Black Forest Labs का FLUX.3 Max ऐसे फोटोरियलिस्टिक टेक्स्ट-टू-इमेज नतीजे देता है जो प्रोफेशनल फोटोग्राफी को टक्कर देते हैं। यह लेख प्रॉम्प्ट बनाने, पैरामीटर सेटिंग, अपस्केलिंग वर्कफ़्लो और PicassoIA पर FLUX वेरिएशन मॉडल का इस्तेमाल करके पब्लिकेशन-क्वालिटी इमेज बनाने का तरीका बताता है।
FLUX.3 Max चुपचाप उस बेंचमार्क में बदल गया है जिससे बाकी टेक्स्ट-टू-इमेज मॉडल की तुलना होती है। इसे Black Forest Labs ने रिलीज़ किया है और यह FLUX परिवार की विरासत पर बना है, ताकि प्रोफेशनल स्टूडियो फोटोग्राफी को टक्कर देने वाले फोटोरियलिस्टिक नतीजे मिलें। अगर आपने पिछले FLUX वर्ज़न आज़माए हैं और उनसे प्रभावित हुए थे, तो FLUX.3 Max उस आउटपुट को रिज़ोल्यूशन की स्पष्टता, प्रॉम्प्ट के पालन और मानव शरीर रचना की सटीकता में और आगे ले जाता है। यह लेख बताता है कि मॉडल कैसे काम करता है, से लेकर ऐसे प्रॉम्प्ट लिखने तक सब कुछ, जो सचमुच पब्लिकेशन-क्वालिटी नतीजे दें।
FLUX.3 Max Black Forest Labs का बनाया एक flow-matching diffusion मॉडल है, वही टीम जिसने मूल FLUX.1 सीरीज़ बनाई थी। उन प्रतिस्पर्धी मॉडलों से अलग जो जोड़े गए noise schedules के साथ latent diffusion इस्तेमाल करते हैं, FLUX एक rectified flow transformer आर्किटेक्चर इस्तेमाल करता है। यह मॉडल को noise से लक्ष्य इमेज तक सीधी-रेखा वाले रास्तों का अनुमान लगाना सिखाता है। नतीजा यह है कि मॉडल कम आर्टिफैक्ट वाली इमेज बनाता है और पिक्सेल स्तर पर स्ट्रक्चर कहीं ज़्यादा एकसमान रहता है।
FLUX.3 में "Max" नाम सबसे बड़े पैरामीटर काउंट वाले वर्ज़न के लिए है, जो उन स्थितियों के लिए बना है जहाँ आउटपुट की क्वालिटी से समझौता नहीं हो सकता। कमर्शियल इलस्ट्रेटर, विज्ञापन एजेंसियाँ और कंटेंट स्टूडियो इसे तब इस्तेमाल करते हैं जब उन्हें ऐसी इमेज चाहिए जो प्रिंट की जाँच या बड़े फ़ॉर्मैट के डिस्प्ले पर खरी उतरें।
अपने मूल में FLUX.3 Max एक multi-modal diffusion transformer (MMDiT) आर्किटेक्चर इस्तेमाल करता है। टेक्स्ट और इमेज टोकन अलग रखकर आख़िरी चरणों में जोड़ने के बजाय साझा attention layers के ज़रिए एक साथ प्रोसेस होते हैं। इसका व्यावहारिक असर यह है कि मॉडल जटिल, परतदार प्रॉम्प्ट को पुराने UNet-आधारित तरीकों से कहीं ज़्यादा सटीकता से समझता है।
मॉडल नेटिव हाई रिज़ोल्यूशन पर चलता है, यानी तीखापन पाने के लिए इसे पोस्ट-प्रोसेसिंग की चालों की ज़रूरत नहीं होती। बाल के रेशे, कपड़े की बुनाई, त्वचा के रोम-छिद्र, काँच पर पानी की बूँदें और लकड़ी की बनावट, ये सब इसलिए दिखते हैं क्योंकि मॉडल ने इन्हें हाई-रिज़ोल्यूशन ट्रेनिंग डेटा से सीखा है, न कि इसलिए कि बाद में कोई अपस्केलर इन्हें जोड़ देता है।
| फ़ीचर | FLUX.1 Dev | FLUX.2 | FLUX.3 Max |
|---|---|---|---|
| रिज़ोल्यूशन | 1024px नेटिव | 1024px नेटिव | 1440px नेटिव |
| शरीर रचना की सटीकता | अच्छी | बहुत अच्छी | उत्कृष्ट |
