FLUX 3 i ramki JSON: 8 układów graficznych z promptami

👁 118 przeczytań

FLUX 3 Image przyjmuje zamiast zwykłego opisu polecenie w JSON, w którym każdy element dostaje własną ramkę na płótnie. Sprawdziłem to na ośmiu układach, które grafik robi na co dzień: okładce, komiksie, plakacie, karcie przepisu, landing page’u, infografice, flat layu i storyboardzie. W siedmiu z ośmiu elementy trafiły do swoich ramek.

Ramki zastępują opisy typu „w lewym górnym rogu”, które modele i tak traktują luźno. Niżej tłumaczę format, a przy każdym obrazie nakładam zadane ramki na wynik, żebyś sam ocenił precyzję. Spoiler: ramki działają lepiej niż litery.

Jak działa prompt z ramkami

Cały JSON wklejasz w zwykłe pole prompt. Ma dwie części:

• caption - opis całości: temat, styl, paleta, nastrój.
• elements - lista obiektów. Każdy ma id (dowolna nazwa), bbox (ramka) i desc (co ma się w niej znaleźć).
• bbox to cztery liczby [y_min, x_min, y_max, x_max] na siatce od 0 do 1000, niezależnie od proporcji obrazu. Najpierw pion, potem poziom, czyli odwrotnie niż w większości programów graficznych.
• Przeliczenie: element od 20 do 60 procent wysokości i od 10 do 50 procent szerokości to [200, 100, 600, 500].
• Tekst do wyrenderowania wpisujesz w desc w cudzysłowie, poprzedzonym ukośnikiem wstecznym, bo to cudzysłów wewnątrz JSON.

Na podglądach poniżej białe przerywane prostokąty z etykietą id pokazują ramki, które zadałem.

Jak to zrobiłem

• Model FLUX 3 Image przez endpoint blackforestlabs/flux-3/text-to-image w fal.ai, 1 października 2026.
• Rozdzielczość 2k, proporcje dopasowane do formatu (3:4 okładka, 2:3 plakat, 16:9 landing i storyboard), zapis do PNG.
• Rozszerzanie promptu wyłączone, jedno generowanie na prompt, bez wybierania najlepszych wersji.
• Opisy po angielsku, bo FLUX rozumie polski, ale angielski daje bardziej powtarzalne wyniki. Polskie napisy podawałem w cudzysłowie.
• Zgodność z ramkami mierzyłem, nakładając ramki na oryginał w pełnej rozdzielczości.
• Czas: od 74 do 125 sekund na obraz. Koszt według cennika fal.ai za megapiksel (0,024 USD/Mpx w promocji): około 0,10 USD za obraz 2K, czyli około 0,80 USD za zestaw.

1. Okładka magazynu KOD

mastheadportraitheadlinebadge

{
  "caption": "Cover of a Polish technology magazine, clean modern design, photo of a woman wearing AR glasses",
  "elements": [
    {
      "id": "masthead",
      "bbox": [30, 60, 170, 940],
      "desc": "large magazine title text \"KOD\" in bold red letters"
    },
    {
      "id": "portrait",
      "bbox": [180, 150, 1000, 850],
      "desc": "portrait of a woman wearing AR glasses looking at the camera"
    },
    {
      "id": "headline",
      "bbox": [700, 50, 860, 520],
      "desc": "white headline text \"AI W TWOIM DOMU\""
    },
    {
      "id": "badge",
      "bbox": [200, 700, 330, 950],
      "desc": "yellow circular badge with text \"10/2026\""
    }
  ]
}

• masthead - tak, „KOD” wypełnia ramkę od krawędzi do krawędzi.
• portrait - tak, ramiona wychodzą poza boki, co przy portrecie jest naturalne.
• headline - tak, drugi wiersz kończy się dokładnie na prawej krawędzi.
• badge - tak, koło dosunięte do prawej strony ramki.

Wszystkie trzy napisy są poprawne: „KOD”, „AI W TWOIM DOMU” i „10/2026”. Ramki plakietki i portretu się nakładają, a model rozwiązał to sensownie: plakietka leży na tle obok głowy i nie zasłania twarzy. Okulary AR to zwykłe okulary z dwoma modułami kamer, więc „AR” jest zaznaczone symbolicznie. Makieta okładki gotowa w jednym podejściu.

