Microsoft AI: MAI-Image-2.5

Microsoft AI MAI-Image-2.5 är utgåvan för allmän generering och kontrollerad redigering i bildfamiljen 2.5. Modellkortet beskriver en diffusionsmodell med flow matching, 20 miljarder parametrar utanför inbäddningslagren, text- och bildindata och en kontext på 32K token. Den producerar bildutdata för koncept, porträtt, produktbilder, illustrationer och revideringar av befintlig design. Ett användbart startval är om uppgiften behöver en ny komposition eller en specifik ändring av material som redan innehåller det avsedda motivet.

För generering beskriver du huvudmotiv, visuell stil, ljus, synvinkel och arrangemang. Tillverkaren framhäver detaljerade, sammanhängande bilder, textrendering, produktbilder och promptföljsamhet. En praktisk instruktion för en presentationsillustration kan ange motivets roll, avsedd visuell betoning och mängden omgivande utrymme. Ett produktkoncept kan omfatta material, skala och ytfinish. Håll beskrivningen sammanhängande så att föremål delar scen och belysningsplan i stället för att kombinera flera oförenliga visuella behandlingar.

Visuellt resonemang i denna utgåva gäller scenstruktur, belysning, skala och rumsliga relationer. Tillverkaren nämner tillägg av ett föremål med lämpligt perspektiv och skuggor som en redigeringsanvändning. I en verkstadsredigering kan du placera en liten pall bredvid en arbetsbänk och behålla befintlig synvinkel och ljus. Granskningen bör jämföra pallens storlek, dess kontakt med golvet och om skuggan följer de andra föremålen. Ett lokalt övertygande föremål måste fortfarande passa hela källbildens geometri.

Riktade redigeringar omfattar borttagning eller utbyte av föremål, egenskapsändringar, inpainting, layoutanpassning, textuppdateringar och städning som minskar rörelseoskärpeartefakter. Skicka in källbilden och ange både korrigeringen och detaljerna att bevara. En fokuserad fotoredigering kan ta bort ett störande föremål i bakgrunden och behålla personen, beskärningen och förgrundsarrangemanget. En designrevidering kan uppdatera en kort textrad och behålla kompositionen. Jämför hela resultatet med källan i stället för att bara bedöma det redigerade området.

Microsoft betonar också konsekvent ansiktsidentitet mellan redigeringar, inklusive ändringar av pose, uttryck eller synvinkel. Använd en tydlig referens för likheten och ange ändringen på ett sätt som bevarar identifierande drag. Tillverkarens nuvarande redigeringsguide tar emot upp till fem JPEG- eller PNG-bilder, så att olika referenser kan identifiera person, föremål, scen eller stil. Namnge rollerna i prompten. I en porträttrevidering granskar du ansiktet lika väl som ändrade kläder eller bakgrund innan bilden betraktas som färdig.

Det specifika modellkortet begränsar utdata till totalt 1 048 576 pixlar, motsvarande en kvadrat på 1024×1024, och tillåter en sida att överstiga 1024 om totalen håller sig inom arean. Tjänstguiden kräver dessutom att båda dimensionerna är minst 768 pixlar. Ett rektangulärt mål som 1344×768 har 1 032 192 pixlar och uppfyller de dokumenterade reglerna för area och minimidimension. Den användbara gränsen är produkten av bredd och höjd, så förbered destinationsformen innan du begär en liggande eller stående komposition.

Generering och redigering returnerar PNG-bilddata i tillverkarens tjänstgränssnitt. Det ursprungliga modellkortet anger en kontext på 32K token, medan gränssnittet anger högst 32 000 token i promptkontext. Katalogens separata uppgift om 4 096 utdatatoken är ett tokenutrymme snarare än en utdatadimension. Behåll dessa angivna tillämpningsområden när en detaljerad prompt och den färdiga bilden organiseras. Källmaterial, bevarade egenskaper, begärda redigeringar och målstorlek bildar ett användbart revideringsunderlag tillsammans med PNG-bilden.

Modellens kreativa räckvidd omfattar fotorealistiska och filmiska bilder, porträtt, produkt- eller varumärkeskoncept, designer med text och andra visuella stilar. För en etikett eller skylt anger du exakt ordalydelse och granskar stavningen i slutlig visningsstorlek. En igenkännbar fotografisk yta kan fortfarande innehålla uppdiktade detaljer, en inkonsekvent reflektion eller felaktiga bokstäver. En praktisk kontroll följer designkraven: objektidentitet, läsbarhet, rumsliga relationer och bevarad scen spelar alla roll. Håll en specifik korrigering separat från ändringar som redan fungerat.

Inom familjen 2.5 betonar Pro högre återgivningstrohet och stabila relationer i täta scener, medan Flash tjänar mer responsiv produktion. Familjen 2.6 introducerar ett större dokumenterat pixelareautrymme, valfri webbförankring och modellstyrt bildförhållande. Vanliga 2.5 behåller sitt eget genererings- och redigeringsflöde utan dessa senare kontroller. Välj utgåva utifrån den svåra delen av den faktiska bilduppgiften och granska det färdiga resultatet mot instruktionen.