ByteDance Seed: Seedream 5.0 Flash

O Seedream 5.0 Flash é um modelo de geração e edição de imagens da ByteDance Seed. Pertence à família Seedream 5.0, onde se posiciona como o nível rápido e económico, destinado a produção de elevado volume e cargas de trabalho interativas, em vez de casos em que é necessário o maior modelo da família.

O modelo é um modelo de imagem. Aceita entrada de texto e imagem, e a sua saída é uma imagem. Essa combinação de modalidades de entrada é o que torna possível tanto a geração a partir de um prompt escrito como a edição de imagens existentes dentro do mesmo modelo. Suporta até 14 referências de entrada, pelo que um pedido pode ser orientado por múltiplas imagens de origem em vez de uma única. Não há saída de texto, o que significa que o modelo devolve imagens em vez de descrições escritas ou respostas. Não é publicada qualquer comprimento de contexto para este modelo, pelo que o planeamento baseado em tokens em torno de uma janela de contexto não é aplicável aqui. Os parâmetros de pedido listados para ele são frequency_penalty, max_tokens, temperature e top_p.

Como o lado da entrada abrange tanto texto como imagens e a saída é sempre uma imagem, os usos práticos decorrem da geração e edição de visuais em volume. Prompts de texto e imagem em conjunto adequam-se a imagens de produto, ativos de marketing e redes sociais, visuais de conceito e rascunho, e variações sobre uma imagem existente em que as imagens de origem transportam o aspeto que pretende manter. As entradas de referência são úteis quando um briefing precisa de permanecer visualmente ancorado ao material fornecido. Como o modelo recebe prompts e imagens de referência e devolve imagens, encaixa-se em pipelines que precisam de muitas imagens rapidamente, incluindo ferramentas interativas em que o utilizador ajusta um prompt e espera um resultado na mesma sessão.

Chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "bytedance-seed/seedream-5-0-flash". Os pedidos são construídos da mesma forma que outras chamadas compatíveis com OpenAI, com esse id como valor do modelo e entrada de texto e imagem fornecida da forma que o endpoint espera. Os parâmetros de pedido suportados são frequency_penalty, max_tokens, temperature e top_p. Além desses, as definições de imagem são resolution, aspect_ratio, n, input_references e seed. Resolution é um enum de 1K ou 2K. aspect_ratio é um enum que abrange 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 e auto. n aceita apenas um único valor, com um mínimo de 1 e um máximo de 1, portanto uma imagem por pedido. input_references varia de 0 a 14, e seed é um booleano.

Vale a pena saber antes de avançar: n está fixado em 1 e não pode ser aumentado para uma contagem superior, pelo que emite um pedido separado para cada imagem que pretende. O modelo produz apenas imagens, pelo que qualquer tarefa que necessite de saída de texto, como classificação ou sumarização, precisa de um modelo diferente. Ambas as opções de resolução vão até 2K, o que pode ser uma limitação se precisar de renderizações maiores a partir do próprio modelo. O raciocínio de contexto longo não é algo que este modelo faça. Se a sua carga de trabalho for principalmente texto, ou se precisar que uma única chamada devolva múltiplas imagens, outro modelo na api14 é provavelmente mais adequado.