Flux (テキストから画像へのモデル)

フラックス

Flux 1.1 Pro（Ultraモード）で生成された画像。プロンプトはGenerate an image you feel represents yourself, Black Forest Labs
原作者	ブラックフォレストラボ
開発者	ブラックフォレストラボ
初回リリース	2024年8月
安定版リリース	Flux 1.1 Pro（モデル）[1] / 2024年10月2日
リポジトリ	github.com/black-forest-labs/flux
タイプ	テキストから画像へのモデル
ライセンス	Apache ライセンス(Schnell) 非商用ライセンス（開発） 独自仕様（Pro）
Webサイト	ブラックフォレストラボ

Flux (別名FLUX.1 ) は、ドイツのフライブルク・イム・ブライスガウに拠点を置く Black Forest Labs が開発したテキストから画像への変換モデルです。Black Forest Labs は、 Stability AIの元従業員によって設立されました。他のテキストから画像への変換モデルと同様に、Flux はプロンプトと呼ばれる自然言語の説明から画像を生成します。

ブラックフォレストラボは、Stability AIの元従業員であるロビン・ロンバッハ、アンドレアス・ブラットマン、パトリック・エッサーによって2024年に設立されました。^{[2] [3]創設者3人は以前、}ミュンヘンのルートヴィヒ・マクシミリアン大学でビョルン・オマーの下で研究助手として人工知能による画像生成を研究していました。 ^{[4] [5] [6]}彼らは2022年に画像生成に関する研究成果を発表し、その結果Stable Diffusionが生まれました。^{[6] [7]}ブラックフォレストラボへの投資家には、ベンチャーキャピタルのアンドリーセン・ホロウィッツ、ブレンダン・アイリブ、マイケル・オヴィッツ、ギャリー・タン、ヴラドレン・コルトゥンが含まれています。^[8]同社は初期投資として3,100万米ドル を受け取りました。^{[9] [10]}

2024年8月、FluxはxAIが開発したGrokチャットボットに統合され、 X（旧Twitter）のプレミアム機能の一部として利用可能になりました。^{[11] [12] [13] [14]} Grokはその後、 2024年12月に独自のテキスト画像モデルAuroraに切り替えました^。[15]

2024年11月18日、ミストラルAIは、同社のLe Chatチャットボットが画像生成モデルとしてFlux Proを統合したと発表した。^{[16] [17]}

2024年11月21日、Black Forest Labsは、既存のFluxモデルの上で使用できるように設計された編集ツールスイートであるFlux.1 Toolsのリリースを発表しました。ツールは、インペインティングとアウトペインティング用のFlux.1 Fill、入力画像とプロンプトの抽出された深度マップに基づいて制御するためのFlux.1 Depth 、入力画像とプロンプトの抽出されたキャニーエッジに基づいて制御するためのFlux.1 Canny 、既存の入力画像とプロンプトを混合するためのFlux.1 Reduxで構成されています。各ツールは、Dev版とPro版の両方で利用できます。^{[18] [19]}

Flux は、テキストから画像へのモデルのシリーズです。このモデルは、120 億のパラメータにスケールされたマルチモーダルおよび並列拡散変換ブロックを組み合わせたハイブリッド アーキテクチャに基づいています。^[8]モデルは異なるライセンスでリリースされており、Schnell (ドイツ語で「速い」または「素早い」を意味する)はApache Licenseの下でオープンソース ソフトウェアとしてリリースされ、Dev は非商用ライセンスの下でソースが利用可能なソフトウェアとしてリリースされ、 Pro はプロプライエタリ ソフトウェアとしてリリースされ、サードパーティ ユーザーがライセンスできるAPIとしてのみ利用可能です。 ^{[20] [21]}ユーザーは、使用したモデルに関係なく、結果の出力の所有権を保持しました。^{[22] [23]}

モデルは、ComfyUIやStable Diffusion WebUI Forge（ Automatic1111 WebUIのフォーク）などの生成AIユーザーインターフェースを使用して、オンラインでもローカルでも使用できます。^{[8] [24]}

改良されたフラッグシップモデルであるFlux 1.1 Proは、2024年10月2日にリリースされました。 ^{[25] [26]} 11月6日には、生成速度に影響を与えずに4倍の解像度で最大4メガピクセルの画像を生成できるUltraと、隠し撮り写真のような超リアルな画像を生成できるRawの2つのモードが追加されました。^{[27] [28] [29]}

Fluxに関連しているものとしては、テキストからビデオへの変換モデルSOTAがあり、2024年12月現在開発中である^{[アップデート]}。^[8]

Ars Technicaが実施したテストによると、 Flux.1 DevとFlux.1 Proによって生成された出力は、プロンプトの忠実度の点でDALL-E 3に匹敵し、フォトリアリズムはMidjourney 6にほぼ匹敵し、生成された人間の手はStable Diffusion XLなどの以前のモデルよりも一貫性がありました。^[30]

Fluxは、非常にリアルな画像を生成することで批判されてきた。メディアの報道によると、ドナルド・トランプが銃を持ってポーズをとる画像から不快なシーンまで、さまざまな画像が描かれており、ブラック・フォレスト・ラボが開発した技術の倫理的影響についての議論を引き起こした。^{[4] [13]}

このモデルの公開後、ソーシャルメディアXはFluxで生成された画像で溢れかえった。^{[31] [32]} Black Forest Labsは、このモデルのトレーニングに使用されたデータの正確な詳細は明らかにしていない。^[27] Ars Technicaは、Fluxがインターネットから収集された大量の無許可の画像コレクションに基づいているのではないかと疑っており、これは法的な結果を招く可能性のある物議を醸す行為である。^{[30] [33]}

ウィキメディア・コモンズには、Flux (テキストから画像へのモデル)に関連するメディアがあります。

• 公式サイト