Jimeng 5.0 — Generowanie obrazu AI z precyzyjną kontrolą
Bottom Line Up Front (BLUF): Jimeng 5.0 to model generowania obrazów AI oparty na kontroli: siedem współczynników proporcji, przełącznik rozdzielczości 1K lub 2K, ujemne pole podpowiedzi i suwak określający gęstość renderowania szczegółów przez model. Pasuje do osób, które potrzebują konkretnej oprawy do konkretnej pracy, a nie tylko czegoś ładnego. Jedno żądanie może obsłużyć maksymalnie dziesięć obrazów referencyjnych.
Czym to się różni od Jimeng 4.5
Wcześniejsza generacja postawiła na prostotę: okienko podpowiedzi, jedno odniesienie i gotowe. Wersja 5.0 zamiast tego podaje ci tarcze. Blokujesz format klatki przed wygenerowaniem, wybierasz rozdzielczość wyjściową, blokujesz niechciane elementy za pomocą negatywnego monitu i decydujesz, jak bardzo scena ma być szczegółowa.
W praktyce oznacza to mniej cykli ponownego wykonywania. Tam, gdzie wcześniej się regenerowałeś, aż kadrowanie przypadkowo pasowało do twojego układu, teraz układ jest ustawiony z góry. Wyniki stają się powtarzalne, co ma znaczenie, gdy zdjęcie musi pasować do szablonu, wizytówki sklepowej lub specyfikacji druku.
Negatywne podpowiedzi: uporządkowanie bałaganu
Regularny monit mówi modelowi, co ma narysować; negatywna zachęta mówi mu, czego należy unikać. To pole jest opcjonalne, ale szybko rozwiązuje powtarzające się irytacje: wyświetlaj terminy, takie jak tekst, znaki wodne, dodatkowe palce i rozmycie, a artefakty te w dużej mierze przestają pojawiać się w wynikach.
Kształtuje także treść. Generowanie pustego zimowego krajobrazu? Umieść ludzi w negatywnym polu. Budujesz czystą scenę produktową? Dodaj tam ostre cienie. Wykluczanie rzeczy w ten sposób jest o wiele bardziej niezawodne niż pisanie negacji w głównym wierszu zachęty, co modele obrazów często błędnie odczytują jako instrukcje do uwzględnienia.
Wybór proporcji i rozdzielczości
Dostępnych jest siedem formatów ramek: kwadratowa 1:1, pionowa 2:3, 3:4 i 9:16, pozioma 3:2, 4:3 i 16:9. Obejmuje to historie i okładki filmów, posty w kanałach, karty produktów i szerokie banery. Obraz jest generowany od początku w docelowej proporcji — bez późniejszego przycinania.
Rozdzielczość jest dostępna w dwóch stopniach: 1K i 2K. W przypadku wersji roboczych, podglądów i kanałów społecznościowych 1K jest wystarczające i renderuje się szybciej. Wybierz 2K, gdy obraz będzie wyświetlany w dużym formacie — druk, okładka, banery bohaterskie — gdzie naprawdę opłaca się budżet na dodatkowe szczegóły. Ceny skalują się w zależności od wybranej jakości.
Suwak siły próbki
Dedykowany suwak kontroluje, jak agresywnie model wypełnia ramę szczegółami. Wartość domyślna znajduje się w punkcie środkowym i pasuje do większości zadań. Pociągnij go w dół, a otrzymasz spokojniejsze, czystsze obrazy, które skłaniają się ku minimalizmowi i płaskim stylom ilustracji.
Podnieś go, a kadr stanie się bogaty: tekstury, mikroelementy, warstwowe światło. Świetnie nadaje się do scen fantastycznych i gęstych wnętrz, zdecydowanie za dużo dla prostego obiektu. Przechodź krok po kroku i porównuj przebiegi w swojej historii, aby znaleźć zakres odpowiadający Twoim upodobaniom.
Praca z maksymalnie dziesięcioma referencjami
Jimeng 5.0 akceptuje aż dziesięć obrazów referencyjnych na żądanie, każde do 10 MB. Nakarm go postacią z jednego ujęcia, stylem z drugiego, paletą kolorów z trzeciego i poproś o nową scenę złożoną z tych składników. Im wyraźniej przypiszesz rolę każdej próbce, tym dokładniejszy będzie wynik.
Odniesienia również utrzymują spójność serii. Jeśli projekt wymaga partii wizualizacji w jednym języku wizualnym, do każdego żądania dołącz ten sam zestaw próbek, a wygląd zostanie przeniesiony z klatki na klatkę. Wszystkie ukończone prace trafiają do Twojej historii do pobrania lub poprawionego powtórzenia.
Częste pytania
Kiedy powinienem wybrać 5.0 zamiast 4.5?
Wybierz 5.0, gdy format ma znaczenie: potrzebujesz dokładnych proporcji, wyższej rozdzielczości, podpowiedzi negatywnej lub kilku odniesień na raz. Jeśli chcesz po prostu szybko uzyskać przyzwoity obraz ze zdania, 4.5 obejmuje to z mniejszą ilością konfiguracji.
Co wchodzi w skład monitu negatywnego?
Wszystko, czego nie chcesz na zdjęciu: typowe artefakty, takie jak tekst, znaki wodne lub zniekształcone dłonie, lub treści, takie jak ludzie i logo. Wpisy powinny być krótkie i oddzielane przecinkami. Pozostawienie pustego pola jest w porządku – jest opcjonalne.
Czy 2K zawsze jest lepszym wyborem?
Nie. 1K wystarczy do kanałów, wersji roboczych i podglądów, a ponadto generuje się szybciej. Zarezerwuj 2K na obrazy, które będą drukowane lub wyświetlane w dużym formacie. Koszt generacji zależy od wybranych ustawień jakości.