FLUX.2-klein-4B 순수 C 구현: 텍스트/이미지 기반 이미지 생성 엔진

FLUX.2-klein-4B 모델을 Python 없이 순수 C로 구현한 텍스트·이미지 기반 이미지 생성 엔진 및 라이브러리로, Mac/Linux에서 BLAS·Metal 가속을 활용해 재현 가능하고 확장 가능한 이미지 생성 파이프라인을 제공한다.

• Black Forest Labs의 FLUX.2-klein-4B를 순수 C로 구현한 오픈소스 인퍼런스 엔진으로, PyTorch·CUDA·Python 런타임 없이 safetensors 모델을 바로 사용.

• 빌드 백엔드 선택:

  • make generic: 순수 C, 의존성 없음(매우 느림)

  • make blas: OpenBLAS/Accelerate 기반 CPU 가속(약 30배 속도)

  • make mps: Apple Silicon Metal GPU 가속(가장 빠름, macOS arm64)

• 기능:

  • 텍스트 투 이미지(text-to-image): -p "prompt"로 바로 이미지 생성

  • 이미지 투 이미지(img2img): -i input.png -t strength로 스타일 변환/재생성

  • 통합 텍스트 인코더(Qwen3-4B) 내장 → 별도 임베딩 사전 계산 불필요

• 사용 예:

  • 모델 다운로드: python download_model.py (약 16GB: VAE, Transformer, Qwen3-4B, 토크나이저)

  • 생성: ./flux -d flux-klein-model -p "A woman wearing sunglasses" -o output.png

• 성능/리소스:

  • 권장 샘플링 스텝: 4단계 (distilled 모델)

  • 메모리: 텍스트 인코딩 ~8GB, 디퓨전 ~8GB, 피크 ~16GB (인코더 자동 해제)

  • 해상도: 최소 64x64, 최대 1024x1024, 16 배수 권장

• CLI 옵션:

  • 필수: -d 모델 디렉토리, -p 프롬프트, -o 출력 경로

  • 해상도/스텝/시드: -W/-H/-s/-S

  • img2img: -i 입력 이미지, -t 강도(0.0–1.0, 기본 0.75)

  • 출력 제어: -q 조용 모드, -v 상세 로그

• 재현 가능성: 실행 시 항상 시드를 출력하고(Seed: ...), 동일 시드로 동일 이미지 재생성 가능.

• C 라이브러리 API 제공:

  • 모델 로드/해제: flux_load_dir, flux_free

  • 생성: flux_generate(text2img), flux_img2img(img2img)

  • 이미지 입출력: flux_image_load/save/resize/free

  • 유틸: flux_set_seed, flux_get_error, flux_release_text_encoder

• 설계 포인트:

  • 라이브러리는 출력/로그를 하지 않는 헤드리스 구조, CLI에서만 UI 처리 → GUI/내부 서비스 통합에 적합.

  • 누락 텐서, 로딩 실패 등 에러 검출 강화로 배포 환경에서 디버깅 및 안정성 확보 용이.

• 라이선스: MIT – 상용 제품/서비스에 통합 가능하며, 스타트업에서 자체 이미지 생성 기능을 내장하기에 적합.

출처 및 참고 : antirez/flux2.c: Flux 2 image generation model pure C inference