FLUX.2 Klein: сцены для ролика и приёмка результата

Опубликовано 12.11.20265 мин чтенияСредний
Артемий Миллер в кепке с буквами ИИ рядом с надписью «СЦЕНЫ ДЛЯ РОЛИКА».
Что узнаешь
  • Как выбрать вариант Klein и сопоставить требования к памяти
  • Как получить изображение через официальный процесс ComfyUI для 4B
  • Как задать образ серии и принять кадры до озвучки и монтажа
Средний
11просмотров

FLUX.2 Klein 4B нарисовал мне сцены на ноутбуке с 16 ГБ видеопамяти. Из расходов на генерацию только электричество.

Для своего ролика возьмите модель из официального источника. Получите пробную сцену, затем соберите серию и проверьте героя, действие и стиль до озвучки и монтажа.

FLUX.2 Klein: что он рисует и какой вариант брать

Klein рисует по тексту и редактирует по исходным изображениям - референсам. Он делает статичные сцены; озвучка, движение и монтаж - отдельные задачи.

У разработчика Black Forest Labs (BFL) есть API и Playground для работы в облаке. Для запуска на своём компьютере скачайте модель из репозитория BFL для 4B.

Характеристики из таблицы производителя:

ВариантНазначениеЛицензияВидеопамятьВремя на RTX5090
4BБыстрая генерация и правкиApache 2.08,4 ГБоколо 1,2 с
4B BaseГенерация и настройка моделиApache 2.09,2 ГБоколо 17 с
9BГенерация и правкиFLUX Non-Commercial License19,6 ГБоколо 2 с
9B BaseГибкость и настройка моделиFLUX Non-Commercial License21,7 ГБоколо 35 с

Здесь возьмём 4B Distilled: он рисует за 4 шага, с упором на скорость. Base предназначен для более гибкой настройки и дообучения. Apache 2.0 разрешает коммерческое использование 4B, но права на чужие изображения, знаки и логотипы нужно соблюдать.

Для видео в облаке есть отдельная статья про Higgsfield MCP.

Обсудить результат можно в канале:

Что по железу: память и скорость

У меня видеокарта RTX 5080 Laptop с 16 ГБ видеопамяти и 64 ГБ оперативной памяти.

Таблица BFL указывает для 4B 8,4 ГБ видеопамяти, раздел Hardware карточки на Hugging Face - около 13 ГБ. Не считайте эти цифры универсальным минимумом: сверяйте выбранный вариант и способ запуска с доступной памятью.

Время в таблице - для RTX5090. На своём компьютере замерьте пробную сцену.

Как запустить 4B локально и получить первое изображение

Маршрут по инструкции ComfyUI:

  1. Обновите ComfyUI. Откройте Workflow Templates и выберите 4B Text-to-Image.
  2. Для Distilled разложите файлы:
    • flux-2-klein-4b-fp8.safetensors → ComfyUI/models/diffusion_models/
    • qwen_3_4b.safetensors → ComfyUI/models/text_encoders/
    • flux2-vae.safetensors → ComfyUI/models/vae/
  3. Опишите пробную сцену в текстовом запросе и запустите генерацию. Файл flux-2-klein-base-4b-fp8.safetensors сюда не подставляйте: он для Base, а нужен Distilled.
  4. Для правки откройте отдельный 4B Image Edit Distilled и загрузите референсы через LoadImage.

Нет шаблона - проверьте актуальность ComfyUI. Не загрузились узлы - проверьте версию Nightly и ошибки импорта при запуске. Новые основные узлы могут ещё отсутствовать в stable.

Пример результата 4B из документации ComfyUI

Если запускаете через Diffusers

В официальном примере 4B запрос такой: A cat holding a sign that says hello world. Параметры: 1024×1024, guidance_scale=1.0, num_inference_steps=4, seed=0, torch.bfloat16. Используется enable_model_cpu_offload(), результат сохраняется командой image.save("flux-klein.png"). Это настройки примера Diffusers, не ComfyUI.

Как собрать сцены под один образ результата

Критерий узнаваемости простой: ребёнок должен узнать себя на изображении. Не узнаёт - «хреново мы отрисовали».

Для своей серии тоже запишите, по каким признакам будете принимать результат. Вот форма паспорта:

  • Сцена и её задача: что должно быть понятно зрителю.
  • Постоянные признаки героя или объекта: по чему его узнавать.
  • Окружение и свет: что должно совпадать с соседними сценами.
  • Формат кадра: пропорции и нужная композиция.
  • Референс: исходное изображение для правки.
  • Запрос и параметры: точная запись каждой попытки.

