Flux Kontext: как править фото текстом и не потерять лицо

Кратко. Flux Kontext это модели Black Forest Labs, которые правят фото по текстовой команде: «сними очки», «поменяй фон на вечерний город». Есть три версии: быстрый Pro, старший Max и открытый Dev. Чтобы лицо не уплыло, пиши конкретно, что меняешь, и явно проси сохранить черты лица. Каждая следующая правка чуть сдвигает лицо, поэтому серию лучше держать короткой.

Flux 1 Kontext: что это за модель

FLUX.1 Kontext правит картинку словами. Ты даёшь фото и пишешь по-английски, что поменять, а модель меняет только это и старается оставить остальное как было.

Так выглядит разница с обычной генерацией. Раньше, чтобы убрать очки с портрета, нужно было выделять область, перерисовывать её и следить, чтобы новые глаза подошли к лицу. Здесь одна фраза: «remove the glasses». Модель сама находит очки, сама дорисовывает глаза и брови под ними.

Умеет Kontext несколько вещей. Локальная правка, когда меняется один предмет. Перенос персонажа в новую сцену с сохранением внешности. Перенос стиля с картинки-образца. Замена текста на вывесках и плакатах. И серия правок подряд, когда каждый следующий шаг идёт от результата предыдущего.

Всё семейство Flux и то, чем Kontext отличается от моделей, которые рисуют с нуля, разобрано в статье про Flux. Здесь только правка.

Flux Kontext Pro, Max и Dev: чем отличаются

Версии три, и выбор зависит от того, где ты работаешь и что правишь.

Pro и Max доступны через сервисы и API Black Forest Labs, есть песочница на их сайте. Dev можно скачать и запустить у себя, но с оговоркой про лицензию, о ней ниже.

Допустим, тебе нужно убрать с одного портрета чужую руку на плече, а на другом поменять надпись на футболке. Для первой задачи хватит Pro: правка простая, и важна скорость, если кадров десяток. Для второй лучше Max: текст на ткани должен лечь по складкам и читаться, а здесь старшая версия заметно аккуратнее. Dev имеет смысл, только если у тебя уже стоит локальная сборка и ты правишь для себя.

Одна деталь, которую стоит знать до того, как строить на Kontext свою работу. В документации Black Forest Labs он теперь назван моделью предыдущего поколения, а для новых проектов разработчик советует FLUX.2. Kontext при этом никуда не делся и работает.

Как формулировать правку

Правило одно: называй, что меняется, и не трогай словами то, что должно остаться. Картинка уже содержит всё остальное, модели не нужно его пересказывать.

Разработчик в своём справочнике по запросам даёт несколько советов, и все они про лицо:

1. Пиши только об изменении. «Change the jacket to a dark blue suit», а не описание всей сцены заново.
2. Явно проси сохранить черты: «while maintaining the same facial features and hairstyle».
3. Бери конкретные глаголы. «Change the clothes» работает лучше, чем «transform the person».
4. Если меняешь несколько вещей, перечисляй каждую подробно.
5. Для текста на картинке бери кавычки: «Replace 'joy' with 'BFL'».

Третий пункт важнее, чем кажется. Представь, что ты хочешь увидеть себя в образе полярника и пишешь «transform me into an arctic explorer». Модель понимает «преврати» широко и меняет всё, включая форму лица. Было: знакомый мужчина в свитере. Стало: бородатый незнакомец в парке. Та же задача через «change the clothes to a heavy arctic parka, add snow in the background, keep the same face» даёт тебя в парке на фоне снега.

Как писать запросы к нейросетям вообще, разобрано в статье о том, как написать промпт.

Почему после нескольких правок лицо уплывает

Потому что каждая правка это новая генерация по результату прошлой. Модель каждый раз заново рисует картинку и каждый раз чуть-чуть ошибается. Одна ошибка незаметна, пять подряд уже складываются.

Black Forest Labs делает постоянство при серии правок своим главным козырем и пишет о минимальном смещении. На картинках из документации героиня и правда остаётся собой после трёх шагов. Но у тебя другая ситуация: ты знаешь своё лицо лучше любой демонстрации, и смещение, незаметное чужому глазу, тебе бросится в глаза.

