ByteDance Seed: Seedream 5.0 Flash

Seedream 5.0 Flash è un modello di generazione e modifica di immagini di ByteDance Seed. Appartiene alla famiglia Seedream 5.0, dove si colloca come livello veloce ed economicamente efficiente, posizionato per la produzione ad alto volume e i carichi di lavoro interattivi piuttosto che per i casi in cui è richiesto il modello più grande della famiglia.

Il modello è un modello di immagini. Accetta input di testo e immagini, e il suo output è un'immagine. Questa combinazione di modalità di input è ciò che rende possibile sia la generazione da un prompt scritto sia la modifica di immagini esistenti all'interno dello stesso modello. Supporta fino a 14 riferimenti di input, quindi una richiesta può essere guidata da più immagini di origine anziché da una sola. Non c'è output di testo, il che significa che il modello restituisce immagini anziché descrizioni scritte o risposte. Non è pubblicata alcuna lunghezza di contesto per questo modello, quindi la pianificazione basata sui token attorno a una finestra di contesto non è applicabile in questo caso. I parametri di richiesta elencati per esso sono frequency_penalty, max_tokens, temperature e top_p.

Poiché il lato input copre sia testo che immagini e l'output è sempre un'immagine, gli usi pratici derivano dalla generazione e modifica di contenuti visivi su larga scala. Prompt di testo e immagini insieme si adattano a immagini di prodotto, asset di marketing e social, visual di concept e bozze, e varianti di un'immagine esistente in cui le immagini di origine portano l'aspetto che si vuole mantenere. Gli input di riferimento sono utili quando un brief deve rimanere visivamente ancorato al materiale fornito. Poiché il modello accetta prompt e immagini di riferimento e restituisce immagini, si adatta a pipeline che necessitano di molte immagini rapidamente, inclusi strumenti interattivi in cui un utente modifica un prompt e si aspetta un risultato nella stessa sessione.

Si chiama il modello tramite l'API compatibile con OpenAI di api14 usando l'id del modello "bytedance-seed/seedream-5-0-flash". Le richieste sono costruite allo stesso modo delle altre chiamate compatibili con OpenAI, con quell'id come valore del modello e input di testo e immagini forniti nel modo previsto dall'endpoint. I parametri di richiesta supportati sono frequency_penalty, max_tokens, temperature e top_p. Oltre a questi, le impostazioni delle immagini sono resolution, aspect_ratio, n, input_references e seed. Resolution è un enum di 1K o 2K. aspect_ratio è un enum che copre 1:1, 1:2, 2:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 9:19.5, 19.5:9, 9:20, 20:9, 9:21, 21:9 e auto. n accetta solo un singolo valore, con un minimo di 1 e un massimo di 1, quindi un'immagine per richiesta. input_references va da 0 a 14, e seed è un booleano.

Da sapere prima di impegnarsi: n è fisso a 1 e non può essere aumentato a un numero superiore, quindi si invia una richiesta separata per ogni immagine che si desidera. Il modello produce solo immagini, quindi qualsiasi attività che richieda output di testo, come la classificazione o il riepilogo, necessita di un modello diverso. Entrambe le opzioni di risoluzione arrivano al massimo a 2K, il che può essere un vincolo se si necessita di rendering più grandi dal modello stesso. Il ragionamento su contesti lunghi non è qualcosa che questo modello fa. Se il carico di lavoro è principalmente testuale, o si necessita che una singola chiamata restituisca più immagini, un altro modello su api14 è probabilmente più adatto.