【FLUX】目前最强的文生图模型？！FLUX完全解读！附体验地址

标签：FLUX.1 文生模型 Labs FLUX AI Forest 最强 Black

几天前，Poe AI新增了一个文生图的模型，在给用户发放的邮件通知中，Poe形容这个文生图模型是“the best image generator”，它便是FLUX。

说起FLUX模型，可能很多小伙伴都没听说过。这并不奇怪。FLUX是由Black Forest Labs（黑森林实验室）推出的一款最新的文本生成图像模型。而Black Forest Labs今年8月1日，也就是大约两周前，才在官网宣布了Black Forest Labs的启动。

Black Forest Labs是由Stable Diffusion原班人马创立的新公司，专注于开发先进的生成式深度学习模型，并致力于建立新的行业标准。该公司由Robin Rombach领导，他是Stable Diffusion的作者之一。Black Forest Labs的核心使命是通过开发强大且易于访问的生成式AI工具，使得高质量的生成式AI技术普及化。Black Forest Labs认为开放的访问权限和广泛的研究社区合作对AI技术的负责任发展至关重要。这一理念体现在他们发布的模型中，这些开源模型供非商业用途使用，同时他们也提供适用于商业应用的更强大版本。

Black Forest Labs公布了它在生成式AI领域取得的一系列技术突破。

VQGAN技术：这是一种结合了生成对抗网络（GAN）和向量量化变分自编码器（VQ-VAE）的创新模型，它能够生成高清晰度的图像。
潜在扩散模型：这些模型通过在潜在空间中进行操作，显著提升了图像生成的效率和质量。
稳定扩散模型：以其出色的效率而闻名，能够在较低的计算成本下生成高质量的图像。

在融资和未来发展方面，Black Forest Labs于本月（2024年8月）成功完成了3100万美元的种子轮融资，由Andreessen Horowitz领投，其他知名投资者如Brendan Iribe、Michael Ovitz、Garry Tan、Timo Aila和Vladlen Koltun也参与了投资。这笔资金将助力实验室在全球范围内推广其尖端AI技术。展望未来，Black Forest Labs计划将其技术扩展到文本到视频生成领域，利用其在扩散模型方面的专长，开发能够快速、精确地创建和编辑视频的工具。这一发展将进一步加强Black Forest Labs在生成式媒体技术领域的领先地位。

这份完整版的AI绘画全套学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【`保证100%免费`】

关于FLUX.1模型 ----------

FLUX模型全名为FLUX.1，是Black Forest Labs最近推出的文本生成图像的AI模型。

FLUX.1模型包含三个版本：FLUX.1 [pro]、FLUX.1 [dev]和FLUX.1 [schnell]，分别针对不同的使用场景和需求。其中，FLUX.1 [pro]是闭源模型，提供最佳性能，而FLUX.1 [dev]和[schnell]则是开源模型，[dev] 版本不可商用，[schnell]版本则专为本地开发和个人使用设计，具有最快的生成速度和最小的内存占用。

FLUX.1 [pro]： 这是FLUX.1的最强版本，专为商业用途设计，提供最先进的图像生成性能，包括顶级的提示词遵循、视觉质量、图像细节和输出多样性。目前可以通过API获取FLUX.1 [pro]的访问权限。
FLUX.1 [dev]： FLUX.1 [dev]是一个开源的引导蒸馏模型，适用于非商业应用。直接从FLUX.1 [pro]蒸馏而来，FLUX.1 [dev]获得了类似的质量和提示词遵循能力，同时比同等大小的标准模型更高效。
FLUX.1 [schnell]： 响应速度最快的模型，专为本地开发和个人使用量身定制。FLUX.1 [schnell]可在Apache 2.0许可下公开获取。与 FLUX.1 [dev]类似，权重可在Hugging Face上获取，代码可以在GitHub和HuggingFace的Diffusers中找到。

目前发布的FLUX.1模型均采用了一种创新的混合架构，融合了多模态处理能力和并行扩散机制的Transformer技术，并将其扩展至高达120亿个参数。这些模型在训练生成模型的方法上采用了流匹配技术，这种方法不仅通用性强，而且概念简洁，特别适用于包括扩散过程在内的各种情况。

根据Black Forest Labs官方的测试对比图，FLUX.1 [pro]和[dev]版本在多方面超越了市场上的主流文生图模型，包括Midjourney v6.0、DALL·E 3 (HD)和SD3-Ultra。这些方面包括视觉质量、对提示词的精准遵循、尺寸和比例的多样性、排版能力以及输出的多样性。