FLUX 3 Klein расставляет объекты в кадре по координатам

Хорошим выйдет кадр или нет, во многом решает композиция, а в нейросети контролировать её обычно трудно. Персонаж уползает в центр, заголовок лезет за поля, продукт перекрыт буквами. Black Forest Labs выпустила локальную модель FLUX 3 Image Klein, и в ней композиция в нейросети задаётся прямо в текстовом запросе: вы пишете координаты рамок, и элементы встают на нужные места. Для продюсера и арт-директора это шанс реже играть в лотерею с десятками случайных вариантов.

Композиция в нейросети теперь задаётся координатами

Раньше положение объекта фиксировали сторонними инструментами вроде ControlNet или надеялись на удачу с подсказками. Для этого нужен был отдельный пайплайн, и собирать его приходилось руками. В FLUX 3 Image Klein модель сама понимает координатные рамки (bounding box, bbox).

Сетка холста идёт от 0 до 1000 по обеим осям, отсчёт от левого верхнего угла. Вы описываете объект и передаёте координаты прямоугольника текстом в промпте, обычным массивом JSON. Рамка, которая занимает левую верхнюю четверть кадра, остаётся там при любом соотношении сторон. Границы она жёстко не запирает, модель может чуть выйти за них. Но как ориентира хватает, чтобы объекты держались на местах.

Подход растёт не только у Black Forest Labs. Тренд на встроенные рамки задала Ideogram 4.0, а вслед за FLUX 3 Image Klein вышли MOSS-Image и FIBO 2.0. Я бы посмотрел на это как на новый стандарт: верстка через JSON делает генерацию картинки предсказуемее.

Что это даёт при сборке макета и обложки

Представьте журнальную полосу для бренда духов. Флакон по центру, северный пейзаж на фоне, крупный заголовок сверху, английский подзаголовок и блок со слоганом в правом нижнем углу. Раньше генератор смешивал буквы с фоном или закрывал флакон текстом. Теперь у каждого элемента своя рамка и свой идентификатор, и они не толкаются.

Подготовку промпта можно отдать внешней языковой модели, например Claude 4.5 или GPT-6: пусть расписывает координаты и пишет варианты слоганов. Результат всё равно проверяйте глазами, особенно текст в рамках.

Правки тоже проще. Клиент просит сдвинуть флакон левее – вы меняете пару цифр в рамке этого элемента. Стиль остаётся, промпт переписывать не нужно. На питче или в предпродакшене это значит, что раскладку кадра можно показать точно и поправить прямо во время презентации. Сколько итераций вы реально сэкономите, пока не знаю: на сложных сценах рамки могут вести себя капризнее, чем на простом постере.

Что проверить на этой неделе

• Возьмите один типовой макет, постер или обложку, и разложите на 3–5 элементов с понятными идентификаторами: продукт, заголовок, подзаголовок, слоган, фон.
• Прогоните его с рамками на разных соотношениях сторон: вертикаль, квадрат, горизонталь. Посмотрите, держатся ли элементы на местах.
• Попросите языковую модель расписать JSON с координатами по вашему брифу, затем сдвиньте один элемент и сравните результат с первой версией.
• Не обещайте клиенту попадание в пиксель: рамка остаётся ориентиром, и модель может выйти за границы.

Если рамки и промпты упираются у вас в реальный проект и нужно встроить их в процесс команды, посмотрите страницу AI-консалтинг и обучение команд. Там можно понять, как это выглядит на практике.