FLUX.1 Fill Pro

Panoramica

flux-1-fill-pro è un modello di inpainting pensato per la modifica puntuale: riceve in input l'immagine originale e una maschera in bianco e nero, insieme a un prompt testuale, e ridisegna esclusivamente le aree bianche della maschera, lasciando invariate quelle nere. È adatto a scenari che richiedono interventi chirurgici su una composizione esistente, come il ritocco di immagini di prodotto, la sostituzione di singoli componenti in materiali e-commerce, la modifica di rendering e l'estensione dell'inquadratura. Gli sviluppatori possono richiamarlo tramite l'interfaccia unificata di HiAPI.ai, con fatturazione per immagine, senza dover realizzare una pipeline di editing immagini.

Punti di forza principali

• Guidato dalla maschera, ridisegno puntuale — modifica solo le aree bianche della maschera e mantiene gli altri pixel invariati; ideale per sostituzioni, rimozioni e aggiunte di elementi con precisione.
• Un'unica interfaccia per inpainting ed estensione — esegue ritocchi locali senza modificare la struttura e, quando serve, estende la tela per adattare il formato; entrambe le esigenze condividono gli stessi parametri di input.
• Controllo della generazione riproducibile — tramite seed, steps, guidance e prompt_upsampling è possibile gestire casualità e aderenza al prompt, facilitando generazione in batch e verifiche di regressione.

Descrizione delle capacità

Inpainting localizzato con maschera: basta fornire l'immagine originale, una maschera in bianco e nero delle stesse dimensioni e un prompt per sostituire o aggiungere contenuti nelle aree indicate; le aree nere restano invariate, rendendolo adatto a sostituzioni locali e correzione di difetti.

Estensione dell'inquadratura e completamento della composizione: consente l'estensione generativa oltre i bordi dell'immagine per adattare il rapporto d'aspetto o completare la tela, in base ai requisiti di formato dei diversi canali di pubblicazione.

Controllo qualità parametrizzato: i passi di diffusione (15–50) e l'intensità di guidance (1.5–100) sono regolabili; più passi producono dettagli più fini ma tempi più lunghi, mentre una guidance più alta aumenta l'aderenza al prompt.

Risultati riproducibili e scelta del formato: con un seed fisso si ottengono risultati simili e riproducibili, utili per attività in batch e confronti; l'output è disponibile in jpg o png, pronto per i flussi successivi.

Interruttore di riscrittura automatica del prompt: prompt_upsampling è disattivato per impostazione predefinita; se attivato, riscrive automaticamente il prompt per aumentare la creatività. Per una generazione strettamente fedele al testo, mantenerlo disattivato.

Casi d'uso

• Operazioni e-commerce: sostituzione di componenti e correzione di difetti nelle foto prodotto — si delimitano con la maschera i componenti del prodotto o le macchie da sostituire, si inserisce una nuova descrizione e si ottiene un'immagine principale pronta per la pubblicazione, riducendo nuove sessioni fotografiche e rigenerazioni dell'intera immagine.
• Team di design: ritocchi locali e estensione della tela nei rendering — si modificano aree specifiche di rendering architettonici o d'interni oppure si estende la tela verso l'esterno per ottenere immagini adatte a impaginazioni diverse, mantenendo coerenza di illuminazione e prospettiva.
• Gestione dei materiali: rimozione di elementi di disturbo e riempimento naturale — si contrassegnano con la maschera gli oggetti indesiderati nell'immagine originale, si descrive nel prompt il contenuto di riempimento e si ottiene un'immagine pulita per impaginazione e pubblicazione successive.

Limiti e suggerimenti per la scelta

Prima dell'uso è necessario preparare una maschera in bianco e nero delle stesse dimensioni dell'immagine originale, aggiungendo un passaggio di annotazione o segmentazione delle aree. Si tratta di un modello di editing, non di un modello generico di text-to-image, quindi non è adatto a generare immagini complete da zero; il risultato dipende dalla qualità della maschera e dalla descrizione del prompt, e testi complessi o strutture fini possono richiedere più iterazioni. Le modifiche su aree estese o ad alta risoluzione aumentano sensibilmente tempi e costi di chiamata; per scenari sensibili ai costi o che richiedono pesi self-hosted è opportuno valutare alternative.