FLUX.1 Kontext案例教程, 这次真的解决主体一致性了

本文介绍黑森林实验室发布的FLUX.1Kontext模型，它能通过统一框架处理多种图像任务，较好地解决了多轮编辑中的主体一致性问题。尽管还存在一些不足，但未来有望提升工作效率。

5月29日，黑森林实验室发布了FLUX.1Kontext，目标是通过一个统一的框架处理多种图像任务，解决现有模型在多轮编辑中的一些关键痛点。

先说结论：可以解决一些，但解决得还不够，但如果继续优化完善，未来还是可以对工作效率有帮助的。

官方介绍与我的个人感受：

统一的编辑与生成能力：FLUX.1Kontext使用单一模型即可完成多种任务。包括在保留背景的情况下修改物体（局部编辑），以及根据一张参考图将角色置于全新场景中（上下文生成）。

出色的角色一致性：能在连续、多轮的编辑中保持人物或物体外观的高度一致性。这对于创作故事板、系列图片或任何需要角色连贯性的应用来说，可以说是重大利好了。根据评估数据以及我的实际测试，在人物、物体相似度保持方面，它的表现对比其他工具确实很不错。

交互级的生成速度：FLUX.1Kontext的速度非常快，生成一张1024×1024分辨率的图片仅需3-5秒。我这次使用的AppleM4Max的MacStudio，测试每张图出图速度平均在10秒左右。

支持迭代式工作流：用户可以通过连续的指令对一张图片进行多次“微调”，而不会出现明显的质量下降或视觉漂移，从而实现更精细的创意控制。但迭代多了细节上还是有伪影，和图像质量和细节的损失。

总的来说，它现在可以直接修改主体和细节，可以将图片变成其他风格，可以将这种风格作为参考应用在生图中，可以替换背景不改变主体，可以修改文本内容但是保持文字风格一致（目前只支持英文），可以将前面我列举的功能结合起来使用。并且它能保持很好的一致性和很强的风格迁移能力。

我们可以在这里免费体验（外国网站），有赠送200积分：https://playground.bfl.ai/image/edit

或者在ComfyUI中使用：https://www.comfy.org/zh-cn/

具体ComfyUI中使用的步骤我留在后文讲。

然后在其他的一些平台也可以使用：KreaAI、Freepik、Lightricks、OpenArt和LeonardoAI平台都支持FLUX.1Kontext[max]和FLUX.1Kontext[pro]了。

1.物体修改

官方提示建议：将[物体]改变为[新状态]，保持[保留内容]不变

改变汽车的颜色，人物主体还还是不错的，不过直接把虚化模糊的车都变清晰了怎么回事：

Characterremainunchanged,thecarsinthebackgroundremainunchanged,changethecar‘scolortored.

角色保持不变，背景中的汽车保持不变，将汽车的颜色改为红色。

这里我修改了人物手中的物体和文字部分，可以看到首先一致性保持得不错，然后字体也是完全还原了原始字体，可惜目前不支持汉语。

Replacethetoothbrushinthehandofthemaincharacterontheleftwithamicrophone,makingthecharacterlookliketheyaresinging.Changethetextcontentto“Singing,louder,morenoise.”

将左侧主角手中的牙刷替换为麦克风，让角色看起来像在唱歌。将文字内容改为”唱歌，更大声，更多噪音。”

这里我将一个卡通盲盒IP的角度让它进行修改，注意看整体的细节，无论是面部、珍珠数量细节，海底背景，泡泡，甚至左上角的AI标志都很好地保持了原样没有改变。最后更换发色也非常和谐，除了发色其他地方基本没有改变。

2.Keepthebackgroundunchanged,thecharacterissidewaysfacingtheaudience.保持背景不变，角色侧向观众

3.Maintainthebackgroundasis;thecharacterisfacingawayfromtheaudience.

保持背景不变；角色背对观众。

4.Maintainthebackgroundasis;Themermaid’shairchangestored.

保持背景不变；美人鱼的头发变成红色。

一致性保持得好可以做的就比较多了，比如帮你去掉不喜欢的同事：

Maintainallothercharactersandscenesunchanged,removethemaninthecenter,andreplacehimwithabonsai.保留所有其他角色和场景不变，移除中间的男人，将其替换为一盆盆栽。

如果你不喜欢人，可以帮你全都去掉（假期游客照有救了），再替换个热情似火的背景。

Removeallpasserbyfromthebackground,changethebackgroundtoavolcaniccrater.