Скажем, ты взял своё фото и сделал так: сначала сними очки, потом поменяй фон на вечерний город, потом добавь пиджак, потом сделай свет теплее, потом убери щетину. На пятом шаге ты смотришь на результат и не можешь понять, что не так. Глаза стали чуть больше, нос чуть ровнее, подбородок чуть мягче. Каждый шаг сдвинул лицо на волосок, и волоски сложились в другого человека.

Лечится это двумя способами:

• Каждую правку начинай с оригинального фото, а не с прошлого результата, и объединяй изменения в одну команду.
• Делай не больше двух-трёх шагов подряд, дальше возвращайся к исходнику.

Почему нейросети вообще меняют лицо и как этому противостоят разные сервисы, есть в статье о том, почему AI меняет лицо.

Как проверить, что лицо осталось твоим

Смотреть надо на исходник и результат рядом, при 100 % масштабе. На превью в телефоне любые изменения теряются.

1. Приметы. Родинки, шрамы, несимметричная бровь, неровный зуб: всё на месте?
2. Глаза. Размер, разрез и расстояние между ними не изменились?
3. Нос и подбородок. Переносица осталась своей ширины, подбородок не стал мягче?
4. Кожа. Появилась ли гладкость, которой не было?
5. Возраст. Выглядишь ли ты на тот же возраст, что на оригинале?

Если «нет» хотя бы в двух пунктах, откатывайся к оригиналу и делай правку одной командой. Фото на документы нейросетью не правь вообще: ни Kontext, ни чем-то другим.

Flux Kontext dev: запуск у себя и лицензия

Dev это открытая версия на 12 миллиардов параметров, которую можно запускать на своём компьютере. Разработчик позиционирует её как модель для обычного железа, но на деле это железо должно быть с хорошей видеокартой.

Главное ограничение не в памяти, а в лицензии. Kontext Dev распространяется по некоммерческой лицензии FLUX.1 Dev. Для себя, для экспериментов и исследований можно, а продавать правки клиентам на ней нельзя без отдельной договорённости с разработчиком. Представь, что ты фотограф-любитель и решил за деньги убирать очки с портретов знакомых на Dev: это уже коммерция, и лицензия её не покрывает.

Где Kontext хорош, а где нет

Хорош там, где нужна одна понятная правка на хорошем исходнике. Поменять цвет рубашки, убрать лишний предмет со стола, заменить надпись на вывеске, перекрасить фон. С такими задачами модель справляется быстро и аккуратно. Скажем, на удачном кадре с дня рождения за спиной висит гирлянда с чужим именем: одна команда, и на гирлянде твоё, тем же шрифтом и с тем же провисанием.

Хуже там, где правка касается самого лица или идёт длинной серией. «Сделай меня моложе», «убери мешки под глазами», «поменяй выражение лица» дают результат, но это уже частичная перерисовка лица, и сходство страдает первым. Отдельно про редактирование фото нейросетями и разные подходы к нему есть статья о том, как изменить фото нейросетью.

И последнее: править чужие фото без согласия человека не стоит, даже если правка безобидная вроде смены фона.

Где здесь мы

Если нужен не один исправленный кадр, а серия новых портретов, где лицо держится от кадра к кадру, мы делаем фотореалистичные портреты одного мужчины по его фото. В каталоге сцен хватает трёх селфи, сцен больше 600, пакет готов за 10-20 минут, от 490 ₽. Здесь тоже работает редактирующая модель, но на каждый кадр она получает твои реальные снимки, а не свою прошлую правку. В профи-фотосессии по 15-20 фото обучается личная модель: 60 фото в 5 стилях за 3 490 ₽, около 20 минут. Кадры вертикальные 3:4. Снимки хранятся в Yandex Object Storage и передаются AI-сервисам kie.ai и fal.ai только под твой заказ.

Источники

• FLUX.1 Kontext, страница модели
• Документация Black Forest Labs по Kontext
• FLUX.1 Kontext dev на Hugging Face

Частые вопросы