Tencent: Hy Image 3.5 Preview

HY Image 3.5 Preview er Tencents samlede model til billedgenerering og redigering. Den accepterer en skrevet beskrivelse med valgfrie referencebilleder og understøtter fortsættelse af samme visuelle opgave over flere samtalerunder. Resultatet er et billede til en defineret scene, komposition eller redigering. Tencents eksempler omfatter produktbilleder, kampagneplakater, billeder af grænsefladedesign og materialekoncepter. Vælg, om opgaven kræver et nyt billede, en komposition præget af referencer eller en fokuseret ændring af et eksisterende resultat.

Producenten identificerer udgaven som hy-image-v3.5-preview og dokumenterer en promptgrænse på 100K tokens. Input er en kronologisk samtale med tekst og billeder, hvor den sidste brugerbesked leverer den aktuelle instruktion. Tidligere beskeder giver kontekst til iterativ redigering. Dette adskiller sig fra HY Image 3.0's arbejdsgang med én prompt og dens separate inputgrænser. Ved en sammenhængende designopgave skal du gemme den relevante beskrivelse, referenceroller og det valgte billede, så den næste instruktion kan bygge på den ønskede visuelle tilstand.

Forbered referencebilleder i PNG eller JPEG/JPG. Referenceinput kan indeholde op til 20 billeder, hver højst 20 MB i den dokumenterede arbejdsgang. Et billede kan medsendes som et refereret eller kodet materiale. Hvis samtalen indeholder for mange billeder, beskriver producentens vejledning, at ældre billeder fjernes først. Hold det aktive referencesæt fokuseret frem for at stole på, at hvert historisk billede forbliver i konteksten. Kontrollen til størrelsesændring af input bevarer mindre billeder og skalerer større proportionalt mod et mål for pixelareal; standardmålet er 1.048.576 pixels. Bevar tilstrækkelige synlige detaljer til det produkt, materiale eller layout, der skal styre resultatet.

Outputstørrelse har to forskellige forberedelsesveje. Ved automatisk størrelse angiver generate_max_pixels et målareal: 1.048.576 pixels til 1K-niveauet, 2.359.296 til standardniveauet 1.5K eller 4.194.304 til 2K. Producentens FAQ siger, at en indstilling for arealmål, som angives alene, bruger kvadratisk format som standard. Når begge størrelseskontroller udelades, bruger modellen beskrivelsen og standardniveauet 1.5K. Disse niveauer skaber ikke en automatisk 4K-indstilling. Brug et arealniveau, når et kvadratisk billede passer til opgaven. For at lade beskrivelsen styre proportionerne på standardniveauet 1.5K skal du udelade begge størrelseskontroller; bed om udtrykkelige dimensioner, når layoutet kræver en bestemt stående eller bred størrelse.

Ved udtrykkelige dimensioner tillader producenten sider angivet som positive heltal fra 256 til 8192 pixels med et samlet areal på højst 16.777.216 pixels. Et kvadrat på 4096 × 4096 opfylder denne grænse. Sideintervallet og arealloftet gælder samtidig, så en kant på 8192 pixels tillader ikke et billede på 8192 × 8192. Bed udtrykkeligt om den nødvendige bredde og højde, når det endelige layout kræver en bestemt størrelse, frem for at antage, at et arealniveau bestemmer de samme dimensioner. Hold beskæringsfølsomme detaljer og den nødvendige tomme plads synlige i prompten.

Modellen understøtter redigering over flere samtalerunder gennem returneret samtalehistorik. Tencent skelner mellem det endeligt leverede billede og det mellemliggende billede, der bruges som kontekst til næste redigering, og eksemplerne bevarer assistentens ræsonnement, værktøjsanmodning og genererede billedresultat ved fortsættelse. Ved en produktkomposition skal du først fastlægge motiv og indramning og derefter bede om en lysændring eller ny baggrund, mens du angiver, hvad der skal bevare sit udseende. Gem det valgte resultat og dets historik sammen, så næste samtalerunde arbejder på dette billede frem for en fravalgt variation. I Tencents dokumenterede arbejdsgang udløber både linkene til slutbilledet og historikbilledet efter 12 timer, så gem billedmaterialerne, før du regner med dem til en senere redigering.

De dokumenterede kontroller omfatter et seed, en brugerdefineret vandmærkefodnote på op til 16 tegn og valgfri udvidelse med ekstern søgning, som er slået fra som standard. Seed er et ikke-negativt heltal; nul eller udeladelse lader producenten vælge tilfældigt. Disse kontroller tjener andre formål end selve beskrivelsen. Til et referencebaseret produktbillede skal du beskrive produktets udseende, kameravinkel, overflade, belysning og ønskede layout og derefter bruge referencen til at styre de identificerende detaljer. Til en plakat skal du angive hierarki og præcis ordlyd frem for at lade budskabet blive opfundet.

Tencents praktiske vejledning anbefaler at kontrollere tekst og layout, især hvor produktspecifikationer, organisationsnavne eller anden faktuel ordlyd er vigtig. Undersøg det færdige billede for motiv, proportioner, materiale, beskæring og tekst. Gem det endelige materiale sammen med beskrivelsen og indstillingerne, og brug en konkret instruktion knyttet til et synligt problem til den næste redigering.