「Stable Diffusion」-এর ডেভেলপারদের দ্বারা প্রতিষ্ঠিত Black Forest Lab, সম্প্রতি একটি উত্তেজনাপূর্ণ টেক্সট-টু-ইমেজ মডেল——「FLUX.1」উন্মোচন করেছে। এই নতুন মডেলটি চীনা ইনপুট সমর্থন করে এবং অসাধারণ ভাষা বোঝার ও টেক্সট নিয়ন্ত্রণ ক্ষমতা প্রদর্শন করেছে। FLUX.1 তিনটি ভিন্ন ইমেজ জেনারেশন মডেল প্রদান করে, যার মধ্যে দুটি ওপেন সোর্স, বিভিন্ন ব্যবহারকারীর জন্য বিভিন্ন বিকল্প প্রদান করে।
আমরা FLUX.1 Pro এবং Midjourney-এর সর্বশেষ v6.1 মডেলের তুলনা করেছি। যদিও FLUX.1 শৈল্পিক শৈলী এবং বৈচিত্র্যে Midjourney-এর চেয়ে কম, তবে ইমেজ স্পষ্টতা, বিস্তারিত বাস্তবতা এবং জটিল দৃশ্য জেনারেশনে FLUX.1 Pro-এর পারফরম্যান্স v6.1-এর সমতুল্য, এমনকি কিছু ক্ষেত্রে v6.1-কে ছাড়িয়ে গেছে। জটিল ইংরেজি টেক্সট, বহু-ব্যক্তি দৃশ্য এবং প্রম্পট বোঝার ক্ষেত্রে FLUX.1 Pro-এর পারফরম্যান্স v6.1-এর চেয়ে উল্লেখযোগ্যভাবে ভালো। FLUX.1 Pro সঠিকভাবে বহু-ব্যক্তি দৃশ্য পরিচালনা করতে পারে, মুখ এবং হাতের বিস্তারিত বিকৃতি এড়ায়, অতি-দীর্ঘ টেক্সট তৈরি করার সময় বিষয়বস্তু এবং লেআউট উভয়ই খুব মানসম্মত, একই সাথে প্রম্পট লিক সমস্যা কার্যকরভাবে প্রতিরোধ করে।

「FLUX.1」ওয়ান-ক্লিক ইন্টিগ্রেশন প্যাক Stable Diffusion WebUI forge-এর উপর ভিত্তি করে, nf4 কোয়ান্টাইজড লাইটওয়েট মডেল ব্যবহার করে। nf8 মডেলের তুলনায়, nf4 ছোট আকারে更好的 জেনারেশন ফলাফল অর্জন করে। বাস্তব পরীক্ষায়, 6G VRAM ব্যবহার করে মসৃণভাবে চালানো যায়, একটি ছবি তৈরি করতে প্রায় 30 সেকেন্ড লাগে। ডাউনলোড করার পর, শুধু আনজিপ করে “启动webui.bat” ফাইলটি চালান, স্বয়ংক্রিয়ভাবে webui ইন্টারফেসে চলে যাবে। তারপর জেনারেশনের জন্য FLUX.1-এর nf4 মডেল নির্বাচন করুন।
যদি আপনার কম্পিউটার কনফিগারেশন 「FLUX.1」মডেল সমর্থন করতে না পারে, আপনি এখনও অনলাইন প্ল্যাটফর্মের মাধ্যমে এই টেক্সট-টু-ইমেজ টুলটি অভিজ্ঞতা করতে পারেন। pro, dev বা schnell যেকোনো সংস্করণেই, আপনি টেক্সট বিষয়বস্তু ইনপুট করতে, ইমেজ অনুপাত সেট করতে এবং প্রয়োজনীয় ছবি তৈরি করতে পারেন।
অনলাইন অভিজ্ঞতা:
https://replicate.com/black-forest-labs