从背景中移除所有路人，将背景更改为火山口。

2.风格迁移

官方提示建议：转换为[特定风格]，同时保持[构图/角色/其他]不变

首先试一下将一张图片迁移为其他风格。在这方面我个人认为细节上还是稍稍不如4o的，但是也还不错。

Transformthestyleintoawatercolorstyle,cute,keepingthecharactersandbackgroundunchanged.将风格转换为水彩风格，可爱，保持角色和背景不变。

ChangethestyletoJapaneseGhiblistyle,keepingthecharactersandenvironmentunchanged.将风格改为日本吉卜力风格，保持角色和环境不变。

Changethestyletocartoon3Dclaytexturestyle,keepingthecharactersandenvironmentunchanged.将风格改为卡通3D粘土质感风格，保持角色和环境不变。

Convertthestyletoa16-bitmosaicpixelstyle,keepingthemaincharacterandbackgroundunchanged.将风格转换为16位马赛克像素风格，保持主角和背景不变。

或者我给一张指定风格的照片，Kontext参考风格，迁移风格，生成其他场景。一致性细节真的很好，比如我第一张图肩膀上有奇怪的肩带，这个人物身上的带子在延展其他图片的时候依然存在哈哈哈：

2.保持原始画面风格，清晨的江南小巷，刚被雨水冲刷过。一个纸鸢缠绕在电线杆上，屋檐下挂着一个竹篮，巷尾的茶馆刚刚开门，温暖的灯光从里面洒出。

3.保持原始画面风格，一位穿着深绿色旗袍的女子撑着伞走进雨中的小巷，脸上带着淡淡的思索表情。她穿过灰砖和瓦屋顶，雨滴轻轻地拍打着她的伞，路旁的灯笼随风轻轻摇曳。

4.保持原始画面风格，镜头拉近到屋檐的一角，那里有一只小鸟，给小鸟一个特写镜头。

5.保持原始画面风格，她经过一家裁缝店，橱窗里挂着未完成的布料。一只猫在门旁的踏板上打盹，而店内，一位老人专注地缝制着，每一针都一丝不苟。

6.保持原始画面风格，镜头拉近，给左下角睡着的猫一个特写镜头。[镜头拉近这个效果很好用，后续可以在首尾帧或者连续镜头中使用。]

7.保持原始画面风格，她在老街尽头的一家邮局前停下，从包里取出一封旧信。背景是潮湿的格子窗和一个斑驳的门牌；信封的边缘有些破损。

8.保持原始画面不变，环境变成夜晚。

或者为角色图延展相同风格的环境图（下方上面这张是Midjourneyy生成的，我个人感觉美学和质感上Kontext比起来还是稍微有一些差距的）：

Usingthisstyle,depictaglowingmeadowontheoceanfloor,filledwithsoftseaanemonesanddreamlikebubblesrisingthroughspiralsoflight.Thegroundisdottedwithancientstoneringsandsmoothwhitepebblesthatpulsefaintlywithcolor.Inthebackground,andaschoolofsilverfishformsaperfectspiralasitswimsby,leavingbehindatrailofglitteringparticles.

使用这种风格，描绘海底发光的草地，充满柔软的海葵和梦幻般的气泡，通过螺旋光线上升。地面点缀着古老的石环和光滑的白色鹅卵石，微弱地闪烁着色彩。在背景中，一群银鱼游过时形成完美的螺旋，留下闪闪发光的粒子轨迹。

3.背景替换

官方提示建议：将背景改为[新背景]，保持主题在完全相同的位置和姿态

原本只想做背景替换，但是感觉有点无趣，就把人物一致性一起放里面测试了，每次可以改动，但是不能改动太多，调整次数也不能太多，到后面面部整体细节会有影响。

2.（参考图1）Keepthefacecompletelyunchanged.Positionthesubjectforapassport-styleheadshot.Useaplainlightgreyorwhitebackground,evenfrontallighting,andneutralfacialexpression.Hairneatlyarranged,noshadows.Centerthefaceintheframe.

3.（参考图1）Keepthefacialfeaturesandexpressionunchanged.Thepersonisnotlookingatthecamera,afullprofileshot.

