Hy Image3.5 preview API

Specyfikacja techniczna Hy-Image 3.5 Preview

Czym jest Hy-Image 3.5 Preview?

Hy-Image 3.5 to profesjonalny model generowania obrazów firmy Tencent Hunyuan, zaprojektowany do generowania obrazów z tekstu, generowania obrazu na podstawie obrazu oraz wieloturowej edycji obrazów.

W odróżnieniu od konwencjonalnego interfejsu API do generowania obrazów na podstawie pojedynczej podpowiedzi, Hy-Image 3.5 Preview używa protokołu w stylu Czat/Wiadomości, pozwalając łączyć podpowiedzi tekstowe, obrazy referencyjne i wcześniejszy kontekst generowania obrazów w konwersacyjnym przepływie pracy. Model może być więc używany nie tylko do tworzenia obrazu od zera, lecz także do iteracyjnej modyfikacji istniejącego wyniku w wielu rundach.

Główne funkcje Hy-Image 3.5 Preview

• Generowanie tekst na obraz: Generuj obrazy z opisów w języku naturalnym i pozwól modelowi zinterpretować wymaganą kompozycję, styl, temat i szczegóły wizualne.
• Generowanie obraz na obraz: Łącz instrukcje tekstowe z obrazami referencyjnymi, aby ukierunkować wynik generowania.
• Edycja wieloturowa: Zachowuj poprzednią konwersację i kontekst obrazu, aby użytkownicy mogli stopniowo dopracowywać obraz zamiast zaczynać od nowa.
• Wejście multimodalne: Żądanie może łączyć instrukcje tekstowe z obrazami referencyjnymi, co sprawdza się przy transferze stylu, edycji zdjęć produktów, dopasowaniu postaci i iteracjach wizualnych.
• Wyjście 4K: Oficjalna dokumentacja API obsługuje wyjście do 4096 × 4096 pikseli, z zastrzeżeniem udokumentowanych ograniczeń powierzchni obrazu.
• Wspomaganie wyszukiwaniem zewnętrznym: Dokumentacja API wymienia wyszukiwanie zewnętrzne jako obsługiwaną funkcję, umożliwiając włączanie dodatkowych informacji do procesu generowania obrazów, gdy jest to potrzebne.
• Elastyczne rozmiary obrazów: Deweloperzy mogą określić dokładny size lub pozwolić modelowi dobrać odpowiedni rozmiar wyjściowy na podstawie podpowiedzi i skonfigurowanego budżetu pikseli.
• Kontrola ziarna: Można podać ziarno, gdy wymagana jest powtarzalność generowania.

Możliwości generowania i edycji obrazu

Tekst na obraz

Hy-Image 3.5 Preview może generować obrazy bezpośrednio z instrukcji tekstowych. Model przyjmuje żądanie w stylu Wiadomości, w którym tekst użytkownika stanowi instrukcję generowania obrazu.

Dzięki temu nadaje się do zadań kreatywnych, takich jak ilustracje, concept art, grafika reklamowa, slajdy prezentacyjne, zdjęcia produktowe i inne procesy tworzenia treści wizualnych.

Obraz na obraz

Model może łączyć instrukcje tekstowe z obrazami referencyjnymi. Obrazy referencyjne można dostarczać poprzez publiczne adresy URL obrazów lub dane obrazu zakodowane w Base64.

Oficjalna dokumentacja API pozwala na użycie do 20 obrazów referencyjnych, o maksymalnym rozmiarze 20 MB na obraz.

Wieloturowa edycja obrazu

Jedną z wyróżniających funkcji Hy-Image 3.5 Preview jest edycja wieloturowa. Zamiast traktować każdą poprawkę jako niezależne żądanie, deweloperzy mogą zachować poprzednią konwersację i kontekst wygenerowanego obrazu, a następnie przesłać nową instrukcję edycji.

Umożliwia to takie przepływy pracy jak:

1. Wygeneruj obraz początkowy.
2. Poproś model o zmianę konkretnego elementu.
3. Zachowaj resztę kompozycji.
4. Kontynuuj dopracowywanie obrazu w wielu rundach.

API zwraca strukturę assembled_history, którą można ponownie wykorzystać jako kontekst w kolejnych rundach edycji.

Rozdzielczość i rozmiar obrazu

Hy-Image 3.5 Preview obsługuje elastyczne wymiary wyjściowe.

Gdy size jest podane wprost, można bezpośrednio kontrolować żądane wymiary; oficjalna dokumentacja API opisuje wymiary od 256 do 8192 pikseli na bok oraz maksymalną powierzchnię obrazu 16,777,216 pikseli, co odpowiada wyjściu klasy 4K 4096 × 4096.

Dla generowania w 4K dokumentacja API zaleca jawne określenie żądanego size. Jeśli dokładny rozmiar nie zostanie podany, model może dobrać wymiary wyjściowe na podstawie podpowiedzi i skonfigurowanego budżetu pikseli.

Wydajność w benchmarkach Hy-Image 3.5 Preview

Materiały publikacyjne Tencent opisują Hy-Image 3.5 Preview jako profesjonalny model generowania obrazów. Tencent poinformował także o wewnętrznej ślepej ocenie z udziałem setek profesjonalnych projektantów, wskazując na 30% poprawę względem Hy-Image 3.0 i wyniki porównywalne z Seedream 5.0 Pro. Są to wewnętrzne wyniki ocen raportowane przez dostawcę, a nie niezależnie odtworzone publiczne benchmarki.

