Microsoft AI: MAI-Image-2.6

A Microsoft AI MAI-Image-2.6 a 2.6 képcsalád precizitásra összpontosító kiadása, szöveg-kép generáláshoz és meglévő vizuális anyagok irányított szerkesztéséhez. Modellkártyája flow matchinget használó diffúziós modellt ír le 20 milliárd nem embedding paraméterrel és 32K tokenes kontextussal. A kívánt kimenet kép: termékkompozíció, portré, márkázott illusztráció vagy olyan módosított vizuál, amelynek elrendezése és fő témái összefüggők maradnak, miközben egy meghatározott elem változik.

Generáláshoz írd le a témát, kompozíciót, anyagokat, fényt, nézőpontot és vizuális stílust. Ha címkének, címnek vagy táblának kell megjelennie a képen, add meg a pontos szöveget és helyét. A gyártó e kiadásnál erősebb szövegmegjelenítést, portrékat, 3D képi világot és kereskedelmi vagy fotórealisztikus kimenetet emel ki. A hasznos leírás megnevezi a kép működését meghatározó néhány kapcsolatot: melyik tárgy kerül előtérbe, hogyan helyezkedik el, és hova nézzen először a közönség. A kész képen ellenőrizd a finom feliratokat és apró részleteket.

Szerkesztéshez add meg a forrásképet és a változást a megtartandó részekkel együtt. Dokumentált feladat a tárgyeltávolítás vagy -csere, tulajdonságváltoztatás, inpainting, elrendezés-adaptáció, szövegfrissítés és olyan hibák tisztítása, mint a mozgási elmosódás. A modellkártya a lépték, perspektíva, világítás és térbeli elhelyezés közötti következtetést hangsúlyozza, hogy a módosítás illeszkedjen a meglévő jelenethez. Előkészítéskor világosan azonosítsd a tárgyat vagy területet, és mondd el, hogy helyi javítás, más elrendezés vagy átfogóbb stílusváltozás a cél.

A gyártó képszerkesztési útmutatója legfeljebb öt JPEG vagy PNG referenciát fogad. Minden képnek adj külön szerepet, például termék, személy, környezet, elrendezés vagy vizuális stílus. Világításszerkesztésnél az egyik referencia lámpáját helyezd a másik íróasztalára, az asztal perspektívájának megtartásával, a lámpa árnyékát pedig igazítsd a szoba fényéhez. Külön módosítás frissíthet rövid címkét a termék alakjának és helyének megőrzésével. Az eredményen a referenciakapcsolatokat ellenőrizd, ne fogadj el hihető, de a megadottól eltérő tárgyat.

A 2.6 család opcionális webes megalapozást és modell által irányított oldalarány-választást ad hozzá. A webes megalapozás releváns aktuális kontextust szolgáltat valós helyet, tárgyat vagy változó információt érintő kérés értelmezéséhez. Ez alkotói bemenet, ezért a tényszerű vizuális részleteket a kívánt témához mérd. Az automatikus oldalarány-választásnál a modell a promptot és képeket is figyelembe veheti a kompozíció alakjának meghatározásához. Tervezési leírás megadhatja a célhelyet és szükséges elrendezést: például széles fő termékvizuált az egyik oldalon szabad térrel, vagy álló alak köré épített portréformátumú képet.

A kimeneti méretet az összterület szabályozza. A pontos modellkártya és képes útmutató legfeljebb 2 359 296 pixelt sorol fel, ami 1536×1536-os négyzetnek felel meg. A dokumentált képfelület legalább 768 pixeles szélességet és magasságot igényel; bármelyik méret meghaladhatja az 1536-ot, ha az összterület a korláton belül marad. Ez hosszabb fekvő vagy álló kompozíciót enged, nem oldalanként 1536 pixeles maximumot ír elő. Például az 1024×2048-as cél 2 097 152 pixeles, és megfelel e dokumentált területszabálynak. Ellenőrizd a végső méreteket ahhoz az elrendezéshez, amelyben a kép szerepelni fog.

A gyártó útmutatója a generált és szerkesztett eredményt PNG képadatként adja vissza. Dizájnmódosítás előkészítésekor a kész képet őrizd meg leírásával és forrásreferenciáival együtt. A modellkártya 32K tokenes kontextust nevez meg, a kiszolgálási útmutató pedig 32 000 tokenes maximális promptkontextust; hosszú leírásnál tartsd meg e közölt hatóköröket, ne képméretként kezeld őket. A hasznos gyártási eredmény a dekódolt kép, amely ellenőrizhető és oldalba, diába vagy kompozícióba illeszthető. Rögzítsd mellette a kívánt kivágást és szövegelhelyezést, hogy későbbi szerkesztés ne változtassa meg véletlenül a dizájn célját.

E családon belül a MAI-Image-2.6 a pontos vezérlést és a képi részletezés legújabb javulásait hangsúlyozza. A MAI-Image-2.6-Flash ugyanazokat a generálási, szerkesztési, megalapozási és oldalarány-választási képességeket adja, gyors reakciójú, ismételt gyártásra optimalizált kiadásban. A 2.5 sorozat kisebb dokumentált kimenetiterület-korlátot használ, és nem örökli a 2.6 megalapozási vagy automatikus oldalarány-vezérlőit. A kiadást a kívánt kép és módosítási folyamat szerint válaszd, ne feltételezd, hogy a közös családnév minden beállítást azonossá tesz.

A szerkesztést a teljes forráshoz mérd: a megtartott arcok, tárgyazonosság, geometria, árnyékok, feliratok és kívánt elrendezés mind számítanak. Egy meggyőző fénykép is tartalmazhat rossz jelölést, következetlen tükröződést vagy a kért szerkesztésen kívüli megváltozott jellemzőt. A következő javítás legyen konkrét, például címke, tárgyhelyzet vagy meghatározott hiba. Így az ismételt szerkesztés hasznos marad, miközben megőrzi az eredeti leírás témáját és kompozícióját.