Midjourney之后，从未见人们对某个AI生图应用，如此疯狂着迷。

Flux的横空出世，意味着AI图像生成迈入了一个全新的阶段。

马斯克本人表示，真假已经傻傻分不清。

先是，一张TED演讲者逼真照片席卷了整个互联网。再之后，集成Flux模型的Grok2破除护栏限制，被网友玩疯。

最近，Flux开发者们也纷纷入坑，开启微调自己的LoRA模型。

HuggingFace联创惊叹道，Flux已经完全席卷了开源AI界，从未见过一个模型，同时有如此多的衍生模型/在线平台/demo占据热榜。

一手微调的开发者表示，「Flux+LoRA将颠覆生成式AI市场。你可以在任何地方，戴着任何东西，穿着任何你喜欢的衣服，生成不同的自己」。

比如，让自己变身超人。

拿上伸缩光影剑，变身绝地武士，愿原力与你同在。

不仅如此，冰雕，拿着switch游戏机，精灵耳，时装走秀等各种形象的照片，都是动动嘴皮子的事。

微调自己的LoRA，现已经成为许多开发者的新玩物。

这不，全网都被Flux+LoRA淹没了。

一个人就能组成「复仇者联盟」

Rundown AI的创始人Rowan Cheung将自己的照片作为数据，用Flux训练了一个LoRA模型，然后联动Runway让其动起来。

如下，生成了一张类似TED演讲者的图片。

做成视频后，照片中的自己真的活灵活现了，很有演讲者范儿。唯一不足的是，右手到后面指头就变成了2-3根。

另一张，生成了以超人身份拯救世界的自己。

配上动画，终于做了一回漫威中的英雄。

再生成一张身穿时装，走秀现场的照片。

两边观众热烈鼓掌，也算是体验了一把T台走秀。

此外，Rowan Cheung还生成了不同风格的自己，和场景融合自洽，毫无违和感。

左右滑动查看

他认为，虽然AI生图依旧不能替代完整的电影/商业广告，但其已经有很多重要的用途，尤其对内容创作者来说。

比如，这些AI图片制作用于新闻的预览图和配图，以及短片中的补充素材（B-roll）。

网友Min Choi看后表示，自己可以组建一支「复仇者联盟」了。

前英特尔CTO在A100上，同样微调了一个自己的LoRA模型，75分钟花费了7美金（约50元）。

左右滑动查看

还有开发者硬是把自己拍成了恐怖片。

分不清AI还是现实

要说最火的，还是「超现实主义」的微调版本——让人越来越分不清想象和现实的边界了。

是真实的照片，还是AI画出来的人?

在Flux-Dev中用LoRA训练后，无论是场景复杂性还是真实感，都取得了不可思议的进展。

什么风格都能微调

除此之外，各种不同风格的微调也层出不穷。

像素风格

开发者以传奇的ZX Spectrum中的风格为例，微调出类似像素的图片生成LoRA。

下面生成图像中，有龙珠孙悟空、漫威钢铁侠、川建国（貌似）等形象。

左右滑动查看

动画涂鸦

PS生成式AI产品设计人Davis Brown基于Flux，微调出了一个half_illustration模型。

它生成的图片，有一部分是真实照片的画风，一部分是动画涂鸦的风格。

每次生图前，只需要在提示开头加上——In the style of TOK。

然后，具体描述想要的效果，就能立即出片。

以后感觉不一定非得用PS，直接AI生图就可以了。

还有其他涂鸦风格的照片。

左右滑动查看

九宫格

开源数据集平台LAION用Flux模型，训出了一个可以生成3x3九宫格照片，还是不同角度的自己。

以后自拍一张，就够了。

左右滑动查看

不同年龄

一个人一生的样貌，透过Flux+LoRA便可看到。

左右滑动查看

另一个例子:

左右滑动查看

可玩性超强

今天的主角——FLUX.1，采用了一种全新的「流匹配」技术。

以前的扩散模型是通过逐步去除从随机起点开始的噪声来创建图像，而流匹配则采用更直接的方法，学习将噪声转换为真实图像所需的精确变化。

这种方法上的差异带来了独特的美学风格，并在速度和控制方面具备极大的优势。

文本:大部分都能get到

文本到图像生成的挑战之一是准确地将文字转化为视觉表现。FLUX.1在这方面处理得相当好，即使是在像表情包这样复杂的场景中。

prompt:

prompt:

光线和质感都不错

FLUX.1对光线、阴影和纹理有敏锐的理解，能始终如一地生成高质量的图像。

prompt:

在这幅图里，重点不仅在于玻璃的质感，还在于光线如何通过花瓣折射和传递，创造出一种发光的效果。

prompt:

艺术风格:不止是模仿

FLUX.1似乎掌握了各种艺术风格背后的原理，使得创造性的重新诠释成为可能。

prompt:

这幅《神奈川冲浪里》的「水彩」版本不仅暗示着标志性波浪是模型训练数据的一部分，还突出了「流」技术如何近似颜料在水、纸和墨水中的运动。

构图:让场景有意义

FLUX.1擅长构建复杂的场景，以一种既真实又有视觉吸引力的方式放置物体和角色。

prompt:

「流」:一种新的视觉语言

FLUX.1所采用的流匹配技术，赋予了图像一种独特的有机运动感和流动性，仿佛像素本身在流动。

prompt:

总有一款工具，能帮你搞定

我们可以把图像的生成过程概括为:获取一些输入像素，将它们从噪声中稍微移开，朝着由你的文本输入创建的模式移动，并重复这一过程，直到达到设定的步骤数。

而微调过程则是从数据集中获取每个图像/标注对，并稍微更新其内部映射。

只要可以通过图像-标题对表示，你就可以通过这种方式教会模型任何内容:角色、场景、媒介、风格、流派。

左:使用原始FLUX.1模型生成;右:使用相同提示和种子，在fofr/flux-bad-70s-food模型上生成

在训练中，模型将会学习如何把这些概念与特定的文本字符串关联起来。而在提示中，则需要加入这个字符串来激活这种关联。

比如，你想微调一个「漫画风超级英雄」的模型。

首先，需要收集大量关于角色的图像作为数据集，包括但不限于:不同的场景、服装、灯光，甚至可能是不同的艺术风格

然后，选择一个简短且不常见的词或短语作为你的触发词:一种不会与其他概念或微调冲突的独特内容。你可能会选择像「糟糕的70年代食物」或「JELLOMOLD」这样的词。

在训练完成之后，你只需给出一个包含触发词的提示，如「在旧金山的聚会上拍摄糟糕的70年代食物的场景」，模型就会调用你之前微调时加入的特定概念。

就这么简单。

在了解了原理之后，我们就可以任选一个工具来微调模型了。

左:使用原始FLUX.1模型生成;右:使用相同提示和种子，在fofr/flux-bad-70s-food模型上生成

比如一位叫Matt Wolfe的小哥，在看到上面这些酷炫的生成之后，也好奇地上手试了一把。

结果，他翻车了……

做出的AI图像，堪称买家秀和卖家秀的区别。

这是他生成的——

这是别人的——

两张图片高下立判，区别就在于用没用LoRA微调。

被刺激到的小哥，立刻去研究了一番，他惊喜地发现，LoRA模型很小，只有2到500MB，可以轻易地和现有的模型结合。

更令人惊喜的是，并不需要额外的算力，也不需要全面的再训练，就可以让AI模型提高画质，产生独特的风格，或者生成特殊的人物，比如马里奥或者海绵宝宝。

遗憾的是，在小哥用得顺手的Glif上，Flux中并不能使用LoRA。

他发现，能使用Flux的其中一种方法，是用ComfyUI。

这张图，相信很多人都很熟悉了

或者，也可以使用Replicate、HuggingFace Spaces或Fal AI之类的平台。

小哥在Fal平台上试用后，发现每百万像素花费0.035美元，所以，只要花1美元，就可以运行模型29次，还是比较划算的。

在这里FLUX.1dev、Flux Realism LoRA、FLUX.1pro等等，都是可以使用的。

小哥二话不说，选择了Flux Realism LoRA。

经过精心调试后，小哥将推理步长设置在了28，CFG设置在了2。

产生的图像，效果非常惊喜!

如果说有什么瑕疵，就是额头皱纹处的打光仍然不自然。

接下来，小哥兴奋地将图像导到Gen-3Alpha中，根据他输入的prompt，Gen-3Alpha生成了视频。

除了在某一刻，手中的麦克风突然「飘浮」了起来，视频的其余部分，挑不出太大毛病了。

小哥又尝试了一遍，生成了第二个视频。

这一次，麦克风又显得太过静止了，仿佛定在了原地。

另外，小哥也加入了全网爆改自己的大潮，生成一系列爆笑的照片。

最后，小哥再用Gen-3Alpha把它变成视频，就让自己和死侍走在了同一部电影的画面中。

参考资料:

https://x.com/dr_cintas/status/1824480995317350401

https://x.com/Gorden_Sun/status/1824843049421484309

https://replicate.com/blog/fine-tune-flux

https://x.com/laion_ai/status/1824814210758459548

https://www.youtube.com/watch?v=_rjto4ix3rA

https://www.youtube.com/watch?v=rDu481JFwqM