Tencent: Hy Image 3.5 Preview

HY Image 3.5 Preview — единая модель Tencent для генерации и редактирования изображений. Она принимает письменное задание с необязательными изображениями-референсами и позволяет продолжать одну визуальную задачу в течение нескольких шагов диалога. Результатом становится изображение заданной сцены, композиции или внесённой правки. В примерах Tencent представлены изображения продуктов, рекламные постеры, визуальные концепции интерфейсов и материалов. Определите, нужен ли вам новый рисунок, композиция на основе референсов или конкретное изменение уже полученного результата.

Поставщик обозначает версию как hy-image-v3.5-preview и документирует ограничение запроса в 100K токенов. На вход передаётся хронологический диалог с текстом и изображениями, причём последнее сообщение пользователя содержит текущую инструкцию. Предыдущие сообщения дают контекст для последовательного редактирования. Это отличается от процесса HY Image 3.0 с одним запросом и его собственными ограничениями ввода. Для непрерывной работы над дизайном сохраняйте актуальное задание, роли референсов и выбранное изображение, чтобы следующая инструкция опиралась на нужное визуальное состояние.

Подготовьте изображения-референсы в формате PNG или JPEG/JPG. В документированном процессе допускается до 20 входных изображений, каждое размером не более 20 MB. Изображение можно передать как ресурс по ссылке или в закодированном виде. Если в диалоге слишком много изображений, руководство поставщика описывает удаление в первую очередь более старых. Сохраняйте набор активных референсов целенаправленным, не рассчитывая, что все исторические изображения останутся в контексте. Настройка изменения размера входных изображений сохраняет небольшие изображения и пропорционально уменьшает большие до целевого количества пикселей; по умолчанию эта цель составляет 1,048,576 пикселей. Сохраняйте достаточно видимых деталей продукта, материала или макета, которые должны направлять результат.

Подготовить размер результата можно двумя разными способами. При автоматическом выборе generate_max_pixels задаёт целевую площадь: 1,048,576 пикселей для уровня 1K, 2,359,296 для стандартного уровня 1.5K или 4,194,304 для 2K. В FAQ поставщика указано, что при передаче только целевой площади по умолчанию используется квадратное соотношение сторон. Если оба параметра размера пропущены, модель ориентируется на задание и стандартный уровень 1.5K. Эти уровни не создают автоматическую настройку 4K. Используйте уровень площади, когда задаче подходит квадратное изображение. Чтобы пропорции определялись заданием при стандартном уровне 1.5K, пропустите оба параметра размера; если макету нужен конкретный вертикальный или широкий формат, задайте размеры явно.

При явном задании размеров поставщик допускает положительные целые значения сторон от 256 до 8192 пикселей при общей площади не более 16,777,216 пикселей. Квадрат 4096 × 4096 соответствует этому ограничению. Диапазон сторон и предельная площадь действуют одновременно, поэтому сторона в 8192 пикселя не означает, что можно получить изображение 8192 × 8192. Явно задавайте требуемую ширину и высоту, если конечному макету нужен конкретный размер, а не предполагайте, что уровень целевой площади определяет те же габариты. Отразите в запросе детали, чувствительные к обрезке, и необходимое свободное пространство.

Модель поддерживает редактирование в несколько шагов через возвращаемую историю диалога. Tencent различает итоговое выдаваемое изображение и промежуточное изображение, служащее контекстом для следующей правки; при продолжении в примерах сохраняются рассуждения ассистента, запрос к инструменту и результат генерации изображения. Для композиции с продуктом сначала определите объект и кадрирование, а затем запросите изменение освещения или новый фон, указав, что должно сохранить свой вид. Храните выбранный результат вместе с его историей, чтобы следующий шаг работал с этим изображением, а не с отброшенным вариантом. В документированном процессе Tencent ссылки как на итоговое изображение, так и на изображение в истории истекают через 12 часов, поэтому сохраняйте сами файлы, прежде чем рассчитывать на них при последующей правке.

Среди документированных настроек есть seed, собственная подпись водяного знака длиной до 16 символов и необязательное дополнение внешним поиском, по умолчанию отключённое. Seed — неотрицательное целое число; нулевое значение или отсутствие параметра позволяет поставщику выбрать его случайно. Эти настройки выполняют задачи, отличные от самого визуального задания. Для изображения продукта по референсу опишите внешний вид продукта, ракурс камеры, поверхность, освещение и предполагаемый макет, а затем используйте референс для передачи узнаваемых деталей. Для постера задайте иерархию и точную формулировку вместо того, чтобы оставлять сообщение на усмотрение модели.

Практические рекомендации Tencent советуют проверять текст и компоновку, особенно когда важны характеристики продукта, названия организаций или другие фактические формулировки. Проверьте готовое изображение: объект, пропорции, материал, обрезку и надписи. Сохраните итоговый файл вместе с заданием и настройками, а для следующей правки используйте конкретную инструкцию, связанную с видимой проблемой.