FLUX 3 Image Klein: ключевые кадры для клипа на своей видеокарте

Что вышло

По анонсу Black Forest Labs, 15 октября 2026 года вышла открытая модель FLUX 3 Image Klein на 5,6 миллиарда параметров. Она умеет создавать изображение по тексту, править готовое и собирать кадр по нескольким референсам — до десяти. Заявлены генерация в 4K, точная правка и ограничивающие рамки, которыми можно задать место объекта или ограничить правку областью.

Варианты: базовая модель для дообучения, дистиллированная для быстрого ответа и сжатые сборки FP8, INT8 и NVFP4. Веса лежат на Hugging Face, поддержка заявлена в ComfyUI и Diffusers с первого дня. Также модель доступна через платный API разработчика, но в статье нас интересует запуск у себя.

Сравнения «лучше других открытых моделей» — это внутренние оценки компании, в анонсе нет подробностей методики. Мы модель не тестировали.

Железо и скорость

Согласно анонсу, веса генератора занимают 11,2 ГБ в BF16 и 5,6 ГБ в FP8. Сборка INT8 заявлена для видеокарт GeForce RTX с памятью от 8 ГБ через ComfyUI или Diffusers. Для дистиллированной версии с INT8 изображение в 1 мегапиксель занимает около четырёх секунд на RTX 5090 и меньше девяти на RTX 4070.

В карточке модели есть оговорка: цифры по памяти там даны для видеокарты B200 при 1024×1024 — около 31 ГБ в BF16 и 26 ГБ в FP8, без учёта отдельного модуля улучшения запроса. Значит, на домашней карте реалистичен путь через сжатые сборки, а не полные веса. Дистиллированная модель делает 16 шагов без guidance, базовая — 50 шагов с guidance 3,5.

Что изменилось по сравнению с предыдущим Klein

Разработчик сравнивает новинку с FLUX.2 [klein] 9B: по внутренним оценкам, прирост составляет 91 пункт Elo в генерации по тексту и 70 пунктов в правке, при том что параметров на 38 процентов меньше. Это заявление самой компании, без подробностей о запросах и судьях, поэтому относитесь к нему как к ориентиру, а не как к измерению.

Для практики важнее другое: меньший размер означает, что модель проще уместить на домашнюю карту, а время ответа — несколько секунд на кадр. Если вы подбираете десятки вариантов сцены, такая скорость позволяет перебирать идеи свободно, а не экономить на каждой попытке. Оставьте качество «в запас»: сначала выберите композицию на быстрых вариантах, а потом уточняйте только выбранные.

Компания также сообщает о фильтрации обучающих данных, дообучении против вредных ответов и внешней проверке безопасности. Эти пункты не заменяют вашей ответственности за то, что вы публикуете.

Лицензия: что можно коммерчески

Модель выпущена по «FLUX Kommunity License v.1.0». Некоммерческое использование разрешено; коммерческое создание изображений допускается для организаций и людей с годовой выручкой до 5 млн долларов США. Остальным нужна отдельная коммерческая лицензия. Текстовый кодировщик Qwen3-VL — под Apache-2.0. Чтобы скачать веса, нужно принять условия на Hugging Face.

Отдельно в карточке указаны запрещённые применения: военные цели, слежка, биометрия, незаконный и оскорбительный контент, а также использование результатов для обучения конкурирующих моделей. Прочитайте текст лицензии целиком, прежде чем публиковать клип на продажу.

Герой по референсам

Главная причина смотреть на модель — до десяти референсов в одном запросе. В клипе сложность не в одной красивой картинке, а в том, чтобы героя узнавали в каждом кадре. Соберите набор: один главный портрет вымышленного героя, кадр с костюмом, кадр с местом действия. Затем в запросе опишите, что именно взять из каждого.

Используя референсы: героиня с первого изображения, куртка со второго, ночная улица с третьего. Кадр для клипа 16:9, средний план, героиня идёт навстречу камере, голубой неоновый свет, тёмно-синяя палитра. Лицо, причёска и куртка совпадают с референсами. Без текста и логотипов.

Подробный порядок сверки лиц в серии — в статье про одного героя в серии кадров. Герой должен быть вымышленным или вашим собственным образом.

Правка по областям

Рамки на сетке от 0 до 1000 задают, где должен стоять объект. В карточке сказано честно: рамки подсказывают размещение, но не работают как жёсткие маски, и правка может задеть содержимое вне выбранной области. Поэтому после каждой правки сравнивайте кадр с исходным и проверяйте лицо и костюм.

В области справа замени пустую стену на афишу без текста с абстрактным циановым рисунком. Лицо героини, куртку и освещение не меняй.

Как это встроить в работу над клипом

1. Разметьте песню на сцены и опишите их — см. раскадровку клипа.
2. Сделайте карточку героя и набор референсов.
3. Получите по одному ключевому кадру на сцену и просмотрите их листом.
4. Анимируйте утверждённые кадры любым способом: открытой моделью вроде Kandinsky 6.0 Video или монтажом. Совместимость двух моделей мы не проверяли — это рабочая идея, а не готовый рецепт.

Ещё один путь — дообучение. Для базовой модели заявлено обучение LoRA через Diffusers, AI Toolkit и NVIDIA NeMo AutoModel: так можно закрепить свой стиль или героя на небольшом наборе картинок.

Ограничения

• Текст в кадре. В карточке сказано, что надписи могут получаться неточными.
• Короткие запросы. Они дают общий результат; описывайте сцену подробнее. Авторы советуют использовать улучшение запроса, которое само требует заметной памяти.
• Предвзятость и неточность. Результат может не совпасть с запросом и отражать перекосы обучающих данных.
• Лицензия. Условия для бизнеса зависят от выручки.
• Доступ. Нужно принять условия на Hugging Face.

Подключение модели к AI Music не обещается: кадры можно готовить самостоятельно и использовать как референсы.

Вопросы и ответы

Источники

• Анонс Black Forest Labs «FLUX 3 Image Klein»
• Карточка модели на Hugging Face

Источники проверены 7 ноября 2026 года. Данные о возможностях — заявления разработчика.

Продолжить

• Один герой в серии кадров
• Как сделать раскадровку клипа
• Клип из песни нейросетью