超过 1 年前
两只可爱的鹦鹉，公鸡，卡通人物，宠物，亲密友好的互动 --v 6.1
自Flux发布以来，Flux.1 Pro、Dev和Schnell等强大模型迅速进入AI领域，尤其是后两者的开源对图像生成领域产生了重大影响，挑战了Stable Diffusion的主导地位。Flux模型以高质量输出和简便的生成过程受到创作者青睐，尤其在LoRA训练中表现突出。尽管Flux的成功引发了开源社区的热潮，但黑森林实验室如何维持可持续商业模式仍是未知数。Flux Gym作为开源项目，提供了直观的用户界面和自动标注功能，降低了训练门槛，吸引了更多用户。未来的开源图像生成前景乐观。
本文回顾了大型语言模型（LLMs）的演变历程，从早期的n-gram和RNN模型到2017年引入的变换器架构，标志着自然语言处理的重大突破。GPT系列模型的推出，尤其是GPT-3，展示了前所未有的语言理解和生成能力，推动了对话式AI的发展。未来，LLMs将继续进化，但也需关注潜在的伦理问题，如偏见和错误信息。理解这一进程有助于我们把握当前技术的能力及未来的创新。
大语言模型（LLMs）如ChatGPT通过预测句子中的下一个词，将碎片化的输入转化为连贯的人类语言。本文探讨了模型如何处理这一任务，包括分词、嵌入、注意力机制和神经网络层。模型首先将输入句子分解为可理解的单位（tokens），然后将每个token转换为表示其语义的向量。变换器架构依赖自注意力机制来确定句子中最相关的tokens，以预测下一个词。模型通过反向传播和梯度下降调整权重，逐步提高预测准确性。
使用Poco X6相机拍摄图像，数据集尚未准备好，包含重复图像，实验性工作。训练了Clip-L和T5-XXL文本编码器，使用256张图像作为数据集。由于社区反馈，暂停研究，使用自我开发的工作流程进行训练，使用SUPIR进行图像提升。256张图像导致过拟合，需更详细的提示以减少影响。输出质量超出预期，表现更生动、真实，尽管数据集存在不一致性。
Runway推出了第三代AI视频生成模型Gen-3，标志着技术的重大进步。该模型旨在提升平台上所有图像和文本到视频的工具，包括Motion Brush等功能。Gen-3将增强视觉质量，并引入新的工具以更详细地控制结构、风格和运动。新模型在视频和图像上同时训练，预计将显著改善文本到视频的效果。虽然Gen-3仍处于alpha阶段，但已有视频显示出运动和遵循提示的显著改善。
本文介绍了Flux模型的安装、部署及使用，强调其在图像质量和技术能力上的优势。Flux由黑森林工作室开发，拥有12亿训练参数，提供PRO、dev和schnell三个版本，适合不同用户需求。模型在手部渲染、字体生成和风格适应方面表现出色，支持多种分辨率，适合各种创意项目。
© 2026. All Rights Reserved
