给人物安排位置，是生图时一个很容易被低估的问题。提示词里写了左边和右边，画面也许很好看，人物却没有站在需要的位置。继续加形容词，往往只是得到另一张好看的图。
本文内容（4节）
FLUX.3 Image Klein 提供了一种更直接的表达方式：把位置写成区域。Hugging Face 的 Diffusers 介绍文章展示了这套输入方法。文字描述负责交代画面，区域数据进一步说明某个对象应该出现在哪里。它将原本藏在一句话中的空间要求，变成了可以单独修改的输入。
原文使用的边界框按照纵向起点、横向起点、纵向终点、横向终点排列，范围归一化到0至1000。这里最容易犯的错误，是按平常的横纵坐标习惯把顺序写反。区域本身也不包含表演：画出一个人的范围，仍没有说明他的手要碰到什么、视线要落向哪里。
更有意思的是编辑示例。原图里一个针织小骑士被移动到另一处，输入同时列出来源区域和目标区域；背景、龙等其他部分也各自有位置说明。这个例子把“移到左上方”拆成了两件事：从哪里取出对象，以及把它放在哪里。它解释了编辑接口的工作方式，但不能证明任意复杂场景都能无损移动。
多参考图解决的又是另一个问题。原文让不同参考承担不同内容，并在文字里分别引用。参考决定借用什么，布局决定如何安排；二者可以配合，却不能互相替代。只给一张人物参考，并没有自动确定这个人物在新画面的站位。
这也是我认为它值得关注的原因。构图终于多了一种可以明确记录的表达方式，修改时不必把全部要求揉进一长段提示词。但它仍然是图像模型的生成与编辑能力，不是排版软件中的刚性约束，更不是视频人物一致性的证明。
先画关系草图，再考虑坐标
对漫剧制作来说，最初要表达的通常不是某个精确数字，而是空间关系。比如古董店柜台内站着店主，顾客站在柜台外，铜盒位于两人之间，店主的手能够碰到盒盖。把这个关系用简单草图画出来，再转换为区域，比直接凭想象填写一串坐标更容易检查。
边界框适合说明某个对象大致占据哪里，却不会自动说明柜台前后、谁挡住谁、手指是否接触道具。两个人的框都在正确区域，仍可能出现手臂穿过柜台的画面。因此，布局输入与遮挡、动作、视线的文字要求需要配合，不能只验收“框没放错”。
把坐标真正写对：先分清画面坐标和故事方位
假设要做一张16:9中景，左边店主、右边顾客，桌上铜盒居中。按原文所用的归一化方法，可以先把店主范围设想为纵向100到900、横向80到400，即 [100,80,900,400]；顾客则为 [100,600,900,920]。这是为了说明坐标顺序自拟的数字，不是官方推荐构图，也没有经过本站出图测试。输入前最好先画框预览，确认上下没有颠倒、框没有越界。
这里的“左”指画面左侧，不是角色自己的左手侧。顾客面向店主时，他的右手可能落在画面另一边。提示词若一处说“在画面左侧”，另一处又说“他的左边”，读者自己都可能读出两种关系。涉及递物、开门和转头时，尽量说清参照对象：画面左、柜台内、靠窗一侧，分别是什么意思。
人物框也不等于骨骼控制。一个范围容得下全身，不意味着肩膀、手腕与脚步就被逐点锁定。想让手接触盒盖，仍需交代盒子高度、手的位置和接触关系。若动作对接触非常敏感，可以先把人物与道具合成到一张成立的首帧，再交给视频工具，而不是期待一个大框替你安排全部肢体。
一次局部调整，可以怎样比较
假设第一版里顾客离柜台太远，可以保留角色参考、画幅和其他描述，只调整顾客目标区域。把改动前后并排放好，先看距离是否改善，再看脸、衣服和背景有没有一起被重新解释。这样得到的比较，才接近“这次位置调整带来了什么”。
若同时换了提示词、参考图、采样设置和区域，最后的图更满意，也无法判断哪个因素起了作用。对团队而言，保留输入版本不只是为了研究参数，更是为了下次遇到类似构图时有一个能复用的起点。
