Microsoft AI: MAI-Image-2.5

Microsoft AI MAI-Image-2.5 er utgaven for generell generering og kontrollert redigering i bildefamilien 2.5. Modellkortet beskriver en diffusjonsmodell som bruker flow matching, med 20 milliarder parametere utenom innbyggingsparametere, tekst- og bildeinndata og en kontekst på 32K token. Den produserer bildeutdata for konsepter, portretter, produktbilder, illustrasjoner og revisjoner av eksisterende design. Det nyttige startvalget er om oppgaven trenger en ny komposisjon eller en konkret endring av et materiale som allerede inneholder det tiltenkte motivet.

For generering beskriver du hovedmotivet, visuell stil, lys, synsvinkel og oppsett. Produsenten fremhever detaljerte, sammenhengende bilder, tekstgjengivelse, produktbilder og etterlevelse av prompten. En praktisk beskrivelse for en presentasjonsillustrasjon kan angi motivets rolle, ønsket visuell vektlegging og mengden plass rundt. Et produktkonsept kan inkludere materiale, målestokk og overflatefinish. Hold beskrivelsen sammenhengende, slik at objektene deler én scene og én lysplan fremfor å kombinere flere uforenlige visuelle uttrykk.

Visuell resonnering i denne utgaven gjelder scenestruktur, lyssetting, målestokk og romlige forhold. Produsenten oppgir innsetting av et objekt med egnet perspektiv og skygger som et redigeringsbrukstilfelle. For en verkstedredigering kan du plassere en liten krakk ved en arbeidsbenk og samtidig beholde den eksisterende synsvinkelen og lyset. Gjennomgangen bør sammenligne krakkens størrelse, hvor den berører gulvet og om skyggen følger de andre objektene. Et lokalt overbevisende objekt må fortsatt passe til geometrien i hele kildebildet.

Målrettede redigeringer omfatter fjerning eller utskifting av objekter, egenskapsendringer, utfylling av bildeområder, layouttilpasning, tekstoppdateringer og opprydding som å redusere artefakter fra bevegelsesuskarphet. Send inn kildebildet, og navngi både korrigeringen og detaljene som skal beholdes. En avgrenset fotoredigering kan fjerne et distraherende objekt fra bakgrunnen samtidig som personen, utsnittet og oppsettet i forgrunnen beholdes. En designrevisjon kan oppdatere en kort tekstlinje og samtidig bevare komposisjonen. Sammenlign hele resultatet med kilden, fremfor å vurdere bare det redigerte området.

Microsoft fremhever også konsistens i ansiktsidentitet på tvers av redigeringer, inkludert endringer i positur, uttrykk eller synsvinkel. Bruk en tydelig referanse for likheten, og angi den ønskede endringen på en måte som bevarer de identifiserende trekkene. Produsentens nåværende redigeringsveiledning godtar opptil fem JPEG- eller PNG-bilder, slik at ulike referanser kan identifisere personen, objektet, scenen eller stilen. Navngi disse rollene i prompten. I en portrettrevisjon undersøker du ansiktet i tillegg til de endrede klærne eller bakgrunnen før bildet regnes som ferdig.

Det spesifikke modellkortet begrenser utdata til totalt 1 048 576 piksler, tilsvarende et kvadrat på 1024×1024, og tillater at én side overstiger 1024 hvis totalen holder seg innenfor dette arealet. Veiledningen for drift krever i tillegg at begge dimensjoner er minst 768 piksler. Et rektangulært mål som 1344×768 har 1 032 192 piksler og oppfyller disse dokumenterte reglene for areal og minimumsdimensjoner. Den nyttige grensen er produktet av bredde og høyde, så klargjør målformatet før du ber om en liggende eller stående komposisjon.

Generering og redigering returnerer PNG-bildedata i produsentens driftsgrensesnitt. Det opprinnelige modellkortet oppgir en kontekst på 32K token, mens dette grensesnittet angir maksimalt 32 000 token for promptkontekst. Katalogens separate tall på 4 096 utdata-token er en tokenramme fremfor en utdatadimensjon. Behold disse oppgitte virkeområdene når du organiserer en detaljert prompt og det ferdige bildet. Kildemateriale, bevarte egenskaper, ønskede redigeringer og målstørrelse utgjør et nyttig revisjonsgrunnlag sammen med PNG-filen.

Modellens kreative spenn omfatter fotorealistiske og filmatiske bilder, portretter, produkt- eller merkevarekonsepter, design med tekst og andre visuelle stiler. For en etikett eller et skilt oppgir du nøyaktig ordlyd og kontrollerer stavingen i den endelige visningsstørrelsen. En gjenkjennelig fotografisk overflate kan fortsatt inneholde oppdiktede detaljer, en inkonsistent refleksjon eller unøyaktige bokstaver. En praktisk kontroll følger designets krav: objektidentitet, lesbarhet, romlige forhold og den bevarte scenen betyr alle noe. Hold en konkret korrigering atskilt fra endringer som allerede har fungert.

Innenfor 2.5-familien legger Pro vekt på høyere detaljtrohet og stabile sammenhenger i tette scener, mens Flash betjener mer responsiv produksjon. 2.6-familien innfører en større dokumentert pikselarealramme, valgfri nettforankring og modellstyrt valg av sideforhold. Standardutgaven 2.5 beholder sin egen genererings- og redigeringsarbeidsflyt uten disse senere kontrollene. Velg utgave etter den vanskelige delen av den faktiske bildeoppgaven, og vurder det ferdige resultatet opp mot beskrivelsen.