Microsoft AI: MAI-Image-2.5

Microsoft AI MAI-Image-2.5 ist die Ausgabe der Bildfamilie 2.5 für allgemeine Generierung und kontrollierte Bearbeitung. Seine Modellkarte beschreibt ein Diffusionsmodell mit Flow Matching, 20 Milliarden Parametern ohne Embeddings, Text- und Bildeingabe und einem Kontext von 32K Tokens. Es erzeugt Bildausgaben für Konzepte, Porträts, Produktbilder, Illustrationen und Überarbeitungen bestehender Designs. Die hilfreiche erste Entscheidung ist, ob die Aufgabe eine neue Komposition oder eine konkrete Änderung an einem Asset benötigt, das das gewünschte Motiv bereits enthält.

Beschreiben Sie für die Generierung Hauptmotiv, Bildstil, Licht, Blickwinkel und Anordnung. Der Hersteller hebt detailreiche, stimmige Bilder, Textdarstellung, Produktbilder und Prompt-Treue hervor. Ein praktisches Briefing für eine Präsentationsillustration kann die Rolle des Motivs, den gewünschten Bildschwerpunkt und den Umfang des umgebenden Freiraums angeben. Ein Produktkonzept kann Material, Maßstab und Oberflächenfinish enthalten. Halten Sie die Beschreibung schlüssig, damit Objekte eine gemeinsame Szene und einen Beleuchtungsplan teilen, statt mehrere unvereinbare visuelle Gestaltungen zu verbinden.

Visuelles Schlussfolgern betrifft in dieser Ausgabe Szenenstruktur, Beleuchtung, Maßstab und räumliche Beziehungen. Der Hersteller nennt das Hinzufügen eines Objekts mit passender Perspektive und Schatten als Bearbeitungsanwendung. Platzieren Sie bei einer Werkstattbearbeitung einen kleinen Hocker neben einer Werkbank und bewahren Sie vorhandenen Blickwinkel und Licht. Die Prüfung sollte Hockergröße, Bodenkontakt und Übereinstimmung seines Schattens mit den übrigen Objekten vergleichen. Auch ein lokal überzeugendes Objekt muss zur Geometrie des gesamten Quellbilds passen.

Gezielte Bearbeitungen umfassen Entfernen oder Austauschen von Objekten, Eigenschaftsänderungen, Inpainting, Layoutanpassung, Textaktualisierungen und Bereinigung, etwa das Reduzieren von Bewegungsunschärfeartefakten. Stellen Sie das Quellbild bereit und benennen Sie sowohl Korrektur als auch zu bewahrende Details. Eine fokussierte Fotobearbeitung könnte einen störenden Gegenstand im Hintergrund entfernen und dabei Person, Zuschnitt und Vordergrundanordnung erhalten. Eine Designüberarbeitung könnte eine kurze Textzeile aktualisieren und dabei die Komposition bewahren. Vergleichen Sie das vollständige Ergebnis mit der Quelle, statt nur den bearbeiteten Bereich zu bewerten.

Microsoft betont außerdem die Konsistenz der Gesichtsidentität über Bearbeitungen hinweg, einschließlich Änderungen von Pose, Ausdruck oder Blickwinkel. Verwenden Sie eine klare Referenz für die Ähnlichkeit und beschreiben Sie die gewünschte Änderung so, dass identifizierende Merkmale erhalten bleiben. Der aktuelle Bearbeitungsleitfaden des Herstellers akzeptiert bis zu fünf JPEG- oder PNG-Bilder. Verschiedene Referenzen können dadurch Person, Objekt, Szene oder Stil festlegen. Benennen Sie diese Rollen im Prompt. Prüfen Sie bei einer Porträtüberarbeitung das Gesicht ebenso wie geänderte Kleidung oder Hintergrund, bevor Sie das Bild als fertig behandeln.

Die konkrete Modellkarte begrenzt die Ausgabe auf insgesamt 1.048.576 Pixel, entsprechend einem Quadrat von 1024×1024, und erlaubt einer Seite, 1024 zu überschreiten, wenn die Gesamtfläche innerhalb dieser Grenze bleibt. Der Serving-Leitfaden verlangt zusätzlich beide Abmessungen von mindestens 768 Pixeln. Ein rechteckiges Ziel wie 1344×768 hat 1.032.192 Pixel und erfüllt diese dokumentierten Flächen- und Mindestabmessungsregeln. Die maßgebliche Grenze ist das Produkt aus Breite und Höhe. Bereiten Sie deshalb das Zielformat vor, bevor Sie eine Quer- oder Hochformatkomposition anfordern.

Generierung und Bearbeitung geben in der Serving-Schnittstelle des Herstellers PNG-Bilddaten zurück. Die native Modellkarte nennt einen Kontext von 32K Tokens, während diese Schnittstelle maximal 32.000 Tokens Prompt-Kontext festlegt. Die separate Katalogangabe von 4.096 Ausgabetokens ist ein Tokenrahmen und keine Ausgabeabmessung. Bewahren Sie diese angegebenen Geltungsbereiche bei der Organisation eines detaillierten Prompts und des fertigen Bilds. Quell-Assets, erhaltene Merkmale, gewünschte Änderungen und Zielgröße bilden gemeinsam mit dem PNG einen hilfreichen Überarbeitungsnachweis.

Der kreative Bereich des Modells umfasst fotorealistische und filmische Bilder, Porträts, Produkt- oder Markenkonzepte, texttragende Designs und andere Bildstile. Geben Sie für ein Etikett oder Schild den genauen Wortlaut an und prüfen Sie seine Schreibweise in der endgültigen Darstellungsgröße. Eine erkennbare fotografische Oberfläche kann dennoch erfundene Details, eine inkonsistente Reflexion oder ungenaue Schrift enthalten. Eine praktische Prüfung folgt den Designanforderungen: Objektidentität, Lesbarkeit, räumliche Beziehungen und erhaltene Szene sind gleichermaßen wichtig. Halten Sie eine konkrete Korrektur von bereits gelungenen Änderungen getrennt.

Innerhalb der Familie 2.5 betont Pro höhere Wiedergabetreue und stabile Beziehungen in dichten Szenen, während Flash einer reaktionsschnelleren Produktion dient. Die Familie 2.6 führt eine größere dokumentierte Pixelfläche, optionale Webfundierung und modellgesteuerte Seitenverhältniswahl ein. Standard-2.5 behält seinen eigenen Generierungs- und Bearbeitungsablauf ohne diese späteren Steuerungen. Wählen Sie die Ausgabe anhand der Schwierigkeit der tatsächlichen Bildaufgabe und prüfen Sie das fertige Ergebnis anhand dieses Briefings.