Microsoft AI: MAI-Image-2.6

Microsoft AI MAI-Image-2.6 er den præcisionsorienterede udgave af 2.6-billedfamilien, designet til tekst-til-billede-generering og kontrolleret redigering af eksisterende visuelt materiale. Modelkortet beskriver en diffusionsmodel med flow matching, 20 milliarder parametre uden for embeddings og en kontekst på 32K tokens. Det tilsigtede output er et billede: en produktkomposition, et portræt, en illustration med brandidentitet eller et revideret billede, hvis layout og hovedmotiver forbliver sammenhængende, mens et bestemt element ændres.

Til generering skal du beskrive motiv, komposition, materialer, lys, synsvinkel og visuel stil. Medtag præcis ordlyd, når en etiket, titel eller et skilt skal vises i billedet, og beskriv, hvor teksten hører til. Producenten fremhæver forbedret tekstgengivelse, portrætter, 3D-billeder og kommercielt eller fotorealistisk output i denne udgave. En nyttig beskrivelse identificerer de få relationer, der får billedet til at fungere: hvilken genstand der står i forgrunden, hvordan den indgår i scenen, og hvor publikum først skal se hen. Undersøg lille tekst og små detaljer i det færdige billede.

Ved redigering skal du medsende kildematerialet og angive ændringen sammen med de dele, der skal bevares. Dokumenterede opgaver omfatter fjernelse eller udskiftning af genstande, ændring af egenskaber, inpainting, layouttilpasning, tekstopdateringer og oprydning i artefakter såsom bevægelsessløring. Modelkortet fremhæver ræsonnement om skala, perspektiv, belysning og rumlig placering, så en revision passer til den eksisterende scene. Som forberedelse skal du tydeligt identificere genstanden eller området og forklare, om målet er en lokal rettelse, en anden opstilling eller en bredere stilændring.

Producentens billedredigeringsvejledning accepterer op til fem JPEG- eller PNG-referencer. Giv hvert billede en særskilt rolle, såsom produktet, en person, et miljø, et layout eller en visuel stil. Ved en belysningsredigering kan du placere en lampe fra én reference på skrivebordet i en anden, bevare skrivebordets perspektiv og lade lampens skygge følge rummets lys. En separat revision kan opdatere en kort etiket og samtidig bevare produktets form og position. Gennemgå referencernes relationer i resultatet frem for at acceptere en plausibel genstand, der adskiller sig fra den medsendte.

2.6-familien tilføjer valgfri webbaseret kildeforankring og modelstyret valg af billedformat. Webbaseret kildeforankring leverer relevant aktuel kontekst ved fortolkning af en anmodning om et virkeligt sted, en genstand eller oplysninger, der ændrer sig. Det er et kreativt input, så kontrollér faktuelle visuelle detaljer op mod det tilsigtede motiv. Automatisk formatvalg lader modellen tage højde for prompten og billederne, når den vælger kompositionens form. En designbeskrivelse kan angive anvendelse og nødvendigt layout: eksempelvis et bredt hovedbillede af et produkt med luft i den ene side eller et stående billede bygget op omkring en stående person.

Outputstørrelsen styres af det samlede areal. Det konkrete modelkort og billedvejledningen angiver højst 2.359.296 pixels, svarende til et kvadrat på 1536×1536. Den dokumenterede billedgrænseflade kræver, at både bredde og højde er mindst 768 pixels, og hver dimension kan overstige 1536, hvis det samlede antal holder sig inden for arealgrænsen. Det tillader en længere liggende eller stående komposition frem for at sætte højst 1536 pixels på hver side. Et mål på 1024×2048 har for eksempel 2.097.152 pixels og opfylder den dokumenterede arealregel. Kontrollér de endelige dimensioner i forhold til det layout, der skal bruge billedet.

Producentens vejledning returnerer genererede og redigerede resultater som PNG-billeddata. Gem det færdige billede sammen med beskrivelsen og kildereferencerne, når du forbereder en designrevision. Modelkortet angiver en kontekst på 32K tokens, mens driftsvejledningen angiver en maksimal promptkontekst på 32.000 tokens; bevar disse angivne anvendelsesområder, når du forbereder en lang beskrivelse, frem for at behandle dem som billeddimensioner. Det nyttige produktionsresultat er det afkodede billede, der kan undersøges og placeres på en side, en slide eller i en komposition. Registrér den ønskede beskæring og tekstplacering sammen med det, så senere redigeringer ikke utilsigtet ændrer designets formål.

Inden for denne familie lægger MAI-Image-2.6 vægt på præcis kontrol og de seneste forbedringer i visuelle detaljer. MAI-Image-2.6-Flash leverer de samme funktioner til generering, redigering, kildeforankring og formatvalg i en udgave optimeret til hurtig, gentagen produktion. 2.5-serien bruger en mindre dokumenteret outputarealgrænse og overtager ikke 2.6-kontrollerne for kildeforankring eller automatisk billedformat. Vælg udgave efter det nødvendige billede og revisionsforløb frem for at antage, at et fælles familienavn gør alle indstillinger identiske.

Gennemgå en redigering op mod hele kilden: bevarede ansigter, genstandsidentitet, geometri, skygger, tekst og det ønskede layout har alle betydning. Et overbevisende fotografi kan stadig indeholde forkert mærkning, en inkonsistent refleksion eller et ændret træk uden for den ønskede redigering. Hold den næste rettelse konkret, såsom etiketten, genstandens placering eller en bestemt artefakt. Det gør iterativ redigering nyttig og bevarer samtidig den oprindelige beskrivelses motiv og komposition.