Recraft: Recraft V3

Recraft V3は、ビジュアル生成ツールを専門とするプロバイダー、Recraftの画像生成モデルです。api14上の画像カテゴリに位置づけられており、会話を行ったりテキストを書いたりするのではなく、画像を生成するために作られていることを意味します。生成画像を必要とする製品を構築しているなら、これはプラットフォーム上の他の画像モデルと並べて評価する種類のモデルです。

このモデルはテキストと画像の入力を受け付け、画像の出力を返します。この組み合わせは重要です。プロンプトで望む内容を記述でき、さらに結果を方向づけるために単一の入力参照画像を指定することもできます。出力はおよそ1K解像度で生成されます。コンテキストウィンドウは65536トークンで、最大出力は58982トークンです。アスペクト比は1:1、4:3、3:4、16:9、9:16、autoの間で設定可能なので、後から切り抜くのではなく、画像の形状をインターフェース内で占める枠に合わせられます。1回の呼び出しで1枚から6枚の画像を要求でき、最大1つの入力参照を添付できます。

これらの機能は、かなり具体的な用途群を示しています。マーケティングチームや製品チームは、各チャネルが必要とするアスペクト比でヒーロー画像、ソーシャルアセット、サムネイルを生成し、複数のバリエーションを一度に要求して最良のものを選べます。参照画像を指定できるため、このモデルは既存のビジュアルに近い形で新しい構図を作りたいワークフロー、たとえば製品写真のスタイルを変更したり、承認済みコンセプトの代替案を制作したりする用途にも適しています。autoアスペクト比オプションは、プロンプトだけからモデルに適切なフレーミングを選ばせたい場合に便利です。

api14を通じた呼び出しは、ゲートウェイ上の他のモデルと同じように動作し、モデルID「recraft/recraft-v3」を指定してOpenAI互換APIを使用します。モデル自体は一般的なサポート対象パラメータを公開していないため、生成の挙動は代わりに画像設定を通じて制御します。この設定は、6つのenum値のいずれかを取るaspect_ratio、1から6の範囲を取るn、0から1の範囲を取るinput_referencesをカバーします。すでにOpenAIクライアントを接続済みであれば、api14を指定してモデルIDを設定することが主な変更点です。

考慮すべき点の1つは、これが純粋に画像モデルであることです。テキストを返さないため、推論、要約、分類、あるいは出力が言語である必要があるタスクには役立ちません。パイプラインが文章による応答と画像の両方を必要とするなら、テキストモデルを併用することになるでしょう。単一の参照画像のみという許容範囲にも注意する価値があります。ワークフローが複数の参照画像のブレンドに依存している場合、このモデルはそれを行いません。