4.（参考图1）1⃣Keepthefacialfeaturesandexpressionunchanged.Placethesubjectbesideacolorfulsupermarketshelf,underbrightfluorescentlighting.Useawide-anglelenswithaslightdistortion.Captureasideprofilewithsharpdetail,maintainingalifestyleandcandidfeel.

2⃣Thecharactersettingandbackgroundremainunchanged,Thepersonisfacingthecameraandlaughing.（这里跑了2次，有一个过渡，人物-人物在超市-人物在超市，带笑表情。一次跑出来的效果可能不理想，遇到相同要求可以参考这个）

5.（参考图4）Thecharactersettingandbackgroundremainunchanged,ThepersonHoldingabottleofcolauptothecamera.

6.（参考图3）Preservefacialstructure.ThesubjectWearingagreyT-shirtandjeans.sitsindoorsnearalargecaféwindow.Shootfromoutsidethroughtheglass,capturingthereflectionlayeredovertheface.Useasoft-focusdepthandwarminteriorlighting.Compositionisintimateandpoetic.

7.（参考图6）Preservefacialstructure.Thecharacterisplayingtheguitar,hergazeisloweredtowardstheguitar,leavingthebackofherheadfortheaudience,andthecamerazoomsin.

8.（参考图6）Preservefacialstructure.atnight,Thegirlisholdingabirthdaycakeinherhand,lookingtowardsthecamera,withanextremeclose-up,focusingonherfacialexpression,whichishappyandrelaxed.

9.（参考图3）Keepthefacecompletelyconsistent.Thecharacterhasshorthair,usingstandardpassportphotofront-facinghalf-bodycomposition,withapuregrayorpurewhitebackground,evenlightingwithoutshadows,naturalanduprightfacialexpression,neathair,andcenteredfacialalignment.

（这段内容太多了就不翻译了，大家需要可以自行翻译）

2.（参考图1）Thecharactersmaintainthesamefacialfeaturesandhairstyle,withasweetsmileindicativeofbeinginlove.

角色保持相同的面部特征和发型，带着陷入恋爱中的甜蜜微笑。（这里直接给我加了个女孩哈哈哈）

3.（参考图1）ThebackgroundchangestoaTokyonightscene,andthecharacteriswearingawhiteT-shirt.

背景改为东京夜景，角色穿着白色T恤。

4.（参考图5）Thecharacterhasacleanfaceandlaughsoutloudatthecamera.

角色面部干净，对着镜头大笑。

5.（参考图6）Maintainthebackgroundunchanged,thecharacterturnsaround,leavingabackview.

保持背景不变，角色转身，留下背影。

6.（参考图6）Maintainthebackgroundunchanged,thecharacterridesonamotorcycle,wearingapinkmotorcyclehelmetwithacuteCarrotstickeronit.

保持背景不变，角色骑着摩托车，戴着一顶带有可爱胡萝卜贴纸的粉色摩托车头盔。

再比如大家比较熟悉的老演员毛毛小狗的快乐一天，这次色调和材质都对上了，也没有发黄（没错，我在阴阳4o）：

2.（参考图1）Keepthebackgroundunchanged,thecharacterisfacingawayfromthecamera.保持背景不变，角色背对镜头。

3.（参考图1）MaintainthesettingofthemaincharacterShibaInu.TheShibaInuraiseditsrightpawtoputonsunglassesforitself.保持主角柴犬的设定。柴犬抬起右爪为自己戴上墨镜。

4.（参考图3）MaintainthesettingofthemaincharacterShibaInu.TheShibaInuissittinginthecardriving.保持主角柴犬的设定。柴犬坐在车里开车。

5.（参考图1）Keepthecharacterandmaterialsettingsthesame,butreplacethebackgroundwithacyberpunk-themedbar.Thecharacterraisesamint-coloredcocktailintheirhand.保持角色和材质设定不变，但将背景替换为赛博朋克主题的酒吧。角色手中举着一杯薄荷色的鸡尾酒。

6.（参考图5）Keepthecharacterandmaterialsettingsthesame,TheShibaInuwasdrinking,Ahugeredpandawasaddedontheright,theredpandaandtheShibaInuhavethesamecharacterstyle,andtheredpandaisdrinkingorangejuice.保持角色和材质设定不变，柴犬在喝酒，右侧添加一只巨大的小熊猫，小熊猫和柴犬具有相同的角色风格，小熊猫在喝橙汁。

4.文本编辑

官方提示建议：将‘[原文]’替换为‘[新文]’，保持相同的字体样式

保持相同字体样式它是做得很好的，但是考虑它只能延伸英语的，这里就不做过多展开了，大家可以看看效果，字体样式确实保持得很好。

Replace“fief”with“Irene.”Keepthesamefontstyle.