2. Komiks o robocie piekarzu

p1p2p3p4

{
  "caption": "Four-panel comic page in a clean ligne claire style about a robot learning to bake bread in a Polish bakery",
  "elements": [
    {
      "id": "p1",
      "bbox": [20, 20, 480, 480],
      "desc": "panel 1: robot reading a recipe book"
    },
    {
      "id": "p2",
      "bbox": [20, 520, 480, 980],
      "desc": "panel 2: robot covered in flour"
    },
    {
      "id": "p3",
      "bbox": [520, 20, 980, 480],
      "desc": "panel 3: smoke coming out of the oven, robot shocked"
    },
    {
      "id": "p4",
      "bbox": [520, 520, 980, 980],
      "desc": "panel 4: robot proudly holding a perfect loaf, speech bubble \"UDAŁO SIĘ!\""
    }
  ]
}

• p1 - tak, robot czyta książkę z przepisami.
• p2 - tak, robot w chmurze mąki.
• p3 - tak, dym z pieca i przerażony robot.
• p4 - tak, bochenek i dymek z napisem.

Cztery panele są dokładnie tam, gdzie je ustawiłem, z równymi odstępami. Historia ma ciągłość: ten sam robot, ta sama piekarnia, te same kafle. Dymek „UDAŁO SIĘ!” ma poprawne Ł i Ę. Styl to raczej kreskówka z kreskowaniem niż czysta ligne claire, a w dwóch pierwszych panelach leży wielki widelec bez sensu. Do ligne claire dopisz w caption flat colors, uniform line weight, no hatching.

3. Plakat koncertu jazzowego

saxophonetitledatemoon

{
  "caption": "Jazz concert poster, mid-century modern style, deep blue and mustard",
  "elements": [
    {
      "id": "saxophone",
      "bbox": [120, 200, 700, 800],
      "desc": "stylized saxophone illustration"
    },
    {
      "id": "title",
      "bbox": [730, 80, 860, 920],
      "desc": "text \"JAZZ NA STARÓWCE\" in bold geometric letters"
    },
    {
      "id": "date",
      "bbox": [880, 80, 960, 500],
      "desc": "text \"14.11 · Gdańsk\""
    },
    {
      "id": "moon",
      "bbox": [40, 680, 220, 900],
      "desc": "a mustard yellow moon"
    }
  ]
}

• saxophone - tak, czara wychodzi kilka procent pod dolną krawędź.
• title - tak, napis wypełnia ramkę na całą szerokość.
• date - tak, ale z błędem w nazwie miasta.
• moon - tak, choć księżyc jest wysunięty w lewo, za szyjkę saksofonu.

Kompozycja jest dokładna, a granat z musztardą [zdanie urwane - brak orzeczenia/dokończenia] to czysty mid-century. Tytuł „JAZZ NA STARÓWCE” ma poprawne Ó. Błąd siedzi w dacie: zamiast „Gdańsk” model napisał „Gdánsk”, z akcentem nad a i bez ń. To najbardziej podstępny typ pomyłki, bo na pierwszy rzut oka wygląda poprawnie. Przed drukiem czytaj każdy napis litera po literze.

4. Karta przepisu na pierogi ruskie

phototitleingredientstime

{
  "caption": "Recipe card for Polish pierogi, editorial food design on cream paper",
  "elements": [
    {
      "id": "photo",
      "bbox": [40, 40, 520, 960],
      "desc": "top-down photo of a plate of pierogi with fried onion"
    },
    {
      "id": "title",
      "bbox": [560, 40, 660, 960],
      "desc": "title text \"PIEROGI RUSKIE\""
    },
    {
      "id": "ingredients",
      "bbox": [680, 40, 960, 460],
      "desc": "small list of ingredients with icons"
    },
    {
      "id": "time",
      "bbox": [700, 560, 820, 960],
      "desc": "clock icon with text \"90 min\""
    }
  ]
}

• photo - tak, zdjęcie schodzi o około 2 procent poniżej ramki.
• title - tak.
• ingredients - tak, lista z ikonami mieści się w całości.
• time - tak, zegar i „90 min” wyśrodkowane w ramce.

„PIEROGI RUSKIE” i „90 min” są poprawne, a lista ma sensowne ilości: 300 g mąki, 500 g ziemniaków, 250 g twarogu. Lista wyszła po angielsku, bo opis elementu był po angielsku; po polsku zostało tylko słowo „twaróg”. Jeśli chcesz polskiej listy, wpisz składniki w desc w cudzysłowie. Część ikon nie pasuje (sól jako pudełko, masło jako kropla), a farsz prześwituje ciemnozielono jak szpinak, a nie jak ziemniaki z twarogiem.

