Recraft: Recraft V4 Pro

Recraft: Recraft V4 Pro to model generowania obrazów od Recraft, wymieniony na api14 pod identyfikatorem modelu recraft/recraft-v4-pro. Należy do kategorii obrazów i jest skierowany do deweloperów, którzy potrzebują generowanych obrazów, a nie uzupełnień tekstu. Recraft jest dostawcą tego modelu, a nazwa wersji wskazuje, że to poziom Pro z linii V4.

Model przyjmuje dane wejściowe w postaci tekstu i obrazu, a zwraca obrazy jako wynik. Jego okno kontekstowe wynosi 65 536 tokenów, a maksymalna długość wyjścia to 58 982 tokenów. Generowane obrazy mają rozdzielczość około 2K, a model obsługuje kilka proporcji: 1:1, 4:3, 3:4, 16:9, 9:16 oraz auto. Możesz zażądać od 1 do 6 obrazów w jednym wywołaniu i możesz dostarczyć do jednego obrazu referencyjnego wraz z tekstowym promptem. Dane wejściowe referencyjne są przydatne, gdy chcesz, aby wynik podążał za stylem, tematem lub kompozycją istniejącego obrazu, zamiast opierać się wyłącznie na tekście.

Te możliwości wskazują na kilka praktycznych zastosowań. Zespoły produktowe i marketingowe mogą generować kwadratowe lub szerokoekranowe materiały wizualne do kampanii, wybierając proporcję odpowiednio do miejsca docelowego. Projektanci mogą tworzyć wiele wariantów koncepcji w jednym żądaniu, ustawiając n powyżej 1, a następnie wybrać najlepszy wynik. Ponieważ wejście obrazowe jest obsługiwane, przepływy pracy rozpoczynające się od szkicu, zdjęcia lub zasobu marki mogą użyć go jako referencji i wygenerować nowy obraz w podobnym kierunku. Rozdzielczość wyjściowa 2K pasuje do układów internetowych i drukowanych, w których szkic o niskiej rozdzielczości nie byłby wystarczający.

Model wywołujesz przez API zgodne z OpenAI na api14, używając identyfikatora modelu recraft/recraft-v4-pro. Ponieważ interfejs jest zgodny z formatem OpenAI, istniejące klienty i zestawy SDK działają przy minimalnych zmianach. Model nie udostępnia żadnych ogólnych obsługiwanych parametrów, więc elementy sterujące znajdują się w parametrach obrazu: aspect_ratio, który przyjmuje jedną z wartości enum wymienionych powyżej, n, który mieści się w zakresie od 1 do 6, oraz input_references, który przyjmuje 0 lub 1 obraz referencyjny. Ustaw je razem z promptem w żądaniu.

Jedna rzecz do zapamiętania: to model wyłącznie obrazowy. Nie zwraca tekstu, więc zadania takie jak streszczanie, klasyfikacja czy czat należą do modelu tekstowego. Jeśli potrzebujesz więcej niż jednego obrazu referencyjnego lub proporcji spoza sześciu wymienionych wartości, ten model nie obsłuży takiego przypadku. Jednak w swoim zakresie obsługuje generowanie tekstu na obraz i generowanie kierowane referencją w 2K dla obsługiwanych proporcji.