将“fief”替换为”Irene.”保持相同的字体样式

Keepthefontstyleunchanged,replace“RedefineYourWeekend”with“ProcrastinateProfessionally”;

Replace“Breakawayfromtoxicworkcultureandembracetwodaysofconsciousrestandrecharge.”with“Callit‘self-directedlearning’whilerewatchingcatvideosandGoogling‘howcanfocus.'”

保持字体样式不变，将“RedefineYourWeekend（重新定义你的周末）”替换为“ProcrastinateProfessionally（专业拖延）”；将“Breakawayfromtoxicworkcultureandembracetwodaysofconsciousrestandrecharge.（摆脱有害的工作文化，拥抱两天有意识的休息与充电。）”替换为“Callit‘self-directedlearning’whilerewatchingcatvideosandGoogling‘howcanfocus.’（把反复看猫咪视频和搜索“如何集中注意力”称为“自我主导学习”。）”。

5.其他补充

5.1产品换背景

然后还想补充一点例如产品和IP方面的。比如，假设我有个可乐素材（仅供学习交流，内容与品牌无关）可以做一些背景和文字的改变。但是目前似乎做不了风格过于明显和突出的，如果这样做就会被频繁报错，说改动幅度太大：

2.AvintageAmericandinerscenefromthe1950s,withcheckeredblackandwhitefloortiles,shinyredleatherbooths,andaglowingneonsignreading“ColdDrinks”inthebackground.Sunlightstreamsinthroughlargeglasswindows,creatingreflectionsontheglassCoca-Colabottlestandingonaglossychromecounter.Theunopenedbottleiscoveredwithcondensationdroplets,andnexttoitliesabottleopenerandared-and-whitenapkin.Warmambientlightingaddsanostalgicandinvitingatmosphere.

1950年代的美式复古餐厅场景，黑白格子地板砖，闪亮的红色皮革卡座，背景中有一个发光的霓虹灯牌写着”ColdDrinks”。阳光透过大玻璃窗洒进来，在放置于光亮镀铬柜台上的玻璃可口可乐瓶上形成反射。这瓶未开封的瓶子表面布满凝结的水珠，旁边放着一个开瓶器和一张红白相间的餐巾纸。温暖的环境光线营造出怀旧而诱人的氛围。

3.Keepthedrinkbottleunchanged.Thebottlestandsoncrackedearth,whilefloatingislandsdriftslowlyintheskyabove.

保持饮料瓶不变。瓶子立在龟裂的土地上，而浮空岛屿在上方的天空中缓缓漂移。

4.Thesubjectremainsunchanged,thetextstyleremainsunchanged,andthetextismodifiedto“CoolIrene”.

主体保持不变，文字样式保持不变，文字修改为”CoolIrene”.

5.2局部细节

或者当我有一张人物着装照片，可以直接让Kontext提取出服装为平铺效果，也可以在平铺效果的基础上再将镜头拉更近体现织物细节。

2.（参考图1）nopeople,extractonlythecoatoverawhitebackground,productphotographystyle.无人物，仅提取外套置于白色背景上，产品摄影风格

3.（参考图2）showmeanextremecloseupofthefabric给我展示布料的极近特写

5.3三视图

IP方面，可以让它直接输出三视图（这里的三视图是一次性成功的）：

2.（参考图1）Thecharacterremainsthesame;girlstandsStandingonthefloor.againstabackdropofpinkplaid,withadisplayoftablewarebehindhim.角色保持不变；女孩站在地板上，背景是粉色格子布，身后展示着餐具。这张图有个过渡图，去掉了底座，也损失了一些细节，比如围裙上的草莓纹理细看是有点不一样的。

3.Outputfrontview,sideview,rearview.输出正视图、侧视图、后视图。这里输出图的比例为设置为了4:1，设置3:1也可以，但是也不会是非常规矩的三个正方形，比较随机。

5.4多图参考

目前比较难直接多图参考，但是有个妙计，先把需要的多图拼起来。谢谢@AI炼丹师忠忠教我的技巧哈哈。

比如下面图一是原图（两张图的拼图），图二是输出图。但是这招目前出现问题的几率比较大。

Keepthescenefromtheaboveimageunchangedandinsertthecharacterfromthebelowimageintothesceneoftheaboveimage.

