Sourceful: Riverflow V2.5 Pro

Sourceful: Riverflow V2.5 Pro, Sourceful की एक इमेज जनरेशन मॉडल है, और यह कंपनी की Riverflow 2.5 लाइनअप में सबसे ऊपर है। Sourceful इसे उस सीरीज़ का सबसे शक्तिशाली वेरिएंट बताता है, जो उन कामों के लिए बनाया गया है जहाँ नियंत्रण और आउटपुट क्वालिटी सबसे ज़्यादा मायने रखती है। Riverflow 2.5 फैमिली को एक एकीकृत सिस्टम के रूप में बनाया गया है जो text-to-image और image-to-image दोनों जनरेशन को कवर करता है, और यह Pro मॉडल तब चुनने वाला वर्शन है जब मानक टियर आपको पर्याप्त नियंत्रण नहीं देते।

मॉडल टेक्स्ट और इमेज इनपुट स्वीकार करता है और इमेज लौटाता है। इसका कॉन्टेक्स्ट विंडो 32,768 टोकन है, अधिकतम आउटपुट 29,491 के साथ। जनरेशन को इमेज पैरामीटर के एक सेट के ज़रिए कॉन्फ़िगर किया जाता है: रेज़ोल्यूशन 1K, 2K या 4K हो सकता है; आस्पेक्ट रेशियो 1:1, 4:3, 3:4, 3:2, 2:3, 16:9, 9:16, 21:9 या auto हो सकता है; आउटपुट फ़ॉर्मैट png, jpeg या webp हो सकता है; और बैकग्राउंड auto, transparent या opaque हो सकता है। आप अधिकतम 10 इनपुट रेफ़रेंस पास कर सकते हैं, यही चीज़ image-to-image और रेफ़रेंस-गाइडेड काम को संभव बनाती है, और n 1 पर तय है, इसलिए हर रिक्वेस्ट एक ही इमेज बनाती है।

ये क्षमताएँ इस्तेमाल के काफ़ी विशिष्ट सेट की ओर इशारा करती हैं। चूँकि यह टेक्स्ट के साथ इमेज रेफ़रेंस भी लेता है, यह image-to-image एडिटिंग, स्टाइल ट्रांसफ़र और किसी मौजूदा एसेट पर वेरिएशन के लिए उपयुक्त है, न कि केवल प्रॉम्प्ट से शुद्ध जनरेशन के लिए। रेज़ोल्यूशन और आस्पेक्ट रेशियो के विकल्प इसे अलग-अलग आकारों के प्रोडक्शन एसेट के लिए उपयोगी बनाते हैं, स्क्वायर सोशल फ़ॉर्मैट से लेकर चौड़ी 21:9 कंपोज़िशन और वर्टिकल 9:16 वाली तक। ट्रांसपेरेंट बैकग्राउंड आउटपुट तब काम आता है जब नतीजे को किसी दूसरे डिज़ाइन में कंपोज़िट करना हो। कई रेफ़रेंस पास करने से आप एक से ज़्यादा सोर्स इमेज के साथ नतीजे को दिशा दे सकते हैं, जो तब मदद करता है जब आपको आउटपुट के एक सेट में एकरूपता चाहिए।

आप इसे api14 के OpenAI-संगत API के ज़रिए मॉडल id "sourceful/riverflow-v2.5-pro" का उपयोग करके कॉल करते हैं। समर्थित पैरामीटर include_reasoning, reasoning और reasoning_effort हैं, साथ ही ऊपर बताए गए इमेज पैरामीटर भी। चूँकि इंटरफ़ेस OpenAI फ़ॉर्मैट का पालन करता है, आप अपने मौजूदा OpenAI क्लाइंट को api14 की ओर इंगित कर सकते हैं और अपना इंटीग्रेशन दोबारा लिखने के बजाय मॉडल id बदल सकते हैं। reasoning पैरामीटर आपको यह नियंत्रित करने देते हैं कि इमेज बनाने से पहले मॉडल कितना आंतरिक रीज़निंग लगाता है, जिसे ट्यून करना तब फ़ायदेमंद है जब आप पाएँ कि अलग-अलग प्रॉम्प्ट पर क्वालिटी बदलती रहती है।

एक व्यावहारिक सीमा ध्यान में रखें कि n अधिकतम 1 है, इसलिए एक रिक्वेस्ट एक इमेज लौटाती है और बैच काम का मतलब कई कॉल हैं। इनपुट रेफ़रेंस अधिकतम 10 तक सीमित हैं। अगर आपका काम केवल टेक्स्ट का है और उसमें इमेज शामिल ही नहीं है, तो इमेज मॉडल गलत औज़ार है, और एक टेक्स्ट मॉडल बेहतर फ़िट होगा।