Microsoft AI: MAI-Image-2.5 Pro

Microsoft AI MAI-Image-2.5 Pro er den udgave inden for 2.5-billedserien, der fokuserer på gengivelsestrofasthed. Den genererer billeder fra beskrivelser i naturligt sprog og udfører målrettede redigeringer af eksisterende materiale. Microsoft angiver hovedbilleder, detaljeret redigering og præcis tekst inde i billedet som centrale anvendelser, og modelsammenligningen fremhæver konsistens i genstande, figurer, materialer og rumlige relationer i komplekse kompositioner. Det endelige resultat er et billede til en design- eller produktionsarbejdsgang, såsom et centralt produktbillede eller en omhyggeligt arrangeret redaktionel scene.

Til generering skal du beskrive kompositionen gennem relationer frem for en liste af uafhængige genstande. Identificér hovedmotivet, dets størrelse i forhold til nærliggende genstande, de involverede materialer og lysets retning. Pro-udgavens dokumenterede visuelle ræsonnement er nyttigt, hvor disse relationer afgør, om en tæt scene er troværdig. Til en produktkomposition kan du placere en keramisk kande, klare glas og et foldet klæde på et træbord med konsistente refleksioner og lys fra ét vindue. Gennemgå berøringspunkter, skygger og synlige materialeegenskaber i det resulterende billede.

Ved arbejde med produkter og figurer skal du medsende den visuelle identitet, der skal overleve redigeringen. Microsoft beskriver genstandskonsistens på tværs af komplekse scener og figurkonsistens på tværs af synsvinkler og øjeblikke som styrker ved Pro. Angiv, hvilke træk der identificerer genstanden eller personen, og hvilket aspekt af scenen der skal ændres. Bevar for eksempel en jakkes silhuet og lukningsdetaljer, mens figuren placeres i en anden baggrund. En nyttig gennemgang sammenligner disse bevarede detaljer med kildereferencen; et visuelt attraktivt resultat er ikke i sig selv bevis for et præcist match.

Producentens billedredigeringsgrænseflade accepterer op til fem JPEG- eller PNG-referencer. Adskil deres roller i beskrivelsen: produktet, personen, miljøet eller den visuelle behandling. Redigeringsopgaver omfatter fjernelse og udskiftning af genstande, ændring af egenskaber, inpainting, layouttilpasning, tekstopdateringer og oprydning i artefakter. Ved en lokal redigering skal du beskrive målet og de omgivende elementer, der skal bevares. Ved en større omarrangering skal du forklare, hvordan kompositionen skal fungere efter ændringen, så modellen har et sammenhængende rumligt mål.

Tekstgengivelse er særlig relevant i en hovedkomposition eller et emballagekoncept. Angiv den præcise formulering, dens position og dens forhold til genstanden eller billedet. Hold tilbagevendende navne og etikettekst konsekvente mellem beskrivelsen og referencerne. Undersøg hvert gengivet tegn i den tilsigtede visningsstørrelse, og sammenlign det med den medsendte ordlyd. En senere redigering kan fokusere på ordlyd eller placering og samtidig bevare den vellykkede produktkomposition. PNG-outputtet kan derefter indgå i det layout, hvis endelige typografi- og beskæringskrav er kendte.

Den aktuelle Microsoft-billedvejledning anvender et maksimalt outputareal på 1.048.576 pixels for 2.5-modellerne, svarende til 1024×1024. Begge dimensioner skal være mindst 768 pixels i denne grænseflade, og en længere side er tilladt, når det samlede areal holder sig inden for grænsen. Det muliggør rektangulære kompositioner såsom 1344×768, der giver 1.032.192 pixels. Denne arealbegrænsning er forskellig fra højst 1024 på hver side. Forbered målformen til kompositionen frem for at forvente, at en generisk billedformatbetegnelse fastlægger beskæringen korrekt.

Driftsvejledningen angiver en maksimal promptkontekst på 32.000 tokens og returnerer PNG-billeddata til både generering og redigering. Den konkrete Pro-katalogside angiver separat et kontekstvindue på 131.072K og 4.096 outputtokens. Det er offentliggjorte tokenmængder med hvert deres katalog- eller driftsmæssige anvendelsesområde; den praktiske forberedelse af billedanmodningen følger driftens prompt- og pixelgrænser. Gem billedet, kildereferencerne og beskrivelsen som ét revisionsgrundlag. Kontrollér selve det visuelle resultat for de detaljerede krav til identitet, materiale og geometri, som begrundede valget af Pro.

Versionsvalget bør følge kompositionen. Standardudgaven MAI-Image-2.5 dækker generel generering og lokale redigeringer; Pro tilføjer seriens vægt på gengivelsestrofasthed og konsistente relationer i visuelt tætte scener. 2.6-familien hæver den dokumenterede outputarealgrænse og tilføjer valgfri webbaseret kildeforankring og automatisk formatvalg. Disse senere kontroller er specifikke for 2.6 og definerer ikke denne Pro-udgaves arbejdsgang. Vælg Pro, når den vanskelige del af beskrivelsen handler om stabil genstandsidentitet, materialers udseende eller rumlig struktur i et detaljeret billede.

Gennemgå både den ønskede ændring og det bevarede indhold. Hænder, der holder genstande, krydsninger, lille skrift, ansigtslighed og refleksioner er nyttige steder at undersøge i en kompleks komposition. Et plausibelt billede kan stadig indeholde vildledende mærkning eller en forkert fysisk relation. Gør den næste rettelse konkret, og bevar de dele af beskrivelsen, der gav det ønskede layout. Det understøtter en kontrolleret række designrevisioner frem for gentagne gange at omdefinere hele scenen.