Microsoft AI: MAI-Image-2.5

Microsoft AI MAI-Image-2.5 est l’édition de génération générale et de retouche contrôlée de la famille d’images 2.5. Sa fiche décrit un modèle de diffusion utilisant le flow matching, avec 20 milliards de paramètres hors embeddings, une entrée texte et image et un contexte de 32K tokens. Il produit des images pour des concepts, portraits, visuels produit, illustrations et révisions de designs existants. Le choix initial utile consiste à déterminer si la tâche exige une nouvelle composition ou un changement précis sur un visuel qui contient déjà le sujet voulu.

Pour la génération, décrivez le sujet principal, le style visuel, la lumière, le point de vue et l’agencement. Le fabricant met en avant des images détaillées et cohérentes, le rendu du texte, les visuels produit et le respect du prompt. Un brief pratique d’illustration de présentation peut préciser le rôle du sujet, l’accent visuel souhaité et la quantité d’espace autour. Un concept produit peut inclure le matériau, l’échelle et la finition de surface. Gardez une description cohérente pour que les objets partagent une scène et un plan d’éclairage, au lieu de réunir plusieurs traitements visuels incompatibles.

Le raisonnement visuel de cette édition concerne la structure de scène, la lumière, l’échelle et les relations spatiales. Le fabricant cite l’ajout d’un objet avec une perspective et des ombres adaptées comme usage de retouche. Pour retoucher un atelier, placez un petit tabouret près d’un établi en préservant le point de vue et la lumière existants. La vérification doit comparer la taille du tabouret, son contact avec le sol et la cohérence de son ombre avec les autres objets. Un objet localement convaincant doit encore s’intégrer à la géométrie de toute l’image source.

Les retouches dirigées comprennent la suppression ou le remplacement d’objets, les changements d’attributs, l’inpainting, l’adaptation de mise en page, les mises à jour de texte et des corrections comme la réduction d’artefacts de flou de mouvement. Fournissez l’image source et nommez à la fois la correction et les détails à conserver. Une retouche photo ciblée pourrait supprimer un objet distrayant du fond en gardant la personne, le recadrage et l’agencement du premier plan. Une révision de design pourrait mettre à jour une courte ligne de texte sans modifier la composition. Comparez le résultat complet à la source au lieu d’évaluer uniquement la zone retouchée.

Microsoft souligne aussi la cohérence de l’identité faciale entre retouches, y compris lors de changements de pose, d’expression ou de point de vue. Utilisez une référence claire pour la ressemblance et précisez le changement voulu de façon à préserver les traits identifiants. Le guide actuel de retouche du fabricant accepte jusqu’à cinq images JPEG ou PNG, ce qui permet à différentes références d’identifier la personne, l’objet, la scène ou le style. Nommez ces rôles dans le prompt. Pour une révision de portrait, examinez le visage autant que les vêtements ou le fond modifiés avant de considérer l’image comme terminée.

La fiche exacte du modèle limite la sortie à 1 048 576 pixels au total, équivalents à un carré de 1024×1024, et autorise un côté supérieur à 1024 si le total reste dans cette surface. Le guide de service exige en plus au moins 768 pixels dans les deux dimensions. Une cible rectangulaire comme 1344×768 compte 1 032 192 pixels et respecte ces règles documentées de surface et de dimensions minimales. La limite utile est le produit de la largeur et de la hauteur : préparez donc la forme de destination avant de demander une composition paysage ou portrait.

La génération et la retouche renvoient des données d’image PNG dans l’interface de service du fabricant. La fiche native indique un contexte de 32K tokens, tandis que cette interface fixe le contexte maximal du prompt à 32 000 tokens. Le chiffre distinct de 4 096 tokens de sortie dans le catalogue est une allocation de tokens, pas une dimension de sortie. Conservez ces périmètres déclarés lorsque vous organisez un prompt détaillé et l’image terminée. Les visuels sources, caractéristiques à préserver, retouches demandées et taille cible constituent un dossier de révision utile avec le PNG.

La gamme créative du modèle couvre l’imagerie photoréaliste et cinématographique, les portraits, les concepts produit ou de marque, les designs avec texte et d’autres styles visuels. Pour une étiquette ou une enseigne, fournissez le texte exact et vérifiez son orthographe à la taille d’affichage finale. Une surface photographique reconnaissable peut néanmoins contenir des détails inventés, un reflet incohérent ou des caractères inexacts. Une vérification pratique suit les exigences du design : identité de l’objet, lisibilité, relations spatiales et scène conservée comptent toutes. Séparez une correction précise des changements déjà réussis.

Dans la famille 2.5, Pro privilégie une fidélité supérieure et des relations stables dans les scènes denses, tandis que Flash vise une production plus réactive. La famille 2.6 introduit une allocation documentée plus grande de surface de pixels, un ancrage web facultatif et une sélection du rapport par le modèle. La version 2.5 standard conserve son propre processus de génération et de retouche sans ces commandes ultérieures. Choisissez l’édition en fonction de la difficulté réelle de la tâche d’image et vérifiez le résultat terminé par rapport à ce brief.