摘要：新模型FLUX.1 Kontext使用流匹配架构（Flow Matching），不再是文本编码器和扩散模型各干各的，与此前技术都不同。
梦晨 发自 凹非寺
量子位 | 公众号 QbitAI
AI生图新突破！一个模型同时接受文本和图像输入。
新模型FLUX.1 Kontext使用流匹配架构（Flow Matching），不再是文本编码器和扩散模型各干各的，与此前技术都不同。
最来自之前很火的Black Forest Labs，官方表示这一次能做到真正的上下文生成和编辑。
在编辑能力上，有人在著名的奥特曼尴尬照上P了一个小绿龙。
在生成能力上，有网友测试的猩猩打羽毛球细节也很丰富。
具体来说FLUX.1 Kontext有4个特性：
角色一致性：可跨场景保留元素局部编辑：只针对特定部分而不影响其余部分风格参考：以现有风格生成新场景交互速度：以最小延迟进行迭代这次提供两种模型，专业版FLUX.1 Kontext [pro]更适合快速迭代，可基于之前的编辑
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。
同时推出官方试玩平台Flux Playground，两种型号都可以选用
此外开放权重版FLUX.1 Kontext [dev]提供内测。
第三方平台Replicate对FLUX.1 Kontext做了详细测试，结论是比OpenAI的4o效果更好，还更便宜，图像也不会偏黄。
测试报告中还针对不同功能给了提示词技巧。
当编辑人物时，无论改动大小，人物的身份特征都会保留。
对于风格迁移任务，也能保留人物的基本特征。
对于更复杂的更改，例如添加人物或更改背景，需要分几步描述每项修改，只要每次改动不太复杂就可以获得好的效果。
风格迁移任务至少具体到“印象派绘画”或“水彩素描”，带上具体的流派艺术家效果更好，如“文艺复兴”或“20 世纪 60 年代的波普艺术”。
如果风格标签不够精准，那就描述一下关键特征，例如“清晰的笔触、厚重的颜料质感和丰富的色彩深度”。如果想保留某些元素，也需要明确说明，如“保持原始构图”。
总之，描述的越具体效果越好。
支持往图上新增文本、删除文本，甚至定位到已有文本修改。
处理文本时的一些技巧：
使用易读的字体，过于艺术化的字体表现不佳明确说明要保留哪些内容。如果保留字体样式很重要，请务必提及尽可能匹配编辑前后的文本长度。长度的大幅变化可能会改变布局此外根据网友测试，FLUX.1 Kontext还可以删除文本，如把电影海报上的字全去掉。
在连续编辑时，首先要明确人物，然后说明哪些方面发生了变化，无论是场景、活动还是风格。
如果想让同一个人物继续存在，需要说明哪些方面需要保留：面部、表情、服饰或其他任何重要方面。
在编辑背景和场景的同时保持角色的一致性需要详细描述，以保持人物处于相同的位置、比例或姿势。
简短的提示有时会留下太多模糊的地方，如“把他挪到沙滩上”，就不如：
将背景换成海滩，同时保持人物位置不变，保持相同的主体位置、拍摄角度、取景和视角。只需替换人物周围的环境即可。
最后，Repilicate还对使用FLUX.1 Kontext的提示词技巧做了一个总结：
使用清晰、详细的语言。准确命名颜色，精准描述视觉元素，并选择直接的动作动词。避免使用“使其更好”之类的模糊词语。将复杂的编辑分解成更小的步骤。按顺序进行操作，更容易管理较大的变更。明确哪些部分应该保留。使用“同时保持相同的面部特征”或“维持原始构图”等短语来保护关键元素。使用描述性短语，例如“留着黑色短发的女人”或“红色汽车”。避免使用代词。编辑文本时使用引号，例如，“将‘x’替换为‘y’”明确控制构图 ：编辑场景时，明确说明是否要保留摄像机角度或取景框等内容。谨慎选择动词 ：“改造”之类的词语暗示着彻底的改造。如果想要更精准的控制，可以使用更具体的操作，例如“换衣服”或“替换背景”。最后再来看一下文生图领域的格局，在AritificialAnalysis的排行榜上，GPT-4o、字节的Seedream 3.0和Recraft V3排名前三。
Black Forest Labs的上一代爆款产品FLUX.1已经相对靠后。
可以期待一下FLUX.1 Kontex的投票结果。
在线试玩
参考链接：
[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
来源：量子位一点号