Microsoft AI: MAI-Image-2.5

MAI-Image-2.5, Microsoft का एक इमेज जनरेशन मॉडल है, जिसे Microsoft AI बैनर के तहत प्रकाशित किया गया है और api14 पर microsoft/mai-image-2.5 के रूप में पहचाना जाता है। यह इमेज श्रेणी में आता है, और Microsoft इसे Azure AI Foundry के माध्यम से उपलब्ध एक उच्च गुणवत्ता वाले इमेज जनरेशन मॉडल के रूप में वर्णित करता है। यदि आप पहले से Microsoft के इकोसिस्टम में काम कर रहे हैं या उसका मूल्यांकन कर रहे हैं, तो यह वही मॉडल है जो उस ऑफ़रिंग को आधार देता है।

यह मॉडल टेक्स्ट और इमेज इनपुट लेता है और इमेज लौटाता है। इसका मतलब है कि आप इसे केवल एक प्रॉम्प्ट से चला सकते हैं, या परिणाम को निर्देशित करने के लिए अपने प्रॉम्प्ट के साथ एक इनपुट संदर्भ इमेज दे सकते हैं। इसका कॉन्टेक्स्ट विंडो 4096 टोकन है, और अधिकतम आउटपुट 1024 है। जनरेशन को इमेज पैरामीटर के एक छोटे सेट के माध्यम से नियंत्रित किया जाता है: aspect_ratio, जो 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 या auto स्वीकार करता है; n, जो ठीक 1 पर तय है, इसलिए प्रत्येक अनुरोध एक ही इमेज लौटाता है; और input_references, जो 0 से 1 संदर्भ इमेज के बीच स्वीकार करता है। Microsoft आउटपुट को फोटोरियलिस्टिक और कलात्मक दोनों रूप में प्रस्तुत करता है, इसलिए इसका उद्देश्य एक संकीर्ण लुक के बजाय काफी व्यापक शैलीगत दायरा कवर करना है।

व्यावहारिक उपयोग सीधे उन क्षमताओं से निकलते हैं। टेक्स्ट टू इमेज जनरेशन सामान्य क्षेत्रों को कवर करता है: कॉन्सेप्ट आर्ट, मार्केटिंग विज़ुअल, इलस्ट्रेशन, और एसेट ड्राफ्ट जहाँ आपको एक विशिष्ट फ्रेमिंग चाहिए, और यहीं aspect ratio विकल्प मायने रखते हैं, क्योंकि आप पोस्ट-प्रोसेसिंग क्रॉप के बिना स्क्वायर, लैंडस्केप या पोर्ट्रेट आउटपुट मांग सकते हैं। चूँकि मॉडल एक इनपुट संदर्भ इमेज स्वीकार करता है, यह उन वर्कफ़्लो के लिए भी उपयुक्त है जहाँ आप किसी मौजूदा इमेज से निर्देशित एक नई इमेज चाहते हैं, जैसे किसी कंपोज़िशन पर एक विविधता बनाना या किसी संदर्भ से एक विज़ुअल शैली को नए दृश्य में ले जाना। प्रति अनुरोध एक ही इमेज की सीमा का मतलब है कि बैच कार्य एक साथ कई इमेज मांगने के बजाय कई कॉल जारी करने की बात है।

इसे api14 के माध्यम से कॉल करना गेटवे पर किसी भी अन्य मॉडल की तरह ही काम करता है, जिसमें मॉडल आईडी microsoft/mai-image-2.5 के साथ OpenAI-संगत API का उपयोग किया जाता है। समर्थित अनुरोध पैरामीटर max_completion_tokens, max_tokens और temperature हैं, साथ ही ऊपर वर्णित aspect ratio और इनपुट संदर्भों के लिए इमेज पैरामीटर भी हैं। यदि आपके पास मौजूदा OpenAI क्लाइंट कोड है, तो आप मॉडल आईडी और बेस URL बदलते हैं, और अनुरोध का स्वरूप परिचित रहता है।

प्रतिबद्ध होने से पहले कुछ सीमाएँ जानने योग्य हैं। 4096 टोकन की कॉन्टेक्स्ट विंडो मामूली है, इसलिए बहुत लंबे या अत्यधिक विस्तृत प्रॉम्प्ट के पास बड़े कॉन्टेक्स्ट वाले मॉडलों की तुलना में कम जगह होती है। आउटपुट 1024 पर सीमित है, n 1 से अधिक नहीं हो सकता, और केवल एक इनपुट संदर्भ स्वीकार किया जाता है, इसलिए कई संदर्भ इमेज या प्रति कॉल कई इमेज चाहने वाले कार्य यहाँ फिट नहीं होंगे। यदि आपका काम इमेज जनरेशन के बजाय टेक्स्ट है, या आपको बहुत बड़ा कॉन्टेक्स्ट चाहिए, तो api14 पर कोई अन्य मॉडल आपके लिए बेहतर होगा।