| प्रॉम्प्ट का पालन | उच्च | उच्च | बहुत उच्च |
| इनफ़रेंस स्पीड | तेज़ | मध्यम | मध्यम |
| सबसे अच्छा उपयोग | रैपिड प्रोटोटाइपिंग | संतुलित आउटपुट | पब्लिकेशन क्वालिटी |
FLUX.1 Dev की तुलना में FLUX.3 Max इनफ़रेंस स्पीड का कुछ हिस्सा त्याग देता है, लेकिन क्वालिटी का अंतर इतना बड़ा है कि ज़्यादातर प्रोफेशनल वर्कफ़्लो आउटपुट को बार-बार प्रयोग करने की गति से ऊपर रखते हैं।
एक भी प्रॉम्प्ट लिखने से पहले यह जानना कि FLUX.3 Max कहाँ और कैसे चलाना है, पूरे अनुभव को आकार देता है।
FLUX.3 Max कई रास्तों से उपलब्ध है:
💡 टिप: अगर आप FLUX.3 Max को लोकली चला रहे हैं, तो
fp8quantization इस्तेमाल करें। इससे VRAM की ज़रूरत लगभग 40% घट जाती है और क्वालिटी में बहुत कम नुकसान होता है।
लोकल इनफ़रेंस के लिए सबसे अच्छा दायरा RTX 4090 या A100 रेंज का GPU है। मॉडल को कच्चे CUDA core count से ज़्यादा तेज़ मेमोरी बैंडविड्थ का फ़ायदा मिलता है, इसलिए सिंगल-इमेज जेनरेशन के लिए हाई बैंडविड्थ मेमोरी वाला एक कार्ड आमतौर पर मल्टी-GPU सेटअप से बेहतर प्रदर्शन करता है।
क्लाउड या प्लेटफ़ॉर्म इस्तेमाल के लिए इनमें से कुछ भी मायने नहीं रखता। आपको पूरा मॉडल और रिज़ोल्यूशन मिलता है, बिना हार्डवेयर की चिंता किए।
FLUX.3 Max में प्रॉम्प्ट का पालन मज़बूत है, लेकिन यह तभी काम आता है जब आपके प्रॉम्प्ट साफ़-साफ़ और ठोस हों। धुंधले विवरण सामान्य आउटपुट देते हैं। मॉडल को एक सिनेमैटोग्राफ़र की तरह समझें जिसे सटीक निर्देश चाहिए।
सबसे असरदार काम यह है कि आप अपने सब्जेक्ट का भौतिक विवरण साफ़-साफ़ दें और उसे पूरी तरह वर्णित माहौल में रखें। इन दो प्रॉम्प्ट की तुलना करें:
कमज़ोर: A woman sitting in a cafe
मज़बूत: A woman in her early thirties with loosely braided auburn hair, wearing a navy linen jacket, seated at a corner table in a sunlit Parisian cafe, marble table with a ceramic espresso cup, afternoon light slanting through a tall window behind her at 40 degrees
दूसरे प्रॉम्प्ट में मॉडल को इतनी जानकारी मिलती है कि वह कम्पोज़िशन के फ़ैसले ले सके, रोशनी का कोण चुन सके और माहौल को एकसमान विवरण से भर सके।
रोशनी का विवरण वही जगह है जहाँ ज़्यादातर उपयोगकर्ता क्वालिटी खो देते हैं। FLUX.3 Max रोशनी के संकेतों पर फ़ोटोग्राफ़िक सटीकता के साथ प्रतिक्रिया देता है। ऐसे शब्द इस्तेमाल करें जिन्हें एक फ़ोटोग्राफ़र पहचानता हो:
"volumetric morning light from the east at low angle" लंबी परछाइयाँ और सुनहरी गर्माहट बनाता है"overcast diffused daylight, soft fill, no hard shadows" ब्यूटी शॉट्स के लिए सपाट और समान रोशनी देता है"practical lighting from a single tungsten lamp at camera left" गर्म, दिशात्मक और अंतरंग माहौल पैदा करता है"golden hour backlight with rim lighting on subject" सब्जेक्ट को बैकग्राउंड से अलग करता हैकिसी भी प्रॉम्प्ट में "Kodak Portra 400 film grain" जोड़ने से फ़ोटोग्राफ़िक यथार्थता की एक परत आती है, जो आउटपुट की क्वालिटी को तुरंत ऊपर ले जाती है।
