Microsoft AI: MAI-Image-2.5 Pro

MAI-Image-2.5 Pro to model generowania obrazów od Microsoftu, wymieniony pod identyfikatorem modelu microsoft/mai-image-2.5-pro. Należy do kategorii obrazów i jest opisywany przez dostawcę jako wysokiej jakości model generowania obrazów dostępny przez Azure AI Foundry. Jeśli pracujesz już w ekosystemie Microsoftu albo porównujesz modele obrazów między dostawcami, to jest propozycja Microsoftu warta rozważenia.

Model przyjmuje dane wejściowe w postaci tekstu i obrazu, a zwraca obrazy. Oznacza to, że możesz sterować nim za pomocą promptu tekstowego, a także dołączyć pojedynczy obraz referencyjny obok tego promptu. Okno kontekstu wynosi 4096 tokenów, co obejmuje prompt i wszelkie przekazane materiały referencyjne. Dane wyjściowe są ograniczone do 1024, a generowanie jest ograniczone do jednego obrazu na żądanie, więc każde wywołanie daje pojedynczy wynik, a nie partię. Proporcje obrazu można wybrać ze stałego zestawu: 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 lub auto, co pozwala dopasować kształt wyniku do miejsca, które ma wypełnić, zamiast przycinać go po fakcie.

Te możliwości wskazują na dość konkretny zestaw zadań. Praca typu tekst na obraz obejmuje typowy zakres: grafikę koncepcyjną, materiały marketingowe, ilustracje i fotorealistyczne rendery z opisu tekstowego. Ścieżka wejścia obrazowego czyni model ciekawszym w pracy iteracyjnej. Możesz przekazać obraz referencyjny i prompt, aby ukierunkować wariację, zmienić styl istniejącego zasobu lub eksplorować kierunki od punktu wyjścia zamiast od pustej strony. Ponieważ akceptowany jest tylko jeden obraz referencyjny, pasuje to do przepływów z pojedynczym punktem odniesienia, a nie do kompozycji wielu obrazów czy zadań w stylu kolażu. Stałe proporcje obrazu pomagają, gdy potrzebujesz wyniku, który trafi bezpośrednio do układu, kadru storyboardu lub formatu społecznościowego bez zmiany rozmiaru.

Wywoływanie go przez api14 działa tak samo jak w przypadku każdego innego modelu na bramie, przy użyciu API zgodnego z OpenAI i identyfikatorem modelu microsoft/mai-image-2.5-pro. Obsługiwane parametry żądania to max_completion_tokens, max_tokens i temperature. Opcje specyficzne dla obrazów przekazuje się obok nich: aspect_ratio przyjmuje jedną z wartości wyliczeniowych wymienionych powyżej, n jest stałe i wynosi 1, a input_references akceptuje od 0 do 1 obrazów referencyjnych. Jeśli masz istniejący kod klienta OpenAI, przejście na ten model to w dużej mierze kwestia zmiany identyfikatora modelu i dodania parametrów obrazu do treści żądania.

Główne ograniczenia do rozważenia to pojedynczy obraz wyjściowy na żądanie oraz limit jednego obrazu referencyjnego. Jeśli Twój potok potrzebuje kilku obrazów z jednego wywołania albo musi połączyć wiele odniesień w jedną generację, będziesz musiał wysłać wiele żądań lub poszukać innego modelu. Kontekst 4096 tokenów jest również umiarkowany, więc bardzo długie prompty lub szczegółowe opisy referencyjne mogą wymagać skrócenia. W przypadku prostego generowania sterowanego promptem z jednym obrazem zakotwiczenia i wybranymi proporcjami obrazu pasuje bez zarzutu.