🎢 Parte 2: finisce la luna di miele — FLUX.1-dev, Ollama e ancora non ci siamo del tutto

🌐 Anche in: English · Deutsch · Français · Español · Português · Nederlands · Polski
Nel mio ultimo post ero, diciamo, estremamente gasato. Il mio vecchio PC tower all’improvviso generava immagini da prompt in tedesco, girava come un ordinato servizio systemd e aveva la sua piccola web UI in stile ChatGPT. Praticamente fluttuavo. Parecchi prompt dopo: l’euforia si è un po’ raffreddata. Non è sparita — ma ho sbattuto contro un muro di cui vale la pena scrivere, perché mi ha insegnato una cosa importante su come funzionano davvero questi modelli di immagini sotto il cofano.
⚙️ Cosa abbiamo cambiato dall’ultima volta
Ci sono stati due upgrade:
- FLUX.1-schnell → FLUX.1-dev. “Schnell” è la versione “distillata” di FLUX ottimizzata per la velocità, a 4 step — veloce (~1 min/immagine) ma visibilmente approssimativa nei dettagli e nella fedeltà al prompt. FLUX.1-dev usa ~20 step e un nodo “guidance” in più, e scambia la velocità (~2-3 min/immagine) con risultati più nitidi e fotorealistici e una migliore aderenza alle istruzioni.
- Ollama + qwen2.5 (7B) aggiunto come pre-processore dei prompt. È un LLM separato, solo testo, che ora sta prima di FLUX nella pipeline. I miei brevi prompt in tedesco vengono tradotti automaticamente ed espansi in descrizioni dettagliate in inglese (angolo di ripresa, illuminazione, stile) prima che FLUX li veda — perché la comprensione del testo di FLUX è addestrata soprattutto su didascalie inglesi lunghe e dettagliate, non su “Auto am Strand, Vorderansicht”.
La speranza: modello base migliore + prompt migliori = risultati visibilmente migliori e più controllabili su tutta la linea. 🤞
✅ La buona notizia: le cose semplici ora vengono davvero bene
Per richieste dirette del tipo “generami un’immagine di X”, questa combinazione è davvero buona. Il mio test preferito — “una Honda S2000 dorata sulla spiaggia, vista frontale” — è tornato come un vero scatto frontale di una S2000 dorata su una spiaggia, ben illuminato, con l’aria di una pubblicità d’auto. Persino rispettando l’indicazione sul punto di vista, cosa che i tentativi precedenti semplicemente... non facevano. Quindi: text-to-image, in tedesco, per scene relativamente semplici? 👍 Funziona bene.
❌ La cattiva notizia: fare modifiche mirate a un’immagine non funziona bene
Ed è qui però che sta il mio vero caso d’uso: non voglio solo immagini nuove a caso — voglio prendere un’immagine esistente e applicare modifiche specifiche e mirate. “Fai sputare al drago fuoco blu.” “Fai diventare rossa questa macchina.” “Metti degli occhiali da sole a questa persona.” Cose così. Ed è qui che le ruote si staccano ancora. La pipeline img2img che abbiamo costruito funziona con un unico cursore “quanto deve cambiare” (denoise strength), e il compromesso è brutale:
- Denoise basso → la modifica richiesta si vede a malapena
- Denoise alto → ottengo un’immagine completamente diversa che si adatta vagamente al nuovo prompt, ma la composizione originale, la posa, i colori — praticamente tutto quello che volevo tenere — sono spariti
Non esiste una via di mezzo in cui “tieni l’immagine, cambia solo questa cosa” succeda davvero. O “non è cambiato niente” o “immagine nuova, RIP originale.” 😬 Detto senza giri di parole, non è ancora paragonabile a quello che fanno ChatGPT o Grok quando carichi un’immagine e chiedi una modifica mirata — lì sembrano vere modifiche. Quello che ho adesso sembra più un “ritira i dadi, ma truccali un pochino.”
🤔 Quindi a che punto è il requisito?
Ancora aperto, sinceramente. L’upgrade a FLUX.1-dev + Ollama è stato un vero miglioramento per la generazione — migliore comprensione dei prompt, più dettagli, input in tedesco gestito con eleganza. Ma il mio obiettivo originale — “carica una foto, digli cosa cambiare, ottieni la stessa foto con solo quella cosa cambiata” — non è ancora risolto. Da quello che ho capito, probabilmente serve proprio un altro tipo di strumento — qualcosa costruito apposta per l’editing basato su istruzioni (masking/inpainting, o modelli “edit” dedicati), invece del generico img2img basato sul denoise che usiamo adesso. Questa è la prossima tana del bianconiglio. 🐇 Ne riparlo quando io (o meglio, il mio copilota IA) ci sarò arrivato.
📚 Altro in questa serie: far girare la mia IA
