Microsoft AI: MAI-Image-2.6

Microsoft AI MAI-Image-2.6 er den presisjonsorienterte utgaven av bildefamilien 2.6, utviklet for tekst-til-bilde-generering og kontrollert redigering av eksisterende visuelt materiale. Modellkortet beskriver en diffusjonsmodell som bruker flow matching, med 20 milliarder parametere utenom innbyggingsparametere og en kontekst på 32K token. Det tiltenkte resultatet er et bilde: en produktkomposisjon, et portrett, en merkevareillustrasjon eller et bearbeidet bilde der layouten og hovedmotivene forblir sammenhengende mens et angitt element endres.

For generering beskriver du motiv, komposisjon, materialer, lys, synsvinkel og visuell stil. Ta med nøyaktig ordlyd når en etikett, tittel eller et skilt skal vises i bildet, og beskriv hvor teksten hører hjemme. Produsenten fremhever sterkere tekstgjengivelse, portretter, 3D-bilder og kommersielle eller fotorealistiske resultater i denne utgaven. En nyttig beskrivelse angir de få sammenhengene som får bildet til å fungere: hvilket objekt som fremheves, hvordan det står i scenen og hvor publikum først skal se. Undersøk liten skrift og små detaljer i det ferdige bildet.

For redigering sender du inn kildematerialet og angir endringen sammen med delene som skal beholdes. Dokumenterte oppgaver omfatter fjerning eller utskifting av objekter, egenskapsendringer, utfylling av bildeområder, layouttilpasning, tekstoppdateringer og fjerning av artefakter som bevegelsesuskarphet. Modellkortet fremhever resonnering på tvers av målestokk, perspektiv, lyssetting og romlig plassering, slik at en revisjon passer til den eksisterende scenen. Som klargjøring identifiserer du objektet eller området tydelig og forklarer om målet er en lokal korrigering, et annet oppsett eller en bredere stilendring.

Produsentens bilderedigeringsveiledning godtar opptil fem JPEG- eller PNG-referanser. Gi hvert bilde en egen rolle, som produktet, en person, omgivelser, en layout eller en visuell stil. For en lysredigering kan du plassere en lampe fra én referanse på skrivebordet i en annen, beholde skrivebordets perspektiv og la lampens skygge følge rommets lys. En egen revisjon kan oppdatere en kort etikett og samtidig bevare produktets form og plassering. Vurder referanseforholdene i resultatet, fremfor å godta et plausibelt objekt som avviker fra det innsendte.

2.6-familien legger til valgfri nettforankring og modellstyrt valg av sideforhold. Nettforankring gir relevant oppdatert kontekst ved tolkning av en forespørsel som gjelder et virkelig sted, objekt eller informasjon som endrer seg. Det er et kreativt innspill, så vurder faktiske visuelle detaljer opp mot det tiltenkte motivet. Automatisk valg av sideforhold lar modellen ta hensyn til prompten og bildene når den velger komposisjonens format. En designbeskrivelse kan angi bruksstedet og nødvendig layout: for eksempel et bredt hovedbilde av et produkt med luft på én side eller et stående bilde bygget rundt et motiv som står oppreist.

Utdatastørrelsen styres av samlet areal. Det spesifikke modellkortet og bildeveiledningen oppgir maksimalt 2 359 296 piksler, tilsvarende et kvadrat på 1536×1536. Det dokumenterte bildegrensesnittet krever at både bredde og høyde er minst 768 piksler, og hver dimensjon kan overstige 1536 hvis totalen holder seg innenfor arealgrensen. Dette tillater en lengre liggende eller stående komposisjon fremfor å pålegge maksimalt 1536 piksler per side. Et mål på 1024×2048 har for eksempel 2 097 152 piksler og følger den dokumenterte arealregelen. Kontroller de endelige dimensjonene for layouten som skal bruke bildet.

Produsentens veiledning returnerer genererte og redigerte resultater som PNG-bildedata. Behold det ferdige bildet sammen med beskrivelsen og kildereferansene når du klargjør en designrevisjon. Modellkortet oppgir en kontekst på 32K token, mens veiledningen for drift angir en maksimal promptkontekst på 32 000 token; behold disse oppgitte virkeområdene når du klargjør en lang beskrivelse, fremfor å behandle dem som bildedimensjoner. Det nyttige produksjonsresultatet er det dekodede bildet, som kan undersøkes og plasseres på en side, på et lysbilde eller i en komposisjon. Registrer ønsket utsnitt og tekstplassering sammen med det, slik at senere redigeringer ikke utilsiktet endrer designets formål.

Innenfor denne familien legger MAI-Image-2.6 vekt på presis kontroll og de nyeste forbedringene i visuelle detaljer. MAI-Image-2.6-Flash tilbyr de samme funksjonene for generering, redigering, forankring og valg av sideforhold i en utgave optimalisert for responsiv, gjentatt produksjon. 2.5-serien bruker en mindre dokumentert grense for utdataareal og arver ikke kontrollene for forankring eller automatisk sideforhold fra 2.6. Velg utgave etter det nødvendige bildet og revisjonsprosessen, fremfor å anta at et felles familienavn gjør alle innstillinger identiske.

Vurder en redigering opp mot hele kilden: bevarte ansikter, objektidentitet, geometri, skygger, bokstaver og ønsket layout betyr alle noe. Et overbevisende fotografi kan fortsatt inneholde feil merking, en inkonsistent refleksjon eller en endret egenskap utenfor den ønskede redigeringen. Hold neste korrigering konkret, som etiketten, objektets plassering eller en bestemt artefakt. Dette gjør iterativ redigering nyttig samtidig som originalbeskrivelsens motiv og komposisjon bevares.