，戴著太陽鏡，脖子上掛著耳機，爪子放在舞臺上的唱盤上，在伊比沙島晚間的戶外電子舞曲音樂會上擔任 DJ;派對氣氛，少量煙霧與焦散光照。”

此圖片由 FLUX.1 生成。來源：NVIDIA

提示：“一張攝影品質(zhì)圖像：雨夜，繁華的城市街道上，一輛黃色出租車停在路邊，前燈亮著，照射在潮濕路面上。一位身著紅色外套的女性撐著一把亮綠色雨傘，看著她的智能手機。左側(cè)有一家咖啡店，霓虹燈標志牌上面顯示著藍色字母‘Café Mocha’?？Х鹊暄b著大窗戶，從中可以看到人們在享受飲料。路燈照亮了該區(qū)域，在整個場景上投射出溫暖的光芒，而雨滴在空中產(chǎn)生了霧霾效果。背景中，一座高樓上的大型數(shù)字時鐘顯示時間為下午 8 點 45 分。”

此圖片由 FLUX.1 生成。來源：NVIDIA

此外，F(xiàn)LUX.1 還善于處理各種藝術(shù)風格，并能夠快速高效地生成圖像，因此是完成個人和專業(yè)項目不可或缺的重要工具。