Diffusers で FLUX.3 Image Klein が利用可能に

Hugging FaceのDiffusersで、Black Forest Labsの新しい画像生成モデル「FLUX.3 Image Klein」が使えるようになった。1つのモデルで、テキストからの画像生成、複数の参照画像を使った画像変換、そしてバウンディングボックスによるレイアウト指定に対応する。蒸留版チェックポイントは、H100でおよそ2秒、1024×1024の画像を作るとされる。NVFP4とFP8の軽量版も用意され、小さめのGPUでも動かせるよう配慮されている。LoRAによる学習スクリプトも、テキストからの生成と画像編集の両方で提供される。

一番面白いのは、レイアウト指定の考え方だ。キャプションに続けて、idとbbox、descを並べたJSONを添えると、「この領域に何を置くか」を指定できる。座標は[y_min, x_min, y_max, x_max]の0〜1000スケールなので、画像サイズが変わっても同じ配置が再現できる。画像生成をガチャとして扱ってきた感覚からすると、これはデザイナーが先に配置の下描きを描いてから、中身を描かせる発想に近い。参照画像を<ref_image_0>、<ref_image_1>の番号で指す仕組みも、AIを素材を組み合わせる道具として使う方向への一歩と読める。

中小企業のチラシやSNS画像で効くのは、商品写真を参照画像として渡し、背景や構図だけを差し替える使い方だ。構図を文章で伝えるより、枠で指定したほうが社内の指示も速くなる。ただ、入力された情報にはライセンス条件が含まれていないので、商用利用の前に提供元の条件を必ず確認すること。まずはHugging Faceのスペースで、自社の商品を使って3パターンだけ作ってみるのが手軽な検証になる。