Diffusers'a Hoş Geldin FLUX.3 Image Klein: Black Forest Labs'in En Yeni Açık Görsel Üretim Modeli

Black Forest Labs tarafından geliştirilen FLUX.3 Image Klein, ilk günden itibaren Diffusers kütüphanesinde kullanıma sunuldu. Bu model, hem metinden görsele (text-to-image) hem de çoklu referanslı görselden görsele (image-to-image) dönüşüm işlemlerini tek bir çatı altında birleştiriyor. Üstelik yazılım geliştiriciler için yepyeni bir yetenek olan yerleşim kontrolünü (layout control) beraberinde getiriyor. Artık istem (prompt) içerisine doğrudan sınırlayıcı kutular (bounding boxes) yazarak görselin hangi parçasının nereye yerleşeceğini veya referans görseldeki hangi öğelerin taşınacağını programatik olarak belirleyebilirsiniz.

Açık kaynaklı her iki model kontrol noktası (checkpoint) FLUX.3 Image Klein koleksiyonunda yer alıyor:

• black-forest-labs/flux-3-image-klein: Hızlı çıkarım (inference) için zaman adımı damıtılmış (time step distilled) model. Varsayılan olarak 16 adım ve CFG olmadan çalışır.
• black-forest-labs/flux-3-image-klein-base: Temel (base) model. Varsayılan olarak 50 adım ve CFG ile çalışır.

Özet (TL;DR)#

• Metinden görsele, çoklu referanslı görselden görsele ve sınırlayıcı kutu tabanlı yerleşim kontrolü için tek bir birleşik model.
• Damıtılmış (distilled) kontrol noktası, bir H100 GPU üzerinde yaklaşık 2 saniyede 1024 × 1024 çözünürlüğünde görsel üretir.
• Daha küçük GPU'larda verimli çalışabilmesi için from_single_file ile yüklenebilen NVFP4 ve FP8 kuantize ağırlıklar.
• Hem metinden görsele üretim hem de görsel düzenleme süreçleri için hazır LoRA eğitim betikleri.
• Blokları çıkarıp kendi özel bloklarınızı ekleyebileceğiniz Modular Diffusers mimarisi.

İçindekiler#

• Başlarken (Getting started)
• FLUX.3 Neler Yapabilir? (What FLUX.3 can do)
• Temel Model ve Kuantize Varyantlar (Base model and quantized variants)
• LoRA İnce Ayarı (LoRA finetuning)
• Çalıştırma Maliyeti (What it costs to run)
• Mimari (The architecture)
• Modüler Diffusers (Modular Diffusers)
• Deneyin (Try it)

Başlarken#

Geliştirme ortamınıza en güncel diffusers ve (Qwen3-VL metin kodlayıcısı için) transformers kütüphanelerini yükleyerek başlayın:

pip install -U diffusers transformers

Ardından damıtılmış kontrol noktasını ModularPipeline ile yükleyip ilk görselinizi üretin:

import torch
from diffusers import ModularPipeline

pipe = ModularPipeline.from_pretrained("black-forest-labs/flux-3-image-klein")
pipe.load_components(dtype=torch.bfloat16)
pipe.to("cuda")

pipe(prompt="a red fox", output="images")[0].save("fox.png")

Pratik Çıkarım: ModularPipeline kullanımı, geleneksel monolitik pipeline yapılarına kıyasla bileşenlerin (bfloat16 gibi veri tipleriyle) modüler olarak yüklenmesini sağlar ve üretim ortamlarında bellek yönetimini kolaylaştırır.

FLUX.3 Neler Yapabilir?#

Metinden Görsele (Text-to-image)#

FLUX.3; özne, ortam, ışık, kompozisyon ve stil içeren tam sahne betimlemelerine en iyi yanıtı verir. Damıtılmış model varsayılan olarak 16 adımda 1024 × 1024 boyutunda bir görsel üretir. Üretim parametrelerini özelleştirmek için height, width veya num_inference_steps argümanlarını doğrudan değiştirebilirsiniz.

prompt = (
    "A wide-angle wildlife photograph of a red fox standing alert in a snow-covered forest clearing at golden hour. "
    "The fox is centered in the frame, its thick orange winter coat contrasting with the fresh white snow, breath "
    "visible in the cold air. Snow-laden pine trees fill the softly blurred background, and low warm sunlight rakes "
    "across the scene from the left, casting long blue shadows."
)
fox = pipe(
    prompt=prompt, generator=torch.Generator().manual_seed(0), output="images"
)[0]
fox.save("fox.png")

Görselden Görsele (Image-to-image)#

Bir veya daha fazla referans görseli image argümanıyla modele iletebilirsiniz. Burada dikkat edilmesi gereken en önemli mühendislik detayı istem tasarımıdır: İsteminizde sadece değişikliği değil, elde etmek istediğiniz nihai görselin tam altyazısını (caption) yapılan değişiklikle birlikte yazmalısınız.

prompt = (
    "The same red fox in the same snow-covered forest clearing, now at night under a full moon: cool blue "
    "moonlight, deep shadows, stars visible through the pine branches, the fox's eyes catching the light."
)
night = pipe(
    prompt=prompt,
    image=fox,  # önceki metinden görsele örneğinden alınan çıktı
    generator=torch.Generator().manual_seed(0),
    output="images",
)[0]
night.save("night.png")

Geliştirici Notu: Tek bir pipeline üzerinden hem sıfırdan üretim hem de referans görsel tabanlı düzenleme yapılabilmesi, uygulama geliştirirken birden fazla modeli bellekte tutma zorunluluğunu ortadan kaldırarak sunucu maliyetlerini ve mimari karmaşıklığı ciddi ölçüde azaltır.