5. Landing page aplikacji budżetowej

headlinebuttonphonelogos

{
  "caption": "Website hero section mockup for a Polish budgeting app, clean UI design, light theme",
  "elements": [
    {
      "id": "headline",
      "bbox": [200, 60, 420, 520],
      "desc": "headline text \"Twoje pieniądze pod kontrolą\""
    },
    {
      "id": "button",
      "bbox": [500, 60, 590, 300],
      "desc": "green button with text \"Pobierz za darmo\""
    },
    {
      "id": "phone",
      "bbox": [80, 600, 980, 900],
      "desc": "smartphone showing a colorful spending chart"
    },
    {
      "id": "logos",
      "bbox": [820, 60, 900, 520],
      "desc": "row of grey rating stars and text \"4,8 w Google Play\""
    }
  ]
}

• headline - tak.
• button - tak, przycisk wypełnia ramkę.
• phone - tak.
• logos - tak, gwiazdki i ocena w jednym wierszu.

Przycisk „Pobierz za darmo” i „4,8 w Google Play” są poprawne, a rozmieszczenie wygląda jak z prawdziwego projektu. Nagłówek ma jednak literówkę: „piendędze” zamiast „pieniądze”. Ekran telefonu to sieczka („Acccount”, „Etŕsjenizyopy oxz”). Na makietę dla klienta trzeba poprawić nagłówek edycją, a ekran aplikacji podmienić prawdziwym zrzutem.

6. Infografika: wybrzeże w 5 dni

titlemapicons

{
  "caption": "Illustrated travel infographic of the Polish Baltic coast, flat vector style",
  "elements": [
    {
      "id": "title",
      "bbox": [30, 60, 140, 940],
      "desc": "title text \"WYBRZEŻE W 5 DNI\""
    },
    {
      "id": "map",
      "bbox": [170, 60, 600, 940],
      "desc": "simplified map of the coast from Świnoujście to Hel with a dotted route"
    },
    {
      "id": "icons",
      "bbox": [630, 60, 960, 940],
      "desc": "five small illustrated stops: lighthouse, pier, crane, dunes, seal, each with a day number 1-5"
    }
  ]
}

• title - tak, napis wychodzi o kilka procent poza prawą krawędź.
• map - tak.
• icons - tak, ale skrajne karty wystają o kilka procent z obu stron.

„WYBRZEŻE W 5 DNI” ma poprawne Ż, a pięć kart z latarnią, molo, żurawiem, wydmami i fokiem jest ponumerowanych od 1 do 5. Żuraw przypomina nawet ten gdański. Mapa to jednak katastrofa: „Gorniroim Island” zamiast Bornholmu, „Slowiriski National Park”, nieistniejąca „Krakowa”, „Kolobrzag” i „Hela Penilisula”, a numeracja na trasie skacze 1, 2, 3, 4, 5, 6, 1, 3, 9, 10. Do infografik z mapą podawaj mniej nazw, każdą jako osobny element z własną ramką i tekstem w cudzysłowie.

7. Flat lay: zestaw podróżnika

camerapassportmapcoffeesunglasses

{
  "caption": "Top-down flat lay on a white marble table, photographer's travel kit",
  "elements": [
    {
      "id": "camera",
      "bbox": [100, 100, 450, 500],
      "desc": "a vintage film camera"
    },
    {
      "id": "passport",
      "bbox": [120, 600, 400, 900],
      "desc": "a passport with a boarding pass"
    },
    {
      "id": "map",
      "bbox": [500, 80, 900, 600],
      "desc": "a folded paper map of Kraków"
    },
    {
      "id": "coffee",
      "bbox": [650, 650, 900, 900],
      "desc": "a cup of black coffee"
    },
    {
      "id": "sunglasses",
      "bbox": [520, 620, 640, 900],
      "desc": "sunglasses"
    }
  ]
}

• camera - tak.
• passport - tak, karta pokładowa wystaje lekko w dół.
• map - tak.
• coffee - tak, ślad po kubku leży już poza ramką.
• sunglasses - tak.

Model dodał od siebie trafne szczegóły: na karcie pokładowej jest kod lotniska „KRK”, a mapa ma podpisy „KRAKÓW”, „STARE MIASTO” i „WISŁA”. Geografia jest jednak błędna: Wawel leży na mapie na południe od Wisły, a w rzeczywistości stoi na jej lewym brzegu, tuż przy Starym Mieście. Paszport ma dwugłowego orła przypominającego godło Rosji, a aparat zmyśloną markę „Krizow”. Dopisz burgundy Polish passport with a single-headed eagle.

