Microsoft AI: MAI-Image-2.6

Microsoft AI MAI-Image-2.6 è l’edizione della famiglia immagini 2.6 orientata alla precisione, progettata per generazione text-to-image e modifica controllata di risorse visive esistenti. La scheda descrive un modello di diffusione che usa flow matching, con 20 miliardi di parametri esclusi gli embedding e un contesto di 32K token. L’output previsto è un’immagine: una composizione di prodotto, un ritratto, un’illustrazione di marca o una visuale rivista il cui layout e soggetti principali restano coerenti mentre cambia un elemento specificato.

Per la generazione, descrivi soggetto, composizione, materiali, luce, punto di vista e stile visivo. Includi il testo esatto quando nell’immagine devono apparire un’etichetta, un titolo o un cartello e descrivi dove tale testo va collocato. Il produttore evidenzia in questa edizione miglioramenti della resa del testo, dei ritratti, delle immagini 3D e degli output commerciali o fotorealistici. Un brief utile identifica le poche relazioni che fanno funzionare l’immagine: quale oggetto è in primo piano, come si colloca nella scena e dove il pubblico deve guardare per primo. Ispeziona scritte fini e piccoli dettagli nell’immagine finita.

Per la modifica, fornisci la risorsa sorgente e indica il cambiamento insieme alle parti da mantenere. Le attività documentate includono rimozione o sostituzione di oggetti, cambiamenti di attributi, inpainting, adattamento del layout, aggiornamenti del testo e pulizia di artefatti come il mosso. La scheda del modello sottolinea il ragionamento su scala, prospettiva, illuminazione e collocazione spaziale affinché la revisione si adatti alla scena esistente. Nella preparazione, identifica chiaramente oggetto o zona e spiega se l’obiettivo è una correzione locale, una disposizione diversa o un cambiamento stilistico più ampio.

La guida di modifica immagini del produttore accetta fino a cinque riferimenti JPEG o PNG. Assegna a ogni immagine un ruolo distinto, come prodotto, persona, ambientazione, layout o stile visivo. Per una modifica d’illuminazione, colloca la lampada di un riferimento sulla scrivania di un altro, mantenendo la prospettiva della scrivania e facendo seguire all’ombra della lampada la luce della stanza. Una revisione separata può aggiornare una breve etichetta preservando forma e posizione del prodotto. Controlla le relazioni fra riferimenti nel risultato invece di accettare un oggetto plausibile che differisce da quello fornito.

La famiglia 2.6 aggiunge grounding web facoltativo e selezione del rapporto d’aspetto guidata dal modello. Il grounding web fornisce contesto attuale pertinente nell’interpretare una richiesta relativa a un luogo reale, un oggetto o informazioni mutevoli. È un input creativo: controlla quindi i dettagli visivi fattuali rispetto al soggetto desiderato. La selezione automatica del formato consente al modello di considerare prompt e immagini nello scegliere la forma della composizione. Un brief di design può specificare destinazione e layout richiesto: per esempio, una grande immagine di prodotto orizzontale con spazio libero su un lato oppure un’immagine verticale costruita attorno a un soggetto in piedi.

Le dimensioni dell’output sono governate dall’area totale. La scheda esatta del modello e la guida immagini elencano un massimo di 2.359.296 pixel, equivalente a un quadrato 1536×1536. L’interfaccia immagini documentata richiede che larghezza e altezza siano entrambe di almeno 768 pixel e ciascuna dimensione può superare 1536 se il totale resta entro il limite d’area. Questo permette composizioni orizzontali o verticali più lunghe anziché imporre un massimo di 1536 pixel su ogni lato. Per esempio, un obiettivo 1024×2048 ha 2.097.152 pixel e rispetta quella regola d’area documentata. Controlla le dimensioni finali per il layout che userà l’immagine.

La guida del produttore restituisce risultati generati e modificati come dati immagine PNG. Conserva l’immagine completata insieme a brief e riferimenti sorgente quando prepari una revisione di design. La scheda nomina un contesto di 32K token, mentre la guida di erogazione specifica un contesto massimo del prompt di 32.000 token; mantieni questi ambiti dichiarati quando prepari un brief lungo anziché trattarli come dimensioni d’immagine. Il risultato pratico di produzione è l’immagine decodificata, ispezionabile e inseribile in una pagina, slide o composizione. Registra con essa ritaglio e collocazione del testo desiderati affinché modifiche successive non cambino accidentalmente lo scopo del design.

All’interno di questa famiglia, MAI-Image-2.6 privilegia controllo preciso e i più recenti miglioramenti del dettaglio visivo. MAI-Image-2.6-Flash offre le stesse capacità di generazione, modifica, grounding e selezione del formato in un’edizione ottimizzata per produzione reattiva e ripetuta. La serie 2.5 usa un limite documentato di area d’output più piccolo e non eredita i controlli di grounding o formato automatico di 2.6. Scegli l’edizione in base all’immagine e al processo di revisione richiesti, anziché presumere che un nome di famiglia comune renda identica ogni impostazione.

Controlla una modifica rispetto alla sorgente completa: volti conservati, identità degli oggetti, geometria, ombre, scritte e layout desiderato contano tutti. Una fotografia convincente può comunque contenere una marcatura sbagliata, un riflesso incoerente o una caratteristica cambiata fuori dalla modifica richiesta. Mantieni concreta la correzione successiva, come etichetta, collocazione dell’oggetto o un artefatto preciso. Questo rende utile la modifica iterativa conservando soggetto e composizione del brief originale.