Flux 3 Image リリース:ピクセル単位の最大限の制御と正確な編集
Flux 3 Image はコンポジションと編集におけるピクセル単位の制御を実現
Flux 3 Image は Black Forest Labs の最新のマルチモーダルモデルで、視覚的要素の正確な位置をバウンディングボックスレイアウトで定義し、それらの要素を個別に編集しながら画像の他の部分を保持することができます。このモデルはネイティブの 2K–4K 解像度で画像を生成し、正確なピクセル単位の編集をサポートしており、プレイグラウンド、API、または商用ライセンスによるデプロイからアクセス可能です。
バウンディングボックスレイアウトの仕組み
- キャンバスグリッド – キャンバスは両軸に 0–1000 のグリッドを持ち、各要素は
[y_min, x_min, y_max, x_max]で記述されます。 - 要素テーブル – JSON 配列で、各要素の ID、バウンディングボックス、自然言語による説明がリストアップされます。
- グローバルキャプション – 1文で要素を統合し、モデルは指定されたボックス内にシーンをレンダリングします。
- 編集可能なボックス – 生成後、どのボックスも、移動、再記述、置き換えが可能で、編集されていない領域には影響しません。
"重要な要素ごとにボックスをドラッグして、その中に入る内容を記述してください。" – Black Forest Labs ドキュメント
このワークフローにより、各コンポーネントの空間的関係が重要となる、複雑なコラージュ、編集用ページ、UIモックアップの作成が簡単になります。
主な機能
| 機能 | ユーザーにとっての意味 |
|---|---|
| 最大限の制御 | バウンディングボックスを配置し、詳細な説明を提供することで、すべてのピクセルを制御できます。 |
| ピクセル単位の編集 | たとえばウェットスーツの色を変更するなど、1つのオブジェクトだけを変更しても、画像の他の部分は変化しません。 |
| ネイティブ 4K 出力 | 高解像度レンダリングにより、テクスチャ、顔の特徴、タイポグラフィなどの細部が保持されます。 |
| 商用ウェイト | 企業はモデルをオンプレミスにデプロイし、大規模な生成を行うためにライセンスを取得できます。 |
| オープンウェイトロードマップ | Black Forest Labs は、Flux 2/Klein のパターンに従い、将来のオープンウェイトリリースを約束しています。 |
リリースページからの実際の例
- シーンコンポジション – トワイライトの湾から発光するコンクリートドームが立ち上がり、ビーチには群衆がいるが、すべてバウンディングボックスで配置されている。
- ファッションストリートウェアポートレート – タイムズスクエアを背景に、ベスト、Tシャツ、ジーンズ、ダッフル、ビーニー、スニーカーの6つの衣類アイテムが1つのプロンプトで配置されている。
- 正確な編集 – デモでは、黒いウェットスーツが明るい赤に、白いサーフボードが赤に変更されているが、海の波や空は変更されていない。
- クリエイティブなレイアウト – 最大10枚の参照画像(例:子供部屋、鶏小屋、オーロラビーチ)を最小限の努力で1つのコンポジションに組み合わせられる。
Hacker News でのコミュニティの反応
- UX の称賛 – ユーザーは要素を配置する直感的なインターフェースを称賛している。
"UX が素晴らしく、非常に操作しやすく、インターフェースに注力したチームに祝意を。" – arnaudsm
- 他のツールとの比較 – 一部のユーザーは、Ideogram V4 などのオープンウェイトモデルでも同様の機能があると指摘したが、Flux 3 Image はより洗練された UI を提供していると述べている。
"Ideogram V4 もこれができるが、比較的面倒な JSON 構造を使う必要がある… 私はオープンウェイト化を待つだろう。" – vunderba
- 商用への関心 – モデルの価格設定と OpenRouter エンドポイントの 50% オフ割引が、画像モデルでは珍しいと指摘された。
"注目すべきは OpenRouter エンドポイントがプロモーションで 50% オフになっている点で、これは画像モデルでは珍しい。" – minimaxir
- ユースケースへの熱意 – デザイナーは、細かい編集ワークフローが UI 要素やモックアップの迅速な反復を可能にすると報告している。
"これは細かい反復を可能にするため、業界全体で有用になる。" – soundworlds
- オープンウェイトへの期待 – 複数のコメントで、Black Forest Labs の過去の実績に倣って、オープンウェイトリリースを待っていると述べられている。
"私たちはすべて、オープンウェイト版またはローカルモデルのリリースを待っています。" – vergessenmir
よくある質問(簡潔な回答)
- Flux 3 Image とは何ですか? – Flux 3 マルチモーダルファミリーの画像生成・編集コンポーネントで、バウンディングボックスによる正確なコンポジションを目的としています。
- 自分で JSON を書く必要がありますか? – いいえ。短い1行のプロンプトから言語モデルが要素テーブルを生成し、その後任意のボックスを調整できます。
- 既存の画像を編集できますか? – はい。各ボックスを再記述または置き換えることができ、モデルは編集された領域のみを再生成します。
- ボックスはモデルによって変更されますか? – アップサンプラーが追加要素を提案する可能性がありますが、元のボックスと座標はそのまま保持されます。
- どのような画像が最も恩恵を受けますか? – コラージュ、編集用レイアウト、UIモックアップ、正確な空間的関係が必要なすべてのシーン。
はじめ方
- プレイグラウンド – Flux 3 Image プレイグラウンドで直接ボックスを描き、キャプションを提出します。
- API – レイアウトプロンプト(グローバルキャプション + 要素テーブル)を BFL API に送信して、プログラムによる生成を行います。
- 商用ライセンス – 大規模な生成が必要な場合は、Black Forest Labs に連絡してセルフホストデプロイを依頼できます。
まとめ
Flux 3 Image は画像生成を真のコンポジショナルコントロールへと押し進め、クリエイターがすべての要素の正確な配置と外観を指定しつつ、生成AIの柔軟性を維持できるようにします。高解像度出力、ピクセル単位の編集、使いやすいUIは好評を得ており、コミュニティはさらにアクセス性を広げるオープンウェイト版のリリースを熱望しています。
Sources
関連
- プロジェクト
- Dispatch
- Dispatch
- Dispatch
- Dispatch