Признаки героя, стиль и формат зафиксируйте на серию. Действие, ракурс и место меняйте по задаче сцены. Свет должен совпадать там, где это нужно по замыслу: переход из дня в ночь сам по себе не брак.

Каркас запроса для заполнения:

[Постоянные признаки]. [Действие сцены]. [Место и свет]. [Ракурс и композиция]. Сохранить [признаки референса].

Один референс или одинаковый seed не гарантируют, что герой останется тем же. Сравните изображения с паспортом.

Приёмка результата: что принять, а что переделать

После генерации нужен отдельный этап - приёмка результата, со своим набором правил. Задайте их заранее.

Если собираете проект с ИИ-агентами, посмотрите практикум СмыслоКода.

Практикум по вайб-кодингу
+Твой второй мозг
3 вечера - инструменты, метод, первый проект
Старт 24–26 ноября  ·  2 000 ₽
Записаться →

Пример правил для серии:

Что проверятьУсловие приёмкиПри несовпадении
Герой или объектСовпадают записанные признакиУточнить признаки или референс, повторить сцену
Стиль и светСоответствуют паспорту и замыслуУточнить описание, сравнить соседние сцены заново
Задача сценыВидны нужное действие и смыслИзменить запрос и повторить
Искажения и надписиНет мешающих искажений, обязательный текст веренНе принимать кадр, изменить запрос или повторить
Формат и композицияСоответствуют заданиюИсправить параметры или описание композиции

Неточность надписей и несовпадение с запросом указаны среди ограничений 4B. Поэтому обязательный текст проверяйте буквально.

Сначала проверьте отдельные изображения. Затем поставьте весь набор рядом: герой и предметы должны оставаться теми же там, где этого требует задача. Под удачную картинку правила не переписывайте.

Принятые сцены передавайте на озвучку и монтаж, остальные - в список переделок.

О следующих этапах - в статье про конвейер роликов.

Следующий вопрос: сколько стоит пригодный кадр

«Только электричество» - про расходы на генерацию. Для полной стоимости считайте ещё покупку компьютера и работу с серией: весь путь до пригодного результата.

Тот же принцип - в статье про цену решённой задачи ИИ-агента.

В журнал запуска запишите:

  • точный вариант модели и программу;
  • размер изображения и настройки;
  • время;
  • пик занятой видеопамяти;
  • число принятых кадров из общего числа попыток.

Записывайте свои замеры, а не цифры из таблицы производителя.

Следующий вопрос - сколько роликов одна машина может выдать за день.

Частые вопросы

Из-за чего вы отправите красивый кадр на переделку: герой не похож, действие не то или сцена не сходится с соседними? Напишите в комментариях в канале.

Источники

Практикум по вайб-кодингу
+Твой второй мозг
3 вечера - инструменты, метод, первый проект
Старт 24–26 ноября  ·  2 000 ₽
Записаться →

Новые материалы - дайджестом, без спама

Гайды выходят регулярно. Подпишись, чтобы не пропускать: пришлю подборку в Telegram или на email. Раз в неделю или каждый день - выбираешь сам.

Была инструкция полезна?
Артемий Миллер
Автор
Артемий Миллер
Предприниматель и вайб-кодер

Артемий Миллер - предприниматель и вайб-кодер. Бывший программист, собирает продукты исключительно вместе с ИИ-агентами, без найма разработчиков.

Связанные инструкции

OpenCode и Ollama: локальная модель - проверяем результат

OpenCode подключается к Ollama командой ollama launch opencode. Выберите локальную модель с контекстом 64k или больше и проверьте её на создании файла в отдельной тестовой папке.

7 мин

Whisper AI: расшифруйте запись и проверьте субтитры

Whisper AI распознаёт запись локально и сохраняет текст и субтитры. Выберите многоязычную модель, получите TXT и SRT, затем сверьте слова и время реплик со звуком.

9 мин

Kokoro TTS: озвучьте свой текст и проверьте - приятно ли на звук

Для локальной озвучки в Kokoro TTS используйте официальную библиотеку kokoro. Выберите поддерживаемый язык, сохраните все части в WAV и сверьте речь с текстом. Русского в официальном перечне нет.

6 мин

Генерация видео локально: как я собрал ролик по кадрам

Ролик на локальных моделях собран на RTX 5080 Laptop с 16 ГБ видеопамяти и 64 ГБ RAM. В цепочке Qwen раскладывает сценарий, FLUX рисует сцены, Kokoro озвучивает, Whisper готовит тайминги субтитров.

10 мин