Microsoft AI: MAI-Image-2.6

Microsoft AI MAI-Image-2.6 är den precisionsinriktade utgåvan i bildfamiljen 2.6, utformad för text-till-bild-generering och kontrollerad redigering av befintligt visuellt material. Modellkortet beskriver en diffusionsmodell med flow matching, 20 miljarder parametrar utanför inbäddningslagren och en kontext på 32K token. Avsedd utdata är en bild: en produktkomposition, ett porträtt, en varumärkesillustration eller en bearbetad bild vars layout och huvudmotiv förblir sammanhängande medan ett angivet element ändras.

För generering beskriver du motiv, komposition, material, ljus, synvinkel och visuell stil. Ange exakt ordalydelse när en etikett, titel eller skylt ska finnas i bilden och beskriv var texten hör hemma. Tillverkaren framhäver förbättrad textrendering, porträtt, 3D-bilder och kommersiella eller fotorealistiska utdata i denna utgåva. En användbar instruktion identifierar de få relationer som får bilden att fungera: vilket föremål som framhävs, hur det står i scenen och var publiken ska titta först. Granska fina bokstäver och små detaljer i den färdiga bilden.

För redigering anger du källmaterialet och beskriver ändringen tillsammans med delarna som ska bevaras. Dokumenterade uppgifter omfattar borttagning eller utbyte av föremål, egenskapsändringar, inpainting, layoutanpassning, textuppdateringar och städning av artefakter som rörelseoskärpa. Modellkortet betonar resonemang om skala, perspektiv, ljus och rumslig placering så att en revidering passar den befintliga scenen. Identifiera föremålet eller området tydligt vid förberedelsen och förklara om målet är en lokal korrigering, ett annat arrangemang eller en bredare stiländring.

Tillverkarens bildredigeringsguide tar emot upp till fem JPEG- eller PNG-referenser. Ge varje bild en egen roll, till exempel produkten, en person, en miljö, en layout eller en visuell stil. För en ljusredigering kan du placera lampan från en referens på skrivbordet i en annan, behålla skrivbordets perspektiv och låta lampans skugga följa rummets ljus. En separat revidering kan uppdatera en kort etikett och bevara produktens form och position. Granska referensrelationerna i resultatet i stället för att acceptera ett rimligt föremål som skiljer sig från det inskickade.

Familjen 2.6 lägger till valfri webbförankring och modellstyrt val av bildförhållande. Webbförankring ger relevant aktuellt sammanhang vid tolkning av en förfrågan om en verklig plats, ett föremål eller föränderlig information. Den fungerar som kreativt underlag, så granska faktabaserade visuella detaljer mot det avsedda motivet. Automatiskt val av bildförhållande låter modellen väga in prompt och bilder när kompositionens form väljs. En designinstruktion kan ange destination och nödvändig layout: till exempel en bred produktbild för en huvudsektion med luft på ena sidan eller en stående bild kring ett stående motiv.

Utdatastorleken styrs av total area. Det specifika modellkortet och bildguiden anger högst 2 359 296 pixlar, motsvarande en kvadrat på 1536×1536. Det dokumenterade bildgränssnittet kräver att både bredd och höjd är minst 768 pixlar, och endera dimensionen kan överstiga 1536 om totalen ligger inom areagränsen. Detta möjliggör en längre liggande eller stående komposition i stället för att sätta en gräns på 1536 pixlar per sida. Ett mål på 1024×2048 har exempelvis 2 097 152 pixlar och ryms inom den dokumenterade arearegeln. Kontrollera slutdimensionerna för layouten som ska använda bilden.

Tillverkarens guide returnerar genererade och redigerade resultat som PNG-bilddata. Behåll den färdiga bilden tillsammans med instruktion och källreferenser när en designrevidering förbereds. Modellkortet anger en kontext på 32K token, medan tjänstguiden anger högst 32 000 token i promptkontext; behåll dessa angivna tillämpningsområden när en lång instruktion förbereds i stället för att behandla dem som bilddimensioner. Den användbara produktionsleveransen är den avkodade bilden, som kan granskas och placeras på en sida, en presentationsbild eller i en komposition. Registrera avsedd beskärning och textplacering med den så att senare redigeringar inte oavsiktligt ändrar designens syfte.

Inom familjen betonar MAI-Image-2.6 precis kontroll och de senaste förbättringarna av visuella detaljer. MAI-Image-2.6-Flash erbjuder samma funktioner för generering, redigering, informationsförankring och bildförhållande i en utgåva optimerad för responsiv, upprepad produktion. Serien 2.5 använder en mindre dokumenterad areagräns för utdata och ärver inte kontrollerna för informationsförankring eller automatiskt bildförhållande från 2.6. Välj utgåva efter bilden och revideringsprocessen som krävs i stället för att anta att ett gemensamt familjenamn gör alla inställningar identiska.

Granska en redigering mot hela källan: bevarade ansikten, objektidentitet, geometri, skuggor, bokstäver och avsedd layout spelar alla roll. Ett övertygande fotografi kan fortfarande innehålla fel märkning, en inkonsekvent reflektion eller en ändrad egenskap utanför den begärda redigeringen. Håll nästa korrigering konkret, till exempel etiketten, föremålets placering eller en viss artefakt. Det gör iterativ redigering användbar samtidigt som originalinstruktionens motiv och komposition bevaras.