लेंस और शूटिंग के खास पैरामीटर शामिल करने से इमेज का दृश्य चरित्र तय हो जाता है:
"85mm f/1.8 shallow depth of field, background bokeh""24mm f/11 front-to-back sharpness, wide angle""105mm f/2.8 macro, extreme foreground sharpness""35mm f/5.6 natural perspective, handheld feel"प्रॉम्प्ट को "RAW 8K photography, photorealistic --ar 16:9 --style raw" से खत्म करने से FLUX.3 Max में यथार्थता लगातार बेहतर होती है।
FLUX.3 Max में कई पैरामीटर हैं जो आउटपुट को काफ़ी प्रभावित करते हैं। हर एक क्या करता है, यह जानने से घंटों की ट्रायल-एंड-एरर बच जाती है।
| पैरामीटर | रेंज | प्रभाव |
|---|---|---|
num_inference_steps | 20-50 | ज़्यादा = ज़्यादा डिटेल, धीमा |
guidance_scale | 1-7 | ज़्यादा = प्रॉम्प्ट का पालन अधिक मज़बूत |
seed | कोई भी पूर्णांक | दोहराव के लिए रैंडमनेस को स्थिर करता है |
width / height | 1440 तक | आउटपुट रिज़ोल्यूशन |
prompt_upsampling | true/false | इमेज बनने से पहले LLM प्रॉम्प्ट को विस्तार देता है |
guidance_scale पैरामीटर सबसे ज़्यादा गलत समझा जाने वाला नियंत्रण है। 3.5 पर मॉडल रचनात्मक व्याख्या को आपके प्रॉम्प्ट के साथ मिलाता है। 7 पर वह आपके टेक्स्ट का लगभग शाब्दिक पालन करता है, जो शक्तिशाली है, लेकिन आउटपुट को ज़रूरत से ज़्यादा तीखा कर सकता है और प्राकृतिक विविधता घटा सकता है।
पोर्ट्रेट और लाइफ़स्टाइल फ़ोटोग्राफी के लिए 3.5 to 5.0 आम तौर पर सबसे विश्वसनीय नतीजे देता है। ऐसे कमर्शियल काम के लिए जहाँ सटीक कम्पोज़िशन मायने रखती है, 6.0 to 7.0 की ओर जाएँ।
एक तय seed सेट करने से अंतर्निहित noise पैटर्न स्थिर रहता है, यानी आप एक ही मूल कम्पोज़िशन रखते हुए प्रॉम्प्ट पर काम जारी रख सकते हैं। यह इन कामों के लिए अनमोल है:
PicassoIA बिना API टोकन या GPU सेटअप के FLUX परिवार के मॉडल का सीधा एक्सेस देता है। प्लेटफ़ॉर्म पर Flux Redux Dev होस्ट है, Black Forest Labs का वेरिएशन मॉडल जो एक मौजूदा इमेज लेता है और उसकी कम्पोज़िशन की संरचना बनाए रखते हुए हाई-क्वालिटी वेरिएशन बनाता है।
Flux Redux Dev स्टैंडर्ड टेक्स्ट-टू-इमेज जेनरेशन से अलग तरीके से काम करता है। यह खाली कैनवास से शुरू करने के बजाय एक रेफ़रेंस इमेज को मुख्य इनपुट के रूप में लेता है और ऐसे वेरिएशन बनाता है जो मूल के स्ट्रक्चरल DNA को बनाए रखते हैं। इससे यह इन कामों के लिए उपयोगी बनता है:
"same composition, golden hour lighting instead of overcast, warmer tones, soft shadows from the left"💡 टिप: Redux Dev से सबसे अच्छे नतीजों के लिए आपकी रेफ़रेंस इमेज पहले से उसी रिज़ोल्यूशन पर होनी चाहिए जिस पर आप आउटपुट चाहते हैं। मॉडल मौजूदा संरचना को रीमिक्स करता है, नई डिटेल नहीं गढ़ता।