8. Storyboard: pościg w zajezdni

f1f2f3notes

{
  "caption": "Film storyboard sheet with three frames drawn in pencil and marker, scene of a chase through a Warsaw tram depot",
  "elements": [
    {
      "id": "f1",
      "bbox": [100, 30, 600, 320],
      "desc": "frame 1: wide shot of a man running between trams"
    },
    {
      "id": "f2",
      "bbox": [100, 350, 600, 650],
      "desc": "frame 2: close-up of his feet jumping over rails"
    },
    {
      "id": "f3",
      "bbox": [100, 680, 600, 970],
      "desc": "frame 3: tram lights blinding the camera"
    },
    {
      "id": "notes",
      "bbox": [660, 30, 950, 970],
      "desc": "handwritten Polish notes under the frames: \"UJĘCIE 1\", \"UJĘCIE 2\", \"UJĘCIE 3\""
    }
  ]
}

• f1, f2, f3 - nie, zamiast trzech kadrów obok siebie są trzy poziome pasy jeden pod drugim.
• notes - nie, notatki trafiły do kolumny po prawej zamiast do pasa na dole.

Treść kadrów się zgadza: biegnący mężczyzna, stopy nad szynami, oślepiające światła tramwaju. Podpisy „UJĘCIE 1”, „UJĘCIE 2” i „UJĘCIE 3” mają poprawne Ę, ale stoją pod kadrami, a właściwe notatki to pseudopolska sieczka. Podejrzewam, że wzorzec „storyboard sheet” był silniejszy niż ramki. W takiej sytuacji dopisz w caption three frames side by side in one row, notes in a strip below albo usuń słowo, które kojarzy się z gotowym układem.

Podsumowanie: ramki i napisy

Średnia 3,9. Zgodność z ramkami jest bardzo wysoka: w siedmiu układach na osiem wszystkie elementy trafiły na swoje miejsce, z odchyleniem zwykle od 2 do 5 procent. Oceny obniżają napisy („piendędze”, „Gdánsk”), zmyślone nazwy na mapie i jeden storyboard, w którym model postawił na własny układ.

Najczęstsze błędy

• Ramki trzymają, litery nie zawsze. Literówka w nagłówku landingu i „Gdánsk” na plakacie.
• Tekst niepodany dosłownie to sieczka. Ekran aplikacji, notatki pod storyboardem i nazwy na mapie.
• Lekkie wychodzenie poza ramkę. Zdjęcie, saksofon, tytuł i karty infografiki przekraczały granice o kilka procent.
• Silny wzorzec gatunku wygrywa. „Storyboard sheet” dał klasyczny układ z kadrami jeden pod drugim.
• Język desc decyduje o języku tekstu. Lista składników opisana po angielsku wyszła po angielsku.
• Geografia na mapach. Wawel po złej stronie Wisły, zmyślone miejscowości na wybrzeżu.

Inne galerie i testy FLUX 3

• Tapety 4K z FLUX 3: 12 tapet na komputer i telefon
• Wizualizacje wnętrz: 10 aranżacji z promptami
• Reklamy i packshoty: 10 grafik produktowych
• Test 4K pod lupą: FLUX 3 kontra sześć modeli
• Test ramek: jak dokładnie FLUX 3 trzyma kompozycję
• Pięć zmian jednym poleceniem: edycja w FLUX 3
• FLUX 3 Image - premiera, ceny i pierwsze wrażenia

FAQ

Czy ramki w FLUX 3 mogą na siebie nachodzić?

Mogą. Na okładce ramka plakietki zachodziła na ramkę portretu, a model położył plakietkę na tle obok głowy, nie na twarzy.

Dlaczego współrzędne zaczynają się od y, a nie od x?

Taki format przyjął Black Forest Labs: [y_min, x_min, y_max, x_max]. Najczęstszy błąd przy pierwszych próbach to zamiana kolejności, która obraca układ.

Czy siatka 0-1000 zależy od proporcji obrazu?

Nie. W obu osiach zawsze jest od 0 do 1000, więc ramka [0, 0, 500, 500] to lewa górna ćwiartka zarówno w kwadracie, jak i w formacie 16:9.

Czy mogę pisać desc i caption po polsku?

Tak, FLUX 3 rozumie polski. Ja piszę po angielsku dla powtarzalności, ale napisy, które mają się pojawić na obrazie, zawsze podaję po polsku w cudzysłowie.

Źródła