保持上图的场景不变，让下图的人物出现在上图的场景中。使用平台1：FLUXPlayground

链接（有200积分免费额度可体验）：https://playground.bfl.ai/image/edit

生成功能：这个和一般工具的生成功能基本是一样的。这里不展开讲了。

编辑功能：

BatchSize批处理大小值：1-4张数值越大，一次输出的图越多。节约积分建议可以为1-2。

SafetyTolerance安全容错值：0-6含义：模型的安全策略容忍度，通常控制对不当内容的敏感程度，数值越大生成内容范围越广，数值更小可防止生成NSFW或冒犯性图像。

PromptUpsampling提示上采样含义：指增强关键词影响力或提升对prompt的理解分辨率。开启后可能会使提示词中的主元素更突出，但也可能导致图像构图过度集中。

OutputFormat输出格式输出格式：PNG/JPEGSeed种子含义：控制图像生成的“随机性种子”。按下“Random”每次都会生成不同图。

点击小箭头图标发送，稍等一会儿就可以看到输出的图片：

可以看到皮肤细节和整体色调稍微有所改变（可能是为了适应环境），但是人物整体和面部细节保持得非常好，和环境融合也很自然。

填充功能：

选择要填充的位置，然后在下方描述填充位置的元素：

扩图功能：

比如上传一张图，调整这张图的大小，然后在下方可以加入对扩展部分的描述。

使用平台2：ComfyUI客户端使用

使用需要购买API，支持微信支付和支付宝支付。在设置中可以找到积分余额和充值渠道。

然后简单看看工作流：

aspect_ratio（宽高比）图像输出的长宽比，3:2通常表示例如768×512这样的尺寸（宽大于高）。如果为了对比效果更明显，可以设置和原图比例一致。

guidance（提示引导系数）数值默认3.0，这里可以维持3。含义：提示词引导强度，也叫CFG（Classifier-FreeGuidance）值。越高表示模型越依赖提示词（更“听话”），但过高可能失真或不自然。

常见范围：1.5–7.5，一般2–4较为平衡。steps（采样步数）数值默认50含义：采样步数，指扩散模型反向去噪的次数。步数越多，图像质量可能更好，但也更耗时；20–50属于正常范围。seed（随机种子）生成图像时所用的随机数种子。可用于复现图像或用于做对比实验。

control_after_generate（生成后控制）包含了控制/增加/减少/随机选项。主要是控制在每次图像生成完成后，是否自动改变关联组件的值，常见用途是自动更换种子（seed），以便下一次生成出不同的图像。

默认选项：randomize，正常使用的时候不用修改。不同模块会有不同处理逻辑，具体含义需看你的workflow使用了哪个control模块（如ControlNet、T2I-Adapter）。

prompt_upsampling（提示词放大）默认选项：false。关闭：完全按你输入的提示词执行，结果可复现，更可控。打开：自动增强提示词语义，可能加入创意变化，结果不可复现。

上面的参数最简单易懂的方式就是打开以后只调整图片比例，其他全部保持不变。

另外，jpeg格式的图片可能会无法预览（我是Mac版本，不确定其他版本会不会也无法预览），比如即梦的下载图片上传进去就不可以预览，但是可以工作。png和jpg可以预览。

以及，Freepik我之前体验了下，只找到生图的区域，没找到编辑的，如果有朋友知道的可以评论区留言我们一起交流下。其他平台我目前还没有体验，后续如果有效果更好工作流更科学的平台我再推荐给大家。

