Recraft: Recraft V3

Recraft V3 to model generowania obrazów od Recraft, dostawcy specjalizującego się w narzędziach do generowania wizualnego. Znajduje się w kategorii obrazów na api14, co oznacza, że został stworzony do tworzenia obrazów, a nie do prowadzenia rozmów czy pisania tekstu. Jeśli budujesz produkt, który potrzebuje generowanych obrazów, to właśnie ten rodzaj modelu oceniałbyś obok innych modeli obrazów na platformie.

Model przyjmuje dane wejściowe w postaci tekstu i obrazu, a zwraca dane wyjściowe w postaci obrazu. To połączenie ma znaczenie: możesz opisać, czego chcesz, w prompcie, a także możesz dostarczyć jeden referencyjny obraz wejściowy, aby ukierunkować wynik. Dane wyjściowe są generowane w rozdzielczości około 1K. Okno kontekstu wynosi 65536 tokenów, a maksymalna długość danych wyjściowych to 58982 tokenów. Proporcje obrazu można konfigurować w zakresie 1:1, 4:3, 3:4, 16:9, 9:16 oraz auto, dzięki czemu możesz dopasować kształt obrazu do miejsca, które zajmie w Twoim interfejsie, zamiast przycinać go później. Możesz zażądać od 1 do 6 obrazów w jednym wywołaniu, a także dołączyć maksymalnie jeden obraz referencyjny.

Te możliwości wskazują na dość konkretny zestaw zastosowań. Zespoły marketingu i produktu mogą generować obrazy główne, materiały do mediów społecznościowych i miniatury w dowolnych proporcjach wymaganych przez każdy kanał, żądając kilku wariantów jednocześnie i wybierając najlepszy. Ponieważ można dostarczyć obraz referencyjny, model nadaje się również do przepływów pracy, w których chcesz uzyskać nową kompozycję bliską istniejącemu wizualowi, na przykład zmieniając styl zdjęcia produktu lub tworząc warianty zatwierdzonej koncepcji. Opcja automatycznych proporcji jest przydatna, gdy wolisz pozwolić modelowi wybrać sensowne kadrowanie na podstawie samego promptu.

Wywoływanie go przez api14 działa tak samo jak w przypadku każdego innego modelu w bramie, przy użyciu interfejsu API zgodnego z OpenAI oraz identyfikatora modelu "recraft/recraft-v3". Sam model nie udostępnia żadnych ogólnych obsługiwanych parametrów, więc zachowanie generowania jest kontrolowane przez konfigurację obrazu. Ta konfiguracja obejmuje aspect_ratio, który przyjmuje jedną z sześciu wartości enum; n, który mieści się w zakresie od 1 do 6; oraz input_references, który mieści się w zakresie od 0 do 1. Jeśli masz już skonfigurowanego klienta OpenAI, wskazanie api14 i ustawienie identyfikatora modelu to główna wymagana zmiana.

Jedna rzecz do rozważenia: to wyłącznie model obrazu. Nie zwraca tekstu, więc nie pomoże w rozumowaniu, streszczaniu, klasyfikacji ani w żadnym zadaniu, w którym dane wyjściowe muszą być językiem. Jeśli Twój potok wymaga zarówno odpowiedzi pisemnej, jak i obrazu, będziesz potrzebować obok niego modelu tekstowego. Warto również zauważyć limit jednego obrazu referencyjnego: jeśli Twój przepływ pracy opiera się na łączeniu kilku obrazów referencyjnych, ten model tego nie zrobi.