مدل MAI-Image-2.6  جدید تولید تصویر مایکروسافت با قابلیت پردازش انبوه منتشر شد

مایکروسافت مدل هوش مصنوعی تولید تصویر MAI-Image-2.6-Flash را به‌عنوان نسخه‌ای سریع‌تر و کم‌هزینه‌تر از جدیدترین مدل داخلی تولید تصویر خود منتشر کرده است.

به گزارش سرویس هوش مصنوعی تکناک، این مدل هوش مصنوعی برای کاربردهایی طراحی شده که سرعت تولید تصویر، توان پردازش بالا و هزینه کمتر اهمیت بیشتری دارند و اکنون همراه با نسخه اصلی MAI-Image-2.6 به‌صورت پیش‌نمایش عمومی از طریق Microsoft Foundry در دسترس توسعه‌دهندگان قرار گرفته است.

مایکروسافت مدل MAI-Image-2.6 را ماه گذشته معرفی کرد. این مدل هنگام عرضه توانست در جدول بنچمارک تبدیل متن به تصویر Arena، پس از GPT-Image-2 شرکت OpenAI در جایگاه دوم قرار بگیرد. مدل جدید همچنین نسبت به MAI-Image-2.5، بهبود ۷۹ امتیازی در شاخص Elo ثبت کرد.

تمرکز نسخه Flash بر سرعت و هزینه

مایکروسافت اعلام کرده است که مدل MAI-Image-2.6-Flash تصاویر را ۲.۸ برابر سریع‌تر از GPT-Image-2-Medium تولید می‌کند و در عین حال ۷۲ درصد بهره‌وری بیشتری ارائه می‌دهد. این شرکت نسخه Flash را برای برنامه‌های تعاملی، فرایندهای سریع تولید محتوا، شخصی‌سازی، خطوط پردازش خودکار و دیگر کاربردهایی مناسب می‌داند که به تولید تعداد زیادی تصویر نیاز دارند.

نسخه Flash با وجود تمرکز بر کاهش زمان پردازش و هزینه، قابلیت‌های اصلی MAI-Image-2.6 را حفظ کرده است. این مدل از تولید تصویر بر اساس متن و ویرایش تصویر بر اساس تصویر پشتیبانی می‌کند. کاربران همچنین می‌توانند با قابلیت ویرایش هدفمند، اشیا، چیدمان یا متن را در بخش مشخصی از تصویر تغییر دهند، بدون آنکه سایر قسمت‌های تصویر به‌طور قابل توجهی دگرگون شوند.

مدل‌های خانواده MAI-Image-2.6 چند قابلیت تازه نیز برای توسعه‌دهندگان ارائه می‌کند. کاربران می‌توانند حداکثر پنج تصویر مرجع را در اختیار مدل قرار دهند تا هماهنگی ظاهری افراد، محصولات، شخصیت‌ها و دیگر عناصر در تصاویر مختلف حفظ شود. قابلیت اتصال به وب نیز به مدل اجازه می‌دهد برای تولید تصاویر مرتبط با موضوعات دنیای واقعی، اطلاعات به‌روز را از طریق جست‌وجوی Bing دریافت کند. مایکروسافت همچنین نسبت‌های تصویر پویا و پشتیبانی از خروجی‌های با وضوح بالاتر را به این خانواده افزوده است.

بیشتر بخوانید: مایکروسافت فرایند احراز سن را در ویندوز 11 جدی‌تر می‌ کند

قیمت‌گذاری و کاربرد پیشنهادی دو مدل

هزینه استفاده از MAI-Image-2.6-Flash از ۱.۷۵ دلار برای هر یک میلیون توکن ورودی متنی، ۲.۵۰ دلار برای هر یک میلیون توکن ورودی تصویری و ۱۹ دلار برای هر یک میلیون توکن خروجی تصویری آغاز می‌شود. در مقابل، هزینه MAI-Image-2.6 برای همین سه بخش به‌ترتیب ۵ دلار، ۸ دلار و ۳۸ دلار به‌ازای هر یک میلیون توکن تعیین شده است.

مایکروسافت استفاده از MAI-Image-2.6 را برای تولید دارایی‌های نهایی، ویرایش‌های پیچیده، طراحی تجاری و کاربردهایی پیشنهاد می‌کند که بیشترین کیفیت تصویر و دقت در نمایش متن اهمیت دارد. این شرکت نسخه Flash را برای سناریوهایی مناسب می‌داند که تأخیر کمتر، توان پردازش بیشتر و هزینه پایین‌تر در اولویت قرار دارند.

هر دو مدل MAI-Image-2.6 و MAI-Image-2.6-Flash اکنون در قالب پیش‌نمایش عمومی Microsoft Foundry عرضه شده‌اند و توسعه‌دهندگان می‌توانند بر اساس نیاز پروژه، بین کیفیت بالاتر نسخه اصلی و سرعت و هزینه کمتر نسخه Flash انتخاب کنند. این عرضه، گزینه‌ای تازه برای توسعه‌دهندگانی فراهم می‌کند که باید میان کیفیت نهایی، سرعت تولید و هزینه پردازش تعادل برقرار کنند.

بیشتر بخوانید: مایکروسافت از پروژه زنیت برای بهبود ویندوز توسعه‌دهندگان رونمایی کرد