关于FLUX.1Kontext的pro与max版本怎么选：

FLUX.1Kontext[pro]：速度更快，质量细节略逊于max版，单张0.04美金（ComfyUI客户端价格），性价比更高。

FLUX.1Kontext[max]：耗时更长，图片质量更好，图像保真度和细节表现力更优秀，单张0.08美金（ComfyUI客户端价格）。

此外他们还有开发了一个开放权重版本，FLUX.1Kontext[dev]，是一个轻量级的12B扩散Transformer，适合定制且与之前的FLUX.1[dev]推理代码兼容。这个是以私人测试版的形式开放FLUX.1Kontext[dev]，用于研究和安全测试。如果感兴趣，可以联系kontext-dev@blackforestlabs.ai

总的来说，目前存在的问题与不足如下，在黑森林实验室的论文中也提到了目前模型的局限性：

1.多轮编辑后质量退化。在进行过多的、连续的多轮编辑后，模型生成的图像可能会出现视觉瑕疵或伪影，导致图像质量下降。

2.指令遵循的准确性。少数情况下，模型可能无法完全准确地遵循用户的指令，有时会忽略或误解提示中的特定要求。

3.世界知识有限。模型的“世界知识”仍然有限，这可能会影响它生成特定上下文或事实性内容时的准确性。

4.蒸馏过程引入的瑕疵：模型训练中采用的蒸馏技术（distillationprocess）本身也可能引入一些视觉上的瑕疵，从而影响输出图像的最终保真度。

我个人实测后，目前发现存在的问题不足有：目前大部分可使用它的平台无法参考多图像，无法使用知名IP（这个也不算问题，但是拿知名IP玩梗是不太行了哈哈），无法改变过多元素，动作过大会报错，表情情绪不够强烈，实际上在修改后还是有微小细节的调整（比如细微角度或者镜头远近等）。

建议：如果要你的目的是既要改变场景又要改变角色动作，可以先跑一次换一个部分，然后再换另一部分，比如先换场景再换动作。另外，提示词不要太长，修改的地方多了就容易报错。如果原图比较规规矩矩，就可能比较难做出视觉冲击比较大的修改。

下面是官方给出的提示词输出建议（这里翻译成中文版了）：

###1.基本修改-简洁直接：

`”将汽车颜色改为红色”

`-保持风格：

`”改为白天场景，同时保持画面的同一风格”`

###

2.风格迁移**原则：**

-明确命名风格：

`”转换为包豪斯艺术风格”

`-描述特征：

`”转换为有可见笔触的油画，厚重的油漆质感”

`-保持构图：`”改为包豪斯风格，同时保持原始构图不变”`###

3.角色一致性**框架：**

-具体描述：

`”短发黑发的女人”

`而不是“她”-保持特征：

`”同时保持相同的面部特征、发型和表情”

`-步骤修改：先改变背景，然后是动作

###

4.文本编辑-使用引号：

`”将‘快乐’替换为‘BFL'”

`-保持格式：

`”替换文本，同时保持相同的字体样式”

`##常见问题解决方案

###角色变化过大

错误：

`”将人物变成维京人”

`

正确：

`”改变服装为维京战士，同时保持面部特征不变”

`###构图位置变化

错误：

`”把他放在海滩上”

`

正确：

`”改变背景为海滩，同时保持人物在完全相同的位置、比例和姿态”

`###风格应用不准确

错误：

`”使其成为素描”

`

正确：

`”转换为铅笔素描，具有自然的石墨线条、交叉阴影和可见的纸张质感”

`##核心原则

1.**具体明确**-使用精确的描述，避免模糊的术语

2.**逐步编辑**-将复杂的修改分解成多个简单的步骤

3.**明确保留**-说明应保持不变的内容

4.**动词选择**-使用“改变”、”替换”而不是“转换”##最佳实践模板**物体修改：**

`”将[物体]改变为[新状态]，保持[保留内容]不变”

`**风格迁移：**

`”转换为[特定风格]，同时保持[构图/角色/其他]不变”

`**背景替换：**

`”将背景改为[新背景]，保持主题在完全相同的位置和姿态”

`”将‘[原文]’替换为‘[新文]’，保持相同的字体样式”

`>**记住：**越具体越好。Kontext在理解详细指令和保持一致性方面表现卓越。

前面特别多记不住，那就记得三点：

1.提示词的核心：输入哪些不要变，哪些要变。

2.一次变不了太多，每次改变一部分。

3.提示词使用英语。（我尝试的是ComfyUI的客户端，大家如果有使用中文有同样效果的平台可以在下方留言告诉我，感谢！）