1440px नेटिव रिज़ोल्यूशन पर भी FLUX.3 Max का आउटपुट बड़े फ़ॉर्मैट की प्रिंटिंग या बिलबोर्ड साइज़ के डिस्प्ले के लिए AI अपस्केलिंग से फ़ायदा उठाता है। PicassoIA के सुपर-रेज़ोल्यूशन टूल आउटपुट को 4x या 6x तक ले जाते हैं, बिना उन halo आर्टिफैक्ट के जो पुराने अपस्केलर पैदा करते थे।
| मॉडल | सबसे अच्छा किसके लिए | अधिकतम स्केल |
|---|---|---|
| Clarity Pro Upscaler | पोर्ट्रेट, त्वचा की बनावट | 4x |
| P-Image Upscale | स्पीड-प्राथमिकता, 1 सेकंड में नतीजा | 4x |
| Recraft Crisp Upscale | तीखे किनारे, ग्राफ़िक और प्रोडक्ट कंटेंट | 4x |
| Google Upscaler | लैंडस्केप, पर्यावरणीय डिटेल | 4x |
| Topaz Image Upscale | प्रिंट-रेडी अधिकतम डिटेल | 6x |
| Real ESRGAN | सामान्य उपयोग, बैच उपयोग | 4x |
| Crystal Upscaler | पोर्ट्रेट में चेहरे की डिटेल | 4x |
ज़्यादातर FLUX.3 Max आउटपुट के लिए Clarity Pro Upscaler या Topaz Image Upscale सबसे साफ़ नतीजे देते हैं, क्योंकि ये दोनों मॉडल इलस्ट्रेशन कंटेंट के बजाय फोटोरियलिस्टिक फ़ोटोग्राफ़ी पर ट्रेन किए गए हैं।
AI इमेज को अपस्केल करते समय आम गलती यह है कि बहुत ज़्यादा denoising strength लगाया जाए। AI इमेज में पहले से साफ़, बिना noise वाले हिस्से होते हैं, जो भारी denoising के तहत नकली लगते हैं। यह वर्कफ़्लो इस समस्या से बचाता है:
सबसे असरदार लेकिन कम इस्तेमाल होने वाले वर्कफ़्लो में से एक है कि आप FLUX.3 Max के प्रॉम्प्ट लिखने या सुधारने के लिए लार्ज लैंग्वेज मॉडल का इस्तेमाल करें। हाथ से लिखे प्रॉम्प्ट और LLM की मदद से बने प्रॉम्प्ट के क्वालिटी अंतर तुरंत दिख जाता है।
PicassoIA पर कई LLM होस्ट हैं जो इमेज जेनरेशन के लिए बेहतरीन प्रॉम्प्ट बनाते हैं:
वर्कफ़्लो सीधा है: अपनी इमेज का विचार सादी भाषा में बताएँ, LLM से कहें कि उसे विशिष्ट रोशनी, लेंस और टेक्सचर विवरण वाले FLUX-अनुकूल प्रॉम्प्ट में बदले, फिर नतीजे को जनरेटर में चिपका दें।
उदाहरण निर्देश:
"FLUX.3 Max के लिए एक विस्तृत प्रॉम्प्ट लिखें: गीली स्लेट पत्थर पर रखी काँच की परफ़्यूम बोतल का प्रोडक्ट शॉट। विशिष्ट रोशनी, कैमरा लेंस और माहौल शामिल करें। फ़ोटोरियलिज़्म मॉडिफ़ायर से खत्म करें। 60-80 शब्द।"
यह तरीका ऐसे प्रॉम्प्ट देता है जिन्हें एक शुरुआती व्यक्ति ट्रायल-एंड-एरर से विकसित करने में घंटों लगा देता। LLM उन फ़ोटोग्राफ़िक विवरणों को भर देता है जो आप अपने आप शायद निर्दिष्ट ही न करें।
FLUX.3 Max मानव शरीर रचना को किसी भी पिछले वर्ज़न से बेहतर संभालता है। हाथ, जो AI इमेज मॉडल की पारंपरिक विफलता का बिंदु रहे हैं, लगातार सही आते हैं। त्वचा की बनावट, subsurface scattering और आँखों में कैचलाइट बिना किसी खास प्रॉम्प्ट के दिखते हैं। AI-सहायता वाले एडिटोरियल या विज्ञापन काम करने वाले स्टूडियो के लिए पोर्ट्रेट की क्वालिटी ही सबसे आम कारण है कि वे पिछले मॉडल से बदलते हैं।
