Microsoft AI: MAI-Image-2.5

Microsoft AI MAI-Image-2.5 é a edição de geração geral e edição controlada da família de imagem 2.5. A sua ficha de modelo descreve um modelo de difusão que utiliza correspondência de fluxos, com 20 mil milhões de parâmetros não pertencentes a embeddings, entrada de texto e imagem e um contexto de 32K tokens. Produz imagens para conceitos, retratos, imagens de produto, ilustrações e revisões de designs existentes. A escolha inicial útil é saber se a tarefa precisa de uma nova composição ou de uma alteração específica a um recurso que já contém o sujeito pretendido.

Para geração, descreva o sujeito principal, o estilo visual, a luz, o ponto de vista e a disposição. O fabricante destaca imagens detalhadas e coerentes, renderização de texto, imagens de produto e cumprimento das instruções. Umas instruções práticas para uma ilustração de apresentação podem especificar o papel do sujeito, a ênfase visual pretendida e a quantidade de espaço envolvente. Um conceito de produto pode incluir o material, a escala e o acabamento da superfície. Mantenha a descrição coerente, para que os objetos partilhem uma cena e um plano de iluminação, em vez de combinar vários tratamentos visuais incompatíveis.

O raciocínio visual nesta edição diz respeito à estrutura da cena, à iluminação, à escala e às relações espaciais. O fabricante dá como utilização de edição acrescentar um objeto com perspetiva e sombras adequadas. Numa edição de oficina, coloque um pequeno banco junto a uma bancada, conservando o ponto de vista e a luz existentes. A revisão deve comparar o tamanho do banco, o ponto onde toca no chão e se a sua sombra segue as dos outros objetos. Um objeto localmente convincente continua a ter de se ajustar à geometria de toda a imagem de origem.

As edições orientadas incluem remoção ou substituição de objetos, alterações de atributos, preenchimento de regiões, adaptação da disposição, atualizações de texto e limpeza, como a redução de artefactos de desfocagem de movimento. Forneça a imagem de origem e nomeie tanto a correção como os pormenores a conservar. Uma edição focada de fotografia pode remover um objeto distrativo do fundo, mantendo a pessoa, o recorte e a disposição do primeiro plano. Uma revisão de design pode atualizar uma linha curta de texto, conservando a composição. Compare o resultado completo com a fonte, em vez de avaliar apenas a região editada.

A Microsoft destaca também a consistência da identidade facial entre edições, incluindo mudanças de pose, expressão ou ponto de vista. Utilize uma referência nítida para a semelhança e especifique a alteração pretendida de uma forma que preserve as características identificadoras. O guia atual de edição do fabricante aceita até cinco imagens JPEG ou PNG, permitindo que referências diferentes identifiquem a pessoa, o objeto, a cena ou o estilo. Nomeie esses papéis na instrução. Numa revisão de retrato, inspecione o rosto, bem como a roupa ou o fundo alterados, antes de considerar a imagem concluída.

A ficha exata do modelo limita a saída a 1 048 576 píxeis totais, equivalente a um quadrado de 1024×1024, e permite que um lado exceda 1024 se o total permanecer dentro dessa área. O guia de disponibilização exige adicionalmente que ambas as dimensões tenham pelo menos 768 píxeis. Um destino retangular como 1344×768 tem 1 032 192 píxeis e cumpre essas regras documentadas de área e dimensão mínima. O limite útil é o produto da largura pela altura, pelo que deve preparar o formato de destino antes de pedir uma composição horizontal ou vertical.

A geração e a edição devolvem dados de imagem PNG na interface de disponibilização do fabricante. A ficha nativa do modelo indica um contexto de 32K tokens, enquanto essa interface especifica um contexto máximo de instrução de 32 000 tokens. O valor separado de 4 096 tokens de saída do catálogo é um limite de tokens, e não uma dimensão de saída. Conserve esses âmbitos declarados ao organizar uma instrução detalhada e a imagem concluída. Os recursos de origem, as características conservadas, as edições pedidas e o tamanho de destino formam um registo útil de revisão junto do PNG.

O alcance criativo do modelo abrange imagens fotorrealistas e cinematográficas, retratos, conceitos de produto ou marca, designs com texto e outros estilos visuais. Para um rótulo ou sinal, forneça a redação exata e inspecione a ortografia no tamanho final de apresentação. Uma superfície fotográfica reconhecível pode ainda conter pormenores inventados, um reflexo inconsistente ou texto inexato. Uma verificação prática segue os requisitos do design: a identidade do objeto, a legibilidade, as relações espaciais e a cena conservada são todas importantes. Mantenha uma correção específica separada das alterações que já funcionaram.

Dentro da família 2.5, Pro destaca maior fidelidade e relações estáveis em cenas densas, enquanto Flash serve uma produção mais ágil. A família 2.6 introduz um limite documentado maior de área de píxeis, fundamentação Web opcional e seleção de proporção orientada pelo modelo. A versão Standard 2.5 mantém o seu próprio fluxo de geração e edição sem esses controlos posteriores. Selecione a edição a partir da parte difícil da tarefa efetiva de imagem e reveja o resultado concluído face a essas instruções.