Microsoft AI: MAI-Image-2.6

Microsoft AI MAI-Image-2.6 é a edição centrada na precisão da família de imagem 2.6, concebida para geração de texto para imagem e edição controlada de recursos visuais existentes. 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 e um contexto de 32K tokens. A saída pretendida é uma imagem: uma composição de produto, um retrato, uma ilustração de marca ou um visual revisto cuja disposição e sujeitos principais se mantêm coerentes enquanto um elemento especificado muda.

Para geração, descreva o sujeito, a composição, os materiais, a luz, o ponto de vista e o estilo visual. Inclua a redação exata quando um rótulo, título ou sinal deva aparecer na imagem e descreva onde essa redação pertence. O fabricante destaca nesta edição uma renderização de texto mais forte, retratos, imagens 3D e saída comercial ou fotorrealista. Instruções úteis identificam as poucas relações que fazem a imagem funcionar: que objeto está em primeiro plano, como se insere na cena e para onde o público deve olhar primeiro. Inspecione o texto fino e os pequenos pormenores na imagem concluída.

Para edição, forneça o recurso de origem e indique a alteração juntamente com as partes a conservar. As tarefas documentadas incluem remoção ou substituição de objetos, alterações de atributos, preenchimento de regiões, adaptação da disposição, atualizações de texto e limpeza de artefactos, como desfocagem de movimento. A ficha do modelo destaca o raciocínio sobre escala, perspetiva, iluminação e posição espacial, para que uma revisão se ajuste à cena existente. Como preparação, identifique claramente o objeto ou a região e explique se o objetivo é uma correção local, uma disposição diferente ou uma alteração mais ampla de estilo.

O guia de edição de imagens do fabricante aceita até cinco referências JPEG ou PNG. Dê a cada imagem um papel distinto, como o produto, uma pessoa, um cenário, uma disposição ou um estilo visual. Numa edição de iluminação, coloque um candeeiro de uma referência na secretária de outra, conservando a perspetiva da secretária e fazendo a sombra do candeeiro seguir a luz da sala. Uma revisão separada pode atualizar um rótulo curto, preservando a forma e a posição do produto. Reveja as relações entre referências no resultado, em vez de aceitar um objeto plausível que difere do fornecido.

A família 2.6 acrescenta fundamentação Web opcional e seleção de proporção orientada pelo modelo. A fundamentação Web fornece contexto atual relevante ao interpretar um pedido que envolve um local real, um objeto ou informação em mudança. É uma entrada criativa, pelo que deve rever os pormenores visuais factuais face ao sujeito pretendido. A seleção automática de proporção permite que o modelo considere a instrução e as imagens ao escolher o formato da composição. Umas instruções de design podem especificar o destino e a disposição exigida: por exemplo, um visual principal amplo de produto com espaço de respiro de um lado ou uma imagem vertical construída em torno de um sujeito de pé.

O tamanho de saída é regido pela área total. A ficha exata do modelo e o guia de imagem apresentam um máximo de 2 359 296 píxeis, equivalente a um quadrado de 1536×1536. A interface documentada de imagem exige que tanto a largura como a altura tenham pelo menos 768 píxeis, e qualquer dimensão pode exceder 1536 se o total permanecer dentro do limite de área. Isto permite uma composição horizontal ou vertical mais longa, em vez de impor um máximo de 1536 píxeis a cada lado. Por exemplo, um destino de 1024×2048 tem 2 097 152 píxeis e cumpre essa regra documentada de área. Verifique as dimensões finais para a disposição que utilizará a imagem.

O guia do fabricante devolve resultados gerados e editados como dados de imagem PNG. Mantenha a imagem concluída junto das instruções e das referências de origem ao preparar uma revisão de design. A ficha do modelo indica um contexto de 32K tokens, enquanto o guia de disponibilização especifica um contexto máximo de instrução de 32 000 tokens; conserve esses âmbitos declarados ao preparar instruções longas, em vez de os tratar como dimensões de imagem. O recurso útil de produção é a imagem descodificada, que pode ser inspecionada e colocada numa página, diapositivo ou composição. Registe com ela o recorte pretendido e a posição do texto, para que as edições posteriores não alterem acidentalmente o objetivo do design.

Dentro desta família, MAI-Image-2.6 dá ênfase ao controlo preciso e aos ganhos mais recentes em pormenor visual. MAI-Image-2.6-Flash fornece as mesmas capacidades de geração, edição, fundamentação e seleção de proporção numa edição otimizada para produção ágil e repetida. A série 2.5 utiliza um limite documentado menor de área de saída e não herda os controlos de fundamentação ou proporção automática da versão 2.6. Selecione a edição de acordo com a imagem e o processo de revisão necessários, em vez de presumir que um nome de família partilhado torna todas as definições idênticas.

Reveja uma edição face à fonte completa: rostos conservados, identidade dos objetos, geometria, sombras, texto e disposição pretendida importam todos. Uma fotografia convincente pode ainda conter uma marca errada, um reflexo inconsistente ou uma característica alterada fora da edição pedida. Mantenha a correção seguinte concreta, como o rótulo, a posição do objeto ou um artefacto específico. Isto torna útil a edição iterativa, preservando o sujeito e a composição das instruções originais.