आर्किटेक्चर के लिए FLUX.3 Max परिप्रेक्ष्य की ज्यामिति का सम्मान करता है, जिसमें पुराने मॉडल जूझते थे। समानांतर रेखाएँ समानांतर रहती हैं। फ़्रेम में वैनिशिंग पॉइंट एकसमान रहते हैं। लैंडस्केप के लिए मॉडल यथार्थवादी कोहरे, सही क्षितिज रेखाओं और विश्वसनीय आकाश-से-ज़मीन प्रकाश स्थानांतरण के साथ वायुमंडलीय गहराई बनाता है। चाहे आप शाम का घना जंगल बना रहे हों या दोपहर का खुला रेगिस्तान, आउटपुट कंप्यूटर-जनित के बजाय फ़ोटोग्राफ़िक रूप से वास्तविक लगता है।
प्रोडक्ट फ़ोटोग्राफ़ी वह जगह है जहाँ FLUX.3 Max सीधे उन बजटों से मुकाबला करता है जो स्टूडियो फ़ोटोग्राफ़ी पर खर्च होते हैं। मटीरियल रेंडरिंग (काँच, धातु, कपड़ा, चमड़ा, सिरेमिक) कैटलॉग उपयोग के लिए काफ़ी सटीक है। Recraft Crisp Upscale और Bria Increase Resolution के साथ मिलकर प्रोडक्ट इमेज बिना स्टूडियो शूट के प्रिंट-रेडी क्वालिटी तक पहुँच सकती हैं। छोटे ब्रांड और स्वतंत्र क्रिएटर्स के लिए यह एक बड़ा लागत फ़ायदा है।
FLUX.3 Max के आउटपुट की ज़्यादातर समस्याएँ अनुमानित गलतियों से आती हैं:
1. प्रॉम्प्ट को ज़रूरत से ज़्यादा भरना: बहुत सारे प्रतिस्पर्धी सब्जेक्ट शामिल करने से मॉडल को समझौते करने पड़ते हैं। मुख्य सब्जेक्ट को एकल और स्पष्ट रखें।
2. रोशनी की दिशा छोड़ देना: "अच्छी रोशनी" मॉडल को कुछ नहीं बताती। "Soft directional light from camera left at 45 degrees" एक विशिष्ट, एकसमान नतीजा देता है।
3. स्टाइल के छोटे शब्द इस्तेमाल करना: "cinematic" या "professional" जैसे शब्दों की व्याख्या असंगत होती है। उनकी जगह असली कैमरा स्पेक्स और रोशनी के विवरण लिखें।
4. सीड को नज़रअंदाज़ करना: सीड न सेट करने से हर दोबारा जेनरेशन अप्रत्याशित होती है। जब कोई कम्पोज़िशन पसंद आ जाए तो सीड तय करें, फिर वहीं से प्रॉम्प्ट पर इटरेट करें।
5. बहुत ज़्यादा अपस्केल करना: पहले से साफ़ AI इमेज पर denoising strength 0.5 से ऊपर ले जाने से वह सतही बनावट नष्ट हो जाती है जो उसे फ़ोटोग्राफ़िक बनाती है। सावधानी से रहें।
आपके खास उपयोग के लिए FLUX.3 Max क्या कर सकता है, यह देखने का सबसे तेज़ तरीका है अभी एक प्रॉम्प्ट चलाना। PicassoIA Flux Redux Dev को एक क्लिक की दूरी पर रखता है, साथ ही अपस्केलर्स की पूरी लाइब्रेरी भी, जिसमें Clarity Pro Upscaler और Topaz Image Upscale शामिल हैं, ताकि आप एक ही सेशन में टेक्स्ट प्रॉम्प्ट से प्रिंट-रेडी इमेज तक पहुँच सकें।
अपनी मुख्य श्रेणी में एक प्रॉम्प्ट से शुरू करें: पोर्ट्रेट, लैंडस्केप, प्रोडक्ट या आर्किटेक्चर। रोशनी को साफ़-साफ़ बताएँ। एक सीड सेट करें। हाई रिज़ोल्यूशन पर जेनरेट करें। फिर नतीजे को PicassoIA के किसी अपस्केलर से चलाएँ, ताकि वह अपनी अंतिम क्वालिटी की सीमा तक पहुँचे।
हर टेक्स्ट-टू-इमेज मॉडल, सुपर-रेज़ोल्यूशन टूल और प्रॉम्प्ट सुधार के लिए LLM सहित पूरा मॉडल कैटलॉग picassoia.com/en/all-models पर उपलब्ध है।
अपनी भाषा चुनें
