Microsoft AI: MAI-Image-2.5 Pro

MAI-Image-2.5 Pro è un modello di generazione di immagini di Microsoft, elencato con l'id modello microsoft/mai-image-2.5-pro. Si colloca nella categoria image ed è descritto dal provider come un modello di generazione di immagini di alta qualità disponibile tramite Azure AI Foundry. Se stai già lavorando all'interno dell'ecosistema Microsoft, o stai confrontando modelli di immagini tra provider diversi, questa è la proposta Microsoft da prendere in considerazione.

Il modello accetta input di testo e immagini e restituisce immagini. Questo significa che puoi guidarlo con un prompt scritto, e puoi anche fornire una singola immagine di riferimento insieme a quel prompt. La finestra di contesto è di 4096 token, che copre il tuo prompt e qualsiasi materiale di riferimento tu passi. L'output è limitato a 1024, e la generazione è limitata a una immagine per richiesta, quindi ogni chiamata produce un singolo risultato anziché un batch. Il rapporto d'aspetto è selezionabile da un insieme fisso: 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3, oppure auto, il che ti permette di adattare la forma dell'output allo spazio che dovrà riempire invece di ritagliare a posteriori.

Queste capacità indicano un insieme piuttosto specifico di impieghi. Il lavoro di text to image copre il terreno abituale: concept art, visual per il marketing, illustrazioni e render fotorealistici a partire da una descrizione scritta. Il percorso di input immagine è ciò che rende il modello più interessante per il lavoro iterativo. Puoi passare una immagine di riferimento e un prompt per guidare una variazione, cambiare lo stile di una risorsa esistente, o esplorare direzioni da un punto di partenza invece che da una pagina bianca. Poiché viene accettata una sola immagine di riferimento, questo si adatta a flussi di lavoro con un singolo ancoraggio piuttosto che a compiti di composizione multi immagine o in stile collage. I rapporti d'aspetto fissi aiutano quando hai bisogno di un output che si inserisca direttamente in un layout, in un fotogramma di storyboard o in un formato social senza ridimensionamento.

Chiamarlo tramite api14 funziona allo stesso modo di qualsiasi altro modello sul gateway, usando l'API compatibile con OpenAI con l'id modello microsoft/mai-image-2.5-pro. I parametri di richiesta supportati sono max_completion_tokens, max_tokens e temperature. Le opzioni specifiche per le immagini vengono passate insieme a questi: aspect_ratio accetta uno dei valori enum elencati sopra, n è fisso a 1, e input_references accetta tra 0 e 1 immagini di riferimento. Se hai già codice client OpenAI esistente, passare a questo modello è in gran parte una questione di cambiare l'id modello e aggiungere i parametri per le immagini al corpo della tua richiesta.

I principali vincoli da valutare sono la singola immagine di output per richiesta e il limite di una singola immagine di riferimento. Se la tua pipeline necessita di diverse immagini da una sola chiamata, o deve combinare più riferimenti in una sola generazione, dovrai inviare più richieste o guardare a un modello diverso. Il contesto di 4096 token è inoltre modesto, quindi prompt molto lunghi o descrizioni di riferimento dettagliate potrebbero richiedere una riduzione. Per la generazione semplice guidata da prompt con una immagine di ancoraggio e un rapporto d'aspetto scelto, si adatta senza problemi.