Ponieważ oficjalna dokumentacja API nie udostępnia zestandaryzowanej publicznej tabeli benchmarków, tych wyników nie należy przedstawiać jako bezpośrednio porównywalnych wyników rankingowych.

Hy-Image 3.5 Preview vs. Hy-Image 3.0

Hy-Image 3.5 Preview jest zatem pozycjonowany jako bardziej konwersacyjny system generowania i edycji, podczas gdy Hy-Image 3.0 korzysta z prostszego interfejsu generowania opartego na podpowiedzi i opcjonalnych obrazach referencyjnych.

Hy-Image 3.5 Preview a inne modele generowania obrazów

Hy-Image 3.5 Preview wyróżnia się przede wszystkim połączeniem generowania obrazów, multimodalnego wejścia referencyjnego, konwersacyjnej edycji oraz przepływów pracy z dużym kontekstem obrazu.

W aplikacjach nastawionych na iteracyjne tworzenie wizualne architektura Czat/Wiadomości bywa szczególnie przydatna, ponieważ model może zachowywać kontekst wcześniejszych rund edycji zamiast traktować każde generowanie jako izolowane żądanie.

W porównaniu z modelami, które udostępniają głównie pojedynczą podpowiedź generowania obrazu, Hy-Image 3.5 Preview oferuje przepływ pracy bliższy konwersacyjnemu edytorowi obrazów.

Przykładowe zastosowania

1. Reklama komercyjna

Generowanie wizualizacji kampanii, materiałów promocyjnych, grafik marketingowych i koncepcji reklamowych z wykorzystaniem szczegółowych opisów w języku naturalnym.

2. Tworzenie obrazów produktowych

Używaj obrazów referencyjnych i instrukcji tekstowych do tworzenia lub modyfikacji wizualizacji produktów przy zachowaniu istotnych cech wizualnych.

3. Projektowanie interfejsu i produktu

Generowanie koncepcji interfejsów, makiet wizualnych, eksploracji projektowych oraz gotowych do prezentacji zasobów wizualnych.

4. Edycja postaci i portretów

Wykorzystuj obrazy referencyjne i iteracyjne instrukcje, aby dopracowywać postaci, portrety, stylizacje, ubrania, tła i inne elementy wizualne.

5. Ilustracja kreatywna

Tworzenie ilustracji, concept artu, wizualizacji fabularnych i innych kreatywnych zasobów na podstawie szczegółowych podpowiedzi.

6. Wieloturowa produkcja wizualna

Wykorzystuj konwersacyjną edycję, aby stopniowo dopracowywać obraz przez wiele instrukcji, co sprawdza się w procesach, w których finalny obraz powstaje poprzez kilka iteracji.

Ograniczenia i uwagi

Hy-Image 3.5 Preview jest obecnie modelem w fazie Preview, więc zachowanie API i wersje modelu mogą ulegać zmianom w miarę aktualizacji usługi przez Tencent.

Adresy URL wygenerowanych obrazów zwracane przez API są tymczasowe. Oficjalna dokumentacja podaje, że wygenerowane adresy URL są ważne przez 12 godzin, więc aplikacje wymagające trwałych zasobów powinny pobierać i przechowywać obrazy zamiast polegać na zwróconym adresie URL bezterminowo.

Deweloperzy używający edycji wieloturowej powinni również zachowywać zwróconą strukturę assembled_history podczas kontynuowania sesji edycji, ponieważ zawiera ona kontekst wymagany w kolejnych rundach.

Jak uzyskać dostęp do API Hy-Image 3.5 Preview przez CometAPI

CometAPI zapewnia ujednoliconą warstwę integracji dla aplikacji, które chcą korzystać z obsługiwanych modeli AI poprzez spójny przepływ API.

Krok 1: Zarejestruj się lub zaloguj do CometAPI

Utwórz konto CometAPI lub zaloguj się na istniejące. Po wejściu do konsoli CometAPI przejdź do sekcji zarządzania kluczami API.

Krok 2: Utwórz klucz API CometAPI

Wygeneruj klucz API w konsoli CometAPI. Zachowaj go w bezpiecznym miejscu, ponieważ służy do uwierzytelniania żądań API.

Krok 3: Znajdź Hy-Image 3.5 Preview

Otwórz katalog modeli CometAPI i wyszukaj Hy-Image 3.5 Preview. Przed integracją z aplikacją produkcyjną upewnij się, że model jest obecnie dostępny dla Twojego konta CometAPI.

Użyj identyfikatora modelu:

hy-image-v3.5-preview

Krok 4: Skonfiguruj swoją aplikację

Skonfiguruj aplikację do korzystania z ujednoliconego interfejsu API CometAPI i uwierzytelniaj żądania za pomocą klucza API CometAPI.

W przepływie generowania obrazów przekaż odpowiednią podpowiedź tekstową, informacje o obrazach referencyjnych i parametry generowania obsługiwane przez model.

Krok 5: Wyślij żądanie generowania obrazu

Wyślij żądanie przez CometAPI, wybierając jako model hy-image-v3.5-preview.

W zależności od aplikacji możesz używać modelu do generowania obrazu z tekstu, generowania na podstawie obrazu referencyjnego lub edycji wieloturowej.

Krok 6: Przetwórz i przechowaj wygenerowany obraz

Pobierz wygenerowany obraz z odpowiedzi API i zapisz go w pamięci swojej aplikacji, jeśli obraz ma być dostępny dłużej niż czas ważności tymczasowego adresu URL.