ഒരു പ്രോംപ്റ്റിൽ വിഷ്വൽ അത്ഭുതം തീർത്ത് ‘ഫ്ലക്സ് 3’

ബ്ലാക്ക് ഫോറസ്റ്റ് ലാബ്സ് (Black Forest Labs) പുറത്തിറക്കിയ ഫ്ലക്സ് 3 (FLUX 3) മൾട്ടിമോഡൽ മോഡൽ ആഗോളതലത്തിൽ ശ്രദ്ധ നേടുന്നു. പല എഐ ഇമേജ്/വീഡിയോ ടൂളുകളിലും കൃത്യമായ ദൃശ്യങ്ങൾ ലഭിക്കാൻ ക്യാമറ ആംഗിൾ, ലൈറ്റിംഗ്, കഥാപാത്രങ്ങളുടെ വസ്ത്രധാരണം, ഷോട്ട് ലിസ്റ്റ് തുടങ്ങി നൂറുകണക്കിന് കാര്യങ്ങൾ വിശദമായി ‘പ്രോംപ്റ്റ്’ ചെയ്യേണ്ടതുണ്ടായിരുന്നു. എന്നാൽ ഈ പ്രക്രിയയെ തികച്ചും ലളിതമാക്കിക്കൊണ്ടാണ് ഫ്ലക്സ് 3 അവതരിച്ചിരിക്കുന്നത്.

“Visualization of ‘The Odyssey’ by Homer” (ഹോമറിന്റെ ഒഡീസിയുടെ ദൃശ്യാവിഷ്കാരം) എന്ന ഒറ്റ വരി പ്രോംപ്റ്റ് നൽകിയപ്പോൾ തന്നെ, കഥയുടെ കാലഘട്ടം, ഗ്രീക്ക് പശ്ചാത്തലം, സംഭവങ്ങളുടെ ക്രമം എന്നിവ സ്വയം മനസ്സിലാക്കി മികച്ച ദൃശ്യങ്ങൾ പുനഃസൃഷ്ടിക്കാൻ ഫ്ലക്സ് 3-യ്ക്ക് സാധിച്ചു. 720p റെസല്യൂഷനിൽ ലഭിച്ച ദൃശ്യങ്ങളിൽ എവിടെയും ലൈറ്റിംഗ് നിർദ്ദേശങ്ങളോ സ്റ്റോറിബോർഡോ നൽകേണ്ടി വന്നിട്ടില്ല. കഥയുടെ ആഴം തിരിച്ചറിഞ്ഞ് സാങ്കേതികമായി സ്വയം പൂരിപ്പിക്കാൻ മോഡലിന് കഴിഞ്ഞു.

ചിത്രങ്ങൾ, വീഡിയോകൾ, ശബ്ദങ്ങൾ എന്നിവയെല്ലാം വേവ്‌ഫോമുകളായും പിക്സലുകളായും പഠിക്കുന്നതിന് പകരം, യാഥാർത്ഥ്യലോകത്തിന്റെ ഭൗതികവും ചരിത്രപരവുമായ നിയമങ്ങളെ അടിസ്ഥാനമാക്കിയാണ് ഫ്ലക്സ് 3 പരിശീലനം നേടിയിരിക്കുന്നത്. ഇതിനെയാണ് സാങ്കേതിക ലോകം ‘Real World Understanding’ എന്ന് വിളിക്കുന്നത്.

സാങ്കേതികവിദ്യയും മനുഷ്യന്റെ സർഗ്ഗാത്മകതയും തമ്മിലുള്ള അകലം കുറയ്ക്കാനും, ഭാവിയിലെ ഫിലിം മേക്കിംഗും ഡിജിറ്റൽ ആർട്ടും കൂടുതൽ വേഗതയുള്ളതാക്കാനും ഫ്ലക്സ് 3 വഴിതെളിക്കുമെന്നാണ് വിലയിരുത്തൽ.

Summary: FLUX 3 simplifies AI filmmaking by using its advanced real-world understanding to automatically determine settings, historical periods, and scene order from high-level prompts without requiring technical shot lists. Demonstrating this capability through a single-line prompt for Homer’s The Odyssey, the model bridges the gap between human creativity and technology to streamline digital production.