Hy Image3.5 preview API

Tekniske specifikationer for Hy-Image 3.5 Preview

Hvad er Hy-Image 3.5 Preview?

Hy-Image 3.5 er Tencent Hunyuan's professionelle billedgenereringsmodel designet til tekst-til-billede-generering, billede-til-billede-generering og billedredigering over flere omgange.

I modsætning til en konventionel billedgenererings-API med én enkelt prompt bruger Hy-Image 3.5 Preview en Chat/Messages-stil-protokol, som gør det muligt at kombinere tekstprompter, referencebilleder og tidligere billedgenereringskontekst i et samtalebaseret workflow. Modellen kan derfor ikke blot skabe et billede fra bunden, men også iterativt ændre et eksisterende resultat over flere runder.

Hovedfunktioner i Hy-Image 3.5 Preview

• Tekst-til-billede-generering: Generer billeder ud fra naturlige sprogprompter og lad modellen fortolke ønsket komposition, stil, motiv og visuelle detaljer.
• Billede-til-billede-generering: Kombiner tekstinstruktioner med referencebilleder for at styre det genererede resultat.
• Redigering over flere omgange: Bevar tidligere samtaler og billedkontekst, så brugere kan forfine et billede progressivt i stedet for at starte forfra.
• Multimodalt input: En forespørgsel kan kombinere tekstinstruktioner med referencebilleder, hvilket gør den velegnet til stiloverførsel, produktbilledredigering, karakterjusteringer og visuel iteration.
• 4K-output: Den officielle API-dokumentation understøtter output op til 4096 × 4096 pixels, underlagt de dokumenterede begrænsninger for billedareal.
• Forbedring med ekstern søgning: API-dokumentationen angiver forbedring med ekstern søgning som en understøttet kapabilitet, så billedgenereringsworkflows kan inddrage yderligere information efter behov.
• Fleksibel billedstørrelse: Udviklere kan angive en præcis size, eller lade modellen bestemme en passende outputstørrelse baseret på prompten og det konfigurerede pixelbudget.
• Seed-kontrol: Der kan angives en seed, når reproducerbar generering er påkrævet.

Kapabiliteter til billedgenerering og -redigering

Tekst-til-billede

Hy-Image 3.5 Preview kan generere billeder direkte ud fra tekstinstruktioner. Modellen accepterer en forespørgsel i Messages-stil, hvor brugerens tekst fungerer som billedgenereringsinstruktionen.

Dette gør den velegnet til kreative opgaver som illustrationer, konceptkunst, reklamevisualer, præsentationsgrafik, produktbilleder og andre arbejdsgange for visuelt indhold.

Billede-til-billede

Modellen kan kombinere tekstinstruktioner med referencebilleder. Referencebilleder kan leveres via offentlige billed-URL'er eller Base64-kodede billeddata.

Den officielle API-dokumentation tillader op til 20 referencebilleder, med en maksimal størrelse på 20MB pr. billede.

Billedredigering over flere omgange

En af Hy-Image 3.5 Preview's særlige evner er redigering over flere omgange. I stedet for at generere hver revision som en uafhængig forespørgsel kan udviklere bevare den tidligere samtale- og billedkontekst og derefter indsende en ny redigeringsinstruktion.

Dette muliggør arbejdsgange som:

1. Generer et første billede.
2. Bed modellen om at ændre et specifikt element.
3. Bevar resten af kompositionen.
4. Fortsæt med at finjustere billedet over flere runder.

API'en returnerer en assembled_history-struktur, der kan genbruges som kontekst til efterfølgende redigeringsrunder.

Opløsning og billedstørrelse

Hy-Image 3.5 Preview understøtter fleksible outputdimensioner.

Når size angives eksplicit, kan de ønskede dimensioner styres direkte, og den officielle API dokumenterer dimensioner fra 256 til 8192 pixel pr. side og et maksimalt billedareal på 16,777,216 pixel, svarende til et 4K-klasse 4096 × 4096-output.

Til 4K-generering anbefaler API-dokumentationen eksplicit at angive den ønskede size. Hvis der ikke angives en præcis størrelse, kan modellen bestemme outputdimensionerne baseret på prompten og det konfigurerede pixelbudget.

Benchmark-ydelse for Hy-Image 3.5 Preview

Tencents offentlige lanceringsmaterialer beskriver Hy-Image 3.5 Preview som en professionel billedgenereringsmodel. Tencent rapporterede også en intern blind evaluering med hundreder af professionelle designere og hævder en 30% forbedring i forhold til Hy-Image 3.0 samt resultater på niveau med Seedream 5.0 Pro. Dette er leverandør-rapporterede interne evalueringsresultater, ikke en uafhængigt reproduceret offentlig benchmark.

Da den officielle API-dokumentation ikke giver en standardiseret offentlig benchmarktabel, bør disse rapporterede resultater ikke præsenteres som direkte sammenlignelige ranglisteplaceringer.