还可以单独记录失败类型。人物站位正确但铜盒位置错，是道具关系问题；全部位置正确却不是同一个角色，是身份保持问题；手盖住关键物件，则是可读性问题。把它们都记成“效果不好”，下一轮修改就仍然没有方向。
移动一个对象时，至少同时看三块区域
第一块是对象原来的位置。顾客从右侧挪走，原来被身体挡住的墙面需要补出来。第二块是目标位置，移动后是否压住铜盒、挡住店主的手或挤出画面。第三块是对象周围的联系，比如脚下阴影、玻璃倒影与柜台遮挡。只看人物最终站到了哪边，容易漏掉最显眼的合成破绽。
这也是源区域与目标区域需要分别表达的原因。源区域告诉系统从哪里理解被编辑内容，目标区域说明希望落到哪里。但若源框同时装进人物、椅子和半张桌子，移动目标就不够清楚；若目标框小得容不下人物全身，又可能迫使构图发生额外改变。
可以先处理一次有限移动：顾客仍在右侧，只向柜台靠近一点。不要第一轮同时要求换服装、转成背面、抬手并更换光线。完成小范围调整后，再判断是否值得继续用这条编辑路径。这里的目的不是证明模型能完成所有复杂要求，而是让失败原因能够被定位。
静态分镜通过后，还要看它能不能动
一个人物被放在画面边缘，静态构图可能很有张力；如果下一步要向边缘伸手，他的动作就可能立刻离开画面。准备视频首帧时，需要把动作空间一起考虑进去。布局控制可以帮助安排位置，但不替代镜头设计。
前后镜头也要放在一起检查。中景里顾客在右边，切到店主近景时，视线应该能回到顾客的位置；铜盒从哪边打开、光从哪边照来，都应当说得通。单张图的位置准确，与一组镜头的空间连续，是两个不同的验收层次。
所以，这个功能更适合被理解为一项额外的构图表达手段。它给了你一个比“靠左一点”更容易记录的输入，但结果仍需要按故事要求验收。要不要将它放进工作流，应看它是否减少了无效重画，以及这份节省能否覆盖准备区域信息的时间。
如果一张图必须满足严格的空间关系，这套输入比笼统地说“构图更准确”更值得研究。真正的使用价值，落在一个很具体的问题上：改变对象位置以后，原来不想改的部分还剩下多少。官方示例提供了起点，完整答案还需要实际任务的结果。
本地部署时，不能只看生成器参数量
Black Forest Labs 的发布说明将 Klein 定位为开放权重模型，并列出了基础版、蒸馏版及不同精度构建。对制作人员而言，先问自己要快速迭代还是后续训练，比先争论哪个文件最大更实用。蒸馏版与基础版的默认推理安排不同；选错工作流，可能让下载好的权重无法按预期使用。
显存也不只装生成器。文本编码、图像编码、参考图片和运行中间结果都要占资源。多参考输入会增加计算量，因此“单张文生图能跑”和“带多张高分辨率参考也能顺畅跑”需要分开判断。官方展示的硬件速度应保留分辨率、步数与框架条件，不能只剩一个秒数。
如果目标只是验证布局输入有没有价值，可以先在官方演示或已支持的环境里做少量任务，保留完整输入，再决定是否投入本地部署。先花几天解决环境问题，最后发现自己的镜头主要受手部接触限制，并不依赖位置框，这种投入顺序就不划算。
从制作流程看，最值得沉淀的是已经成立的空间方案：人物范围、道具位置、机位与下一步动作。它们可以被改编和复查，不必随着某一张偶然抽中的好图一起丢失。布局控制提供的是更明确的输入语言，是否节省工时，最终还要看你能否稳定复用这些决定。
框出对象以后，构图仍然需要主次
两个人各占一半画面，位置可能符合要求，但铜盒如果是剧情焦点，就还要安排目光、手势与明暗引导观众注意。布局数字回答范围，画面重点回答观众先看什么，两者需要一起设计。
可以先把图缩小，检查最先看到的是人脸、铜盒还是无关墙饰。若墙上的亮钟抢走注意力，调整局部光线或装饰密度，比继续微调人物坐标更接近问题。位置准确是构图的一项条件，并不包办全部视觉表达。
资料来源与延伸阅读
资料复核：2026年11月4日。文中的自拟情节、演算与检查方法用于教学；产品能力以对应版本的公开说明为依据，未将文档核对写成账号实测。