ByteDance Seed: Seedream 4.5

ByteDance Seed: Seedream 4.5 to model generowania obrazów od ByteDance Seed, wewnętrznego ramienia badawczego ByteDance ds. AI. Jest najnowszym w linii Seedream i następuje po Seedream 4.0, a dostawca opisuje kompleksowe ulepszenia w stosunku do tej wersji, szczególnie w spójności edycji i zachowaniu szczegółów obiektu. Należy do kategorii obrazów, więc jego celem jest tworzenie obrazów, a nie ogólna rozmowa tekstowa.

Model przyjmuje dane wejściowe w postaci obrazu i tekstu, a zwraca obrazy jako jedyne dane wyjściowe. Jego okno kontekstowe wynosi 4096 tokenów, a maksymalne dane wyjściowe to 3686 tokenów. Generowanie obrazów jest kontrolowane przez dedykowane parametry: resolution to enum o wartościach 1K, 2K lub 4K; aspect ratio to enum obejmujący 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 i auto; n to zakres od 1 do 10; input_references to zakres od 0 do 14; a seed to wartość logiczna. Obsługiwane parametry żądania to frequency_penalty, max_tokens, temperature i top_p.

Te możliwości wskazują na kilka praktycznych zastosowań. Generowanie obrazu z tekstu obejmuje grafikę koncepcyjną, materiały marketingowe, makiety produktów i zasoby do mediów społecznościowych w wybranej rozdzielczości i proporcji. Ponieważ model przyjmuje również dane wejściowe w postaci obrazu i obsługuje do 14 referencji wejściowych, pasuje do pracy kierowanej referencjami, takiej jak edycja obrazów i generowanie oparte na obiekcie, gdzie dostarczasz jeden lub więcej obrazów oraz instrukcję tekstową i chcesz, aby dane wyjściowe pozostały spójne z referencjami. Wartość logiczna seed pomaga, gdy potrzebujesz powtarzalnych wyników między uruchomieniami, a n do 10 pozwala zażądać kilku kandydatów w jednym wywołaniu i wybrać najlepszego.

Wywołujesz go przez API zgodne z OpenAI w api14, używając identyfikatora modelu "bytedance-seed/seedream-4.5". Skieruj istniejącego klienta OpenAI na bazowy adres URL api14 i przekaż ten identyfikator w polu model żądania generowania obrazu. Parametry żądania wymienione dla tego modelu to frequency_penalty, max_tokens, temperature i top_p, obok kontrolek specyficznych dla obrazu: resolution, aspect ratio, n, input_references i seed. Jeśli Twoja aplikacja jest już zgodna z kształtem endpointu obrazów OpenAI, przejście na ten model to głównie kwestia zmiany identyfikatora modelu i dodania potrzebnych parametrów obrazu.

Okno kontekstowe 4096 tokenów jest umiarkowane, więc podpowiedzi i materiały referencyjne należy utrzymywać zwięźle, a model nie jest przeznaczony do długich dokumentów ani wieloetapowych zadań tekstowych. Jeśli Twoje obciążenie dotyczy generowania tekstu, rozumowania lub czatu, a nie tworzenia obrazów, lepszym wyborem będzie model tekstowy. Do generowania obrazów i edycji kierowanej referencjami w ramach tego budżetu kontekstowego Seedream 4.5 jest właściwym wyborem.