Hy-Image 3.5 Preview vs. Hy-Image 3.0

Hy-Image 3.5 Preview er derfor placeret som et mere samtalebaseret og redigeringsorienteret genereringssystem, mens Hy-Image 3.0 bruger et enklere genereringsinterface centreret omkring en prompt og valgfrie referencebilleder.

Hy-Image 3.5 Preview vs. andre billedmodeller

Hy-Image 3.5 Preview adskiller sig primært ved sin kombination af billedgenerering, multimodalt referenceinput, samtalebaseret redigering og billedworkflows med stor kontekst.

For applikationer, der fokuserer på iterativ visuel skabelse, kan Chat/Messages-arkitekturen være særligt nyttig, fordi modellen kan bevare konteksten fra tidligere redigeringsrunder i stedet for at betragte hver generering som en isoleret forespørgsel.

Sammenlignet med modeller, der primært eksponerer en enkelt prompt til billedgenerering, giver Hy-Image 3.5 Preview et workflow, der minder mere om en samtalebaseret billededitor.

Repræsentative anvendelsestilfælde

1. Kommerciel reklame

Generer kampagnevisualer, promotionsgrafik, marketinggrafik og reklamekoncepter ud fra detaljerede beskrivelser på naturligt sprog.

2. Oprettelse af produktbilleder

Brug referencebilleder og tekstinstruktioner til at skabe eller ændre produktvisualer, mens vigtige visuelle karakteristika bevares.

3. UI- og produktdesign

Generer grænsefladekoncepter, visuelle mockups, designudforskninger og præsentationsklare visuelle aktiver.

4. Redigering af karakterer og portrætter

Brug referencebilleder og iterative instruktioner til at forfine karakterer, portrætter, styling, tøj, baggrunde og andre visuelle elementer.

5. Kreativ illustration

Skab illustrationer, konceptkunst, fortællevisualer og andre kreative aktiver ud fra detaljerede prompter.

6. Visuel produktion over flere runder

Brug den samtalebaserede redigeringskapabilitet til gradvist at forfine et billede gennem flere instruktioner, hvilket gør modellen velegnet til arbejdsgange, hvor det endelige visuelt udvikles over flere iterationer.

Begrænsninger og overvejelser

Hy-Image 3.5 Preview er i øjeblikket en Preview-model, så API-adfærd og underliggende modelversioner kan ændre sig, efterhånden som Tencent fortsætter med at opdatere tjenesten.

Genererede billed-URL'er, som returneres af API'en, er midlertidige. Den officielle dokumentation angiver, at genererede billed-URL'er er gyldige i 12 timer, så applikationer, der har brug for vedvarende aktiver, bør downloade og lagre de genererede billeder i stedet for at stole på den returnerede URL på ubestemt tid.

Udviklere, der bruger redigering over flere omgange, bør også bevare den returnerede assembled_history, når de fortsætter en redigeringssession, fordi denne struktur indeholder den kontekst, der kræves for efterfølgende runder.

Sådan får du adgang til Hy-Image 3.5 Preview API via CometAPI

CometAPI kan levere et samlet integrationslag for applikationer, der vil få adgang til understøttede AI-modeller gennem et ensartet API-workflow.

Trin 1: Opret konto eller log ind på CometAPI

Opret en CometAPI-konto, eller log ind på en eksisterende konto. Efter at du er gået ind i CometAPI-konsollen, få adgang til området til API-nøglestyring.

Trin 2: Opret en CometAPI API-nøgle

Generer en API-nøgle i CometAPI-konsollen. Opbevar nøglen sikkert, da den bruges til at autentificere API-forespørgsler.

Trin 3: Find Hy-Image 3.5 Preview

Åbn CometAPI's modelkatalog, og søg efter Hy-Image 3.5 Preview. Bekræft, at modellen i øjeblikket er tilgængelig via din CometAPI-konto, før du integrerer den i en produktionsapplikation.

Brug modelidentifikatoren:

hy-image-v3.5-preview

Trin 4: Konfigurer din applikation

Konfigurer din applikation til at bruge CometAPI's ensartede API-interface, og autentificer forespørgsler med din CometAPI API-nøgle.

Til et billedgenereringsworkflow skal du angive den relevante tekstprompt, referencebilledinformation og de genereringsparametre, som modellen understøtter.

Trin 5: Send din billedgenereringsforespørgsel

Indsend forespørgslen via CometAPI med hy-image-v3.5-preview som den valgte model.

Afhængigt af din applikation kan du bruge modellen til tekst-til-billede-generering, generering med referencebilleder eller redigering over flere omgange.

Trin 6: Behandl og gem det genererede billede

Hent det genererede billede fra API-svaret, og gem det i din egen applikationslagring, hvis billedet skal være tilgængeligt ud over den midlertidige URL’s levetid.