好きか嫌いかはかなり差が出そうな感触

Qwen Image 2.1 turboはプロンプトがそのまま通る感じですが、FLUX 3 Image Kleinは抑止フィルターの影響か、結構無視されることが多いです。

今まで、「日本人」と指定すれば日本人っぽい感じの人物が描かれていたのですが、どうもFLUX 3 Image Kleinは確実に無視されている感じが強いです。どこかの紹介記事に日本語の指示プロンプトは先にpupを行って英語のプロンプトに変換するのが必須らしいのですが、それが原因で無視されている可能性も高いです。

そんなpupを使っていないパターンとなりますが、いつものサンプルを…現状、正方形以外の画像が生成できていないのですが…

まずはいつもの犬文字から

車輪のような果実の断面のようなマークが勝手に追加されていますが、こんな感じで素直に出力されました。

いつものフィッシュ画像はこんな感じで、リアルな感じで出力されましたが、泳いでないですね…。

ただ恐竜と指示しただけですが、結構リアルっぽいですが、模型感がものすごい強い感じです(笑)

主に日本語のプロンプトなので、昔に使用した画像のプロンプトで出力してみました。

英語のプロンプトでも、無視されている部分が多いいようで、直立した人が描かれました…

ちなみに、人種などはseed値を変えるとがらりと変わるので、プロンプトの指定が難しそうなら、seed値を変えて選択するのはありかもしれません。実用的じゃないですねｗ

stable-diffusion.cppの影響か、--fa指定をしなくてもちゃんと出力されることが多くなったので、FLUX3Kleinでも試してみると、やはり問題なく出力できました。フラッシュアテンションを有効にしなくてもきれいに出力されました。

フラッシュアテンションを行うと、早くなるっていう話をよく目にしていますが、自前の環境だと常に遅くなっているんですけど…。差は無いはずなんですが、間違えで、犬画像に「fish」という文字を出している画像を作っちゃったんですが、その時に出力されたときに--faありとなしのパターンで出力したところ、メッセージボードの向かって右上の角が一方は少し丸まっている感じになっていました。

--faなし

--faあり

baseバージョンは触っていないのですが、テキスト→イメージに関してはあまり変わり映えしていない感じかな？と言った印象です。画像編集や文字出力などの制御が掛けられるようになっているという部分に手を加えた印象が強く、画像参照も（サイズの抑えられるという制約があるようですが）10枚行えるので、使いやすくはなっているのだと思います。

テキスト→イメージだとFLUX特有のぐにゃり感が強く出たり、四肢が結構いいかげんな印象が強いです。一番の問題は、人物などの顔が違和感があるレベルで左右非対称度がちょっと強めにかけられているようで、拡大すると目の大きさや瞳の色などあまりいい印象が得られませんでした。この辺はpupを通すとかなり良くはなりそうですが…試していないので何ともｗ 

あまりいう事を聞いてくれないもののいい感じのものが出てきたのですが、細部がちょっとヤバい感じになているもの…参考までに…

左足先が、草に引きずられたのか、ちょっとゾンビチックな脚に…一番目につくであろう胸元もかなりあり得ない感じがしますが、どうなんだろう？あまり見たことが無いのでわかりません(笑)

あと、左手はギリギリ？…しかし右手が完全にアウトな仕上がりになってます。こちらも少しゾンビ気味なのと、手を反して手の甲を地面につけてるのかな？

変ではないのですが、髪型がこんな感じのワンレンの髪型にして片側に持っていくこのような髪形が多い気がします…嫌いじゃないのでいいんですが、というか女性はほぼこの髪型のものが出力され続けてる気がするｗ