Microsoft AI: MAI-Image-2.5

MAI-Image-2.5 to model generowania obrazów od Microsoft, publikowany pod szyldem Microsoft AI i identyfikowany na api14 jako microsoft/mai-image-2.5. Należy do kategorii obrazów, a Microsoft opisuje go jako wysokiej jakości model generowania obrazów dostępny przez Azure AI Foundry. Jeśli już pracujesz w ekosystemie Microsoft lub go oceniasz, to jest model, który stoi za tą ofertą.

Model przyjmuje dane wejściowe w postaci tekstu i obrazów, a zwraca obrazy. Oznacza to, że możesz sterować nim samym promptem albo dostarczyć jeden referencyjny obraz wejściowy wraz z promptem, aby ukierunkować wynik. Jego okno kontekstowe wynosi 4096 tokenów, a maksymalne wyjście to 1024. Generowanie jest kontrolowane przez niewielki zestaw parametrów obrazu: aspect_ratio, który akceptuje 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 lub auto; n, który jest ustalony na dokładnie 1, więc każde żądanie zwraca pojedynczy obraz; oraz input_references, który akceptuje od 0 do 1 obrazów referencyjnych. Microsoft pozycjonuje wynik jako jednocześnie fotorealistyczny i artystyczny, więc ma on obejmować dość szeroki zakres stylistyczny, a nie jeden wąski wygląd.

Praktyczne zastosowania wynikają bezpośrednio z tych możliwości. Generowanie obrazów z tekstu obejmuje zwykły zakres: grafikę koncepcyjną, materiały marketingowe, ilustracje i wersje robocze zasobów, gdy potrzebujesz konkretnego kadru, i tu znaczenie mają opcje proporcji, ponieważ możesz zażądać wyniku kwadratowego, poziomego lub pionowego bez przycinania po obróbce. Ponieważ model akceptuje jeden referencyjny obraz wejściowy, nadaje się także do przepływów pracy, w których chcesz uzyskać nowy obraz na podstawie istniejącego, na przykład tworząc wariację kompozycji lub przenosząc styl wizualny z referencji do nowej sceny. Ograniczenie jednego obrazu na żądanie oznacza, że praca wsadowa polega na wysyłaniu wielu wywołań, a nie na proszeniu o kilka obrazów naraz.

Wywoływanie go przez api14 działa tak samo jak w przypadku każdego innego modelu w bramie, przy użyciu API zgodnego z OpenAI z identyfikatorem modelu microsoft/mai-image-2.5. Obsługiwane parametry żądania to max_completion_tokens, max_tokens i temperature, obok opisanych powyżej parametrów obrazu dotyczących proporcji i referencji wejściowych. Jeśli masz istniejący kod klienta OpenAI, zmieniasz identyfikator modelu i bazowy URL, a kształt żądania pozostaje znajomy.

Przed podjęciem decyzji warto znać kilka ograniczeń. Okno kontekstowe wynoszące 4096 tokenów jest skromne, więc bardzo długie lub mocno szczegółowe prompty mają mniej miejsca niż w modelach o większym kontekście. Wyjście jest ograniczone do 1024, n nie może przekroczyć 1, a akceptowany jest tylko jeden obraz referencyjny, więc zadania wymagające wielu obrazów referencyjnych lub kilku obrazów na wywołanie nie zmieszczą się tutaj. Jeśli twoja praca dotyczy tekstu, a nie generowania obrazów, albo potrzebujesz znacznie większego kontekstu, lepiej posłuży ci inny model na api14.