Tencent: Hy Image 3.5 Preview

HY Image 3.5 Preview är Tencents enhetliga modell för bildgenerering och bildredigering. Den tar emot en skriftlig brief med valfria referensbilder och stöder att samma visuella uppgift fortsätter över flera omgångar. Resultatet är en bild för en definierad scen, komposition eller redigering. Tencents exempel omfattar produktbilder, kampanjaffischer, visualiseringar av gränssnittsdesign och materialkoncept. Välj om uppgiften behöver en ny bild, en komposition som vägleds av referenser eller en avgränsad ändring av ett befintligt resultat.

Producenten identifierar utgåvan som hy-image-v3.5-preview och dokumenterar en promptgräns på 100K token. Indata är en kronologisk konversation med text och bilder, där det sista användarmeddelandet ger den aktuella instruktionen. Tidigare meddelanden ger sammanhang för iterativ redigering. Detta skiljer sig från HY Image 3.0:s arbetsflöde med en enda prompt och dess separata indatagränser. För en fortlöpande designuppgift behåller du den relevanta briefen, referensernas roller och den valda bilden så att nästa instruktion kan bygga vidare på det avsedda visuella tillståndet.

Förbered referensbilder i PNG eller JPEG/JPG. Referensindata kan innehålla upp till 20 bilder, vardera högst 20 MB i det dokumenterade arbetsflödet. En bild kan tillhandahållas som en refererad eller kodad tillgång. Om konversationen innehåller för många bilder beskriver producentens guide att äldre bilder tas bort först. Håll den aktiva referensuppsättningen fokuserad i stället för att förlita dig på att varje historisk bild finns kvar i sammanhanget. Kontrollen för storleksändring av indata bevarar mindre bilder och skalar större proportionellt mot en målarea i pixlar; standardmålet är 1 048 576 pixlar. Bevara tillräckligt med synliga detaljer för den produkt, det material eller den layout som ska vägleda resultatet.

Utmatningsstorleken har två skilda sätt att förberedas. Vid automatisk storleksanpassning anger generate_max_pixels en målarea: 1 048 576 pixlar för nivån 1K, 2 359 296 för standardnivån 1.5K eller 4 194 304 för 2K. Producentens FAQ anger att en inställning med enbart målarea som standard ger ett kvadratiskt bildförhållande. När båda storlekskontrollerna utelämnas använder modellen briefen och standardnivån 1.5K. Dessa nivåer skapar ingen automatisk 4K-inställning. Använd en areanivå när en kvadratisk bild passar uppgiften. För att låta briefen styra proportionerna vid standardnivån 1.5K utelämnar du båda storlekskontrollerna; begär uttryckliga mått när layouten kräver en specifik stående eller bred storlek.

För uttryckliga mått tillåter producenten positiva heltal för sidorna från 256 till 8192 pixlar, med en total area på högst 16 777 216 pixlar. En kvadrat på 4096 × 4096 uppfyller den gränsen. Sidintervallet och areataket gäller tillsammans, så en kant på 8192 pixlar tillåter inte en bild på 8192 × 8192. Begär uttryckligen den bredd och höjd som behövs när slutlayouten kräver en specifik storlek, i stället för att anta att en målareanivå ger samma mått. Gör beskärningskänsliga detaljer och det nödvändiga tomrummet tydliga i prompten.

Modellen stöder redigering i flera omgångar genom den returnerade konversationshistoriken. Tencent skiljer den slutligt levererade bilden från den mellanliggande bild som används som sammanhang för nästa redigering, och exemplen behåller assistentens resonemang, verktygsbegäran och resultatet med den genererade bilden när arbetet fortsätter. För en produktkomposition etablerar du först motivet och inramningen; be sedan om ändrad ljussättning eller en ny bakgrund och ange vad som ska behålla sitt utseende. Håll ihop det valda resultatet och dess historik så att nästa omgång arbetar med den bilden i stället för en bortvald variant. I Tencents dokumenterade arbetsflöde upphör både länken till slutbilden och länken till historikbilden att gälla efter 12 timmar, så spara bildmaterialet innan du förlitar dig på det för en senare redigering.

De dokumenterade kontrollerna omfattar ett seed, en egen vattenmärkesfotnot på upp till 16 tecken och valfri utökning med extern sökning, som är avstängd som standard. Seed-värdet är ett icke-negativt heltal; noll eller ett utelämnat värde låter producenten välja slumpmässigt. Dessa kontroller har andra syften än själva briefen. För en referensbaserad produktbild beskriver du produktens utseende, kameravinkel, yta, ljussättning och avsedda layout och använder sedan referensen för att vägleda de identifierande detaljerna. För en affisch anger du hierarkin och den exakta texten i stället för att låta dess budskap hittas på.

Tencents praktiska vägledning rekommenderar kontroll av text och layout, särskilt när produktspecifikationer, organisationsnamn eller annan faktatext är viktiga. Granska den färdiga bilden avseende motiv, proportioner, material, beskärning och text. Spara slutmaterialet tillsammans med brief och inställningar, och använd en konkret instruktion kopplad till ett synligt problem vid nästa redigering.