Flux - 12B parametreli açık kaynak Text-To-Image modeli

• Black Forest Labs tarafından geliştirilen en büyük SOTA açık kaynak metinden görüntüye model
  • Stable Diffusion’ı geliştiren orijinal ekip
• 12B parametreyle yaratıcılık ve performansın sınırlarını genişleterek Midjourney’e benzer görüntü üretim yetenekleri sunuyor

3 model seçeneğiyle sunuluyor

• FLUX.1 [dev]: Ticari olmayan lisansla açık kaynak olarak sunulan temel model. Topluluk bunun üzerine inşa edebilir
• FLUX.1 [schnell]: Temel modelin damıtılmış sürümü; 10 kata kadar daha hızlı çalışır. Apache 2 lisansı.
• FLUX.1 [pro]: Yalnızca API üzerinden kullanılabilen kapalı sürüm

Başlıca özellikler

• Geliştirilmiş görüntü kalitesi: Yüksek çözünürlükte etkileyici görseller üretebilir
• Gelişmiş insan anatomisi ve fotogerçekçilik: Son derece gerçekçi ve anatomik olarak doğru görüntüler üretebilir
• İyileştirilmiş prompt uyumu: Girdiye dayalı daha doğru ve daha ilgili görüntüler üretebilir
• Üstün hız: Yüksek talep gören uygulamalar için ideal olan Flux Schnell’in hızı ve verimliliği

fal entegrasyonu

• fal’ın son teknoloji çıkarım motoru entegre edilerek Flux modelleri eager torch’a göre 2 kata kadar daha hızlı çalıştırılabiliyor
• Hızlı işlem süresiyle birlikte üstün kalite ve detay korunuyor

GN⁺ özeti

• Flux, Black Forest Labs tarafından geliştirilen en yeni metinden görüntüye model olarak yaratıcılık ve performans için yeni bir standart ortaya koyuyor
• Farklı varyant modeller aracılığıyla çeşitli kullanım senaryolarına uygun özelleştirilmiş çözümler sunuyor
• Geliştirilmiş görüntü kalitesi ve gerçekçi ifade gücüyle yüksek talep gören uygulamalar için uygun
• fal’ın çıkarım motoru sayesinde model daha hızlı ve daha verimli çalıştırılabiliyor
• Benzer yeteneklere sahip diğer projeler arasında DALL-E ve Midjourney bulunuyor

[GN⁺]

Hacker News görüşleri

• burkay from fal.ai: Model fal tarafından yapılmadı; Black Forest Labs tarafından geliştirildi

  • fal.ai, modeli optimize edilmiş bir çıkarım motorunda çalıştırarak çok hızlı hale getiriyor
  • Model playground'da denenebilir
  • [schnell] modeli, Apache lisansı ile Hugging Face üzerinde açık kaynak olarak sunuluyor
  • Metin render etmesi çok hızlı ve başarılı; ayrıca metni ve konumunu daha iyi işleyebilen bir metin kodlayıcısı var
  • Metin render kalitesi arttıkça, eğitim verilerindeki metin filigranları daha belirgin hale geliyor
  • Modeli denemek için bağlantılar paylaşıldı
    • FLUX.1 [schnell]: Apache 2.0, açık ağırlıklar, step distillation
    • FLUX.1 [dev]: ticari olmayan kullanım, açık ağırlıklar, guidance distillation (giriş gerekli)
    • FLUX.1 [pro]: kapalı kaynak, SOTA, ham veri (yalnızca API üzerinden kullanılabilir)

• Başka bir kullanıcı: Karşılaştırmaların çoğu yeni modeli düzgün test etmiyor

  • Şu anda piyasadaki en iyi prompt uyumu DALL-E 3'te, ancak karmaşık kavramlarda hâlâ yetersiz ve yoğun sansür var
  • Flux ile DALL-E 3 karşılaştırıldığında, Flux etkileyici ve performansı güçlü görünüyor
  • Karşılaştırma sonuçlarını blogunda paylaştı

• Başka bir kullanıcı: Test için ideogram prompt'larını kullandı ve Flux çok iyi görseller üretti

  • ideogram'ı denedi ama filtrelerini beğenmedi
  • Yerelde çalıştırılabilirse, görsel kalitesi ve prompt uyumu açısından çok yakın
  • Metin karmaşık olduğunda net şekilde yazamıyor
  • Örnek olarak ideogram görselinin prompt'unu paylaştı
  • Stable Diffusion modellerini uzun zaman önce bırakmış; teknoloji fazla karmaşık hale geldiği için eğlencesi kalmamış
  • Filtresiz, yerelde çalıştırılabilen ideogram benzeri bir sistem istiyor
  • Bu modelin çok iyi olduğunu düşünüyor

• Başka bir kullanıcı: Her yeni modeli gördüğünde mühendislik diyagramları oluşturup oluşturamadığına bakıyor

  • Bu model henüz mühendislik diyagramlarını iyi işleyemiyor
  • Yapay zeka şirketlerinin mühendislik diyagramı sorununu çözmesini istiyor
  • Bunun mevcut eğitim veri setlerinde yer almıyor olma ihtimali yüksek
  • Sentetik veri seti/benchmark oluşturmak istiyor

• Başka bir kullanıcı: Kayıt süreci zahmetli

  • GitHub hesabı oluştururken şu anda hata almış; iki deneme ve iki tarayıcı gerekmiş

• Başka bir kullanıcı: Girişim sermayesi destekli startup'lar, iş modeli olmadan ücretsiz model yayınlamayı sürdürüyor

  • Açık kaynağı destekliyor ama uzun vadede bunun sürdürülebilir olup olmayacağından endişeli

• Başka bir kullanıcı: Etkileyici bir kalite

• Başka bir kullanıcı: Mekânsal ilişkileri iyi işleyemiyor

  • "ters çevrilmiş bir ev" -> sıradan bir ev
  • "bir köpeğin üstünde oturan at" -> at ve köpek yan yana
  • "ters dönmüş Lockheed Martin F-22 Raptor" -> hatalı sonuç