ข้อมูลจำเพาะทางเทคนิคของ Hy-Image 3.5 Preview
| รายการ | Hy-Image 3.5 Preview |
|---|---|
| Model ID | hy-image-v3.5-preview |
| ผู้ให้บริการ | Tencent Hunyuan |
| ประเภทโมเดล | โมเดลสร้างและแก้ไขภาพระดับมืออาชีพ |
| อินพุต | ข้อความ + ภาพอ้างอิง |
| เอาต์พุต | ภาพ |
| ขีดจำกัดอินพุต | สูงสุด 100K โทเค็น |
| โหมดการสร้าง | ข้อความเป็นภาพ, ภาพเป็นภาพ, การแก้ไขหลายรอบ |
| ภาพอ้างอิง | สูงสุด 20 ภาพต่อคำขอ |
| ขนาดภาพอ้างอิง | สูงสุด 20MB ต่อภาพ |
| ความละเอียดเอาต์พุต | สูงสุด 4096 × 4096 (4K) |
| โปรโตคอล | แชต / ข้อความ |
| การสร้าง | ซิงโครนัส |
| การค้นหาภายนอก | รองรับ |
| Seed | รองรับ |
| ขนาดกำหนดเอง | รองรับ |
Hy-Image 3.5 Preview คืออะไร?
Hy-Image 3.5 เป็นโมเดลสร้างภาพระดับมืออาชีพของ Tencent Hunyuan ที่ออกแบบมาสำหรับการใช้งานด้าน การสร้างภาพจากข้อความ, การสร้างภาพจากภาพ, และการแก้ไขภาพหลายรอบ
แตกต่างจาก API สร้างภาพแบบพรอมต์เดียวทั่วไป Hy-Image 3.5 Preview ใช้โปรโตคอลแบบ แชต/ข้อความ ทำให้สามารถรวมพรอมต์ข้อความ ภาพอ้างอิง และบริบทจากการสร้างภาพก่อนหน้าเข้ากับเวิร์กโฟลว์เชิงสนทนาได้ ดังนั้นโมเดลจึงสามารถใช้สร้างภาพตั้งแต่เริ่มต้น หรือปรับแก้ผลลัพธ์เดิมอย่างต่อเนื่องหลายรอบได้
คุณสมบัติหลักของ Hy-Image 3.5 Preview
- การสร้างภาพจากข้อความ: สร้างภาพจากคำสั่งภาษาธรรมชาติ และให้โมเดลตีความองค์ประกอบ สไตล์ หัวข้อ และรายละเอียดภาพที่ร้องขอ
- การสร้างภาพจากภาพ: ผสานคำสั่งข้อความกับภาพอ้างอิงเพื่อชี้นำผลลัพธ์ที่สร้าง
- การแก้ไขหลายรอบ: รักษาบริบทการสนทนาและภาพก่อนหน้าเพื่อให้ผู้ใช้ปรับแต่งภาพแบบค่อยเป็นค่อยไป ไม่ต้องเริ่มใหม่ทุกครั้ง
- อินพุตหลายโมดัล: คำขอหนึ่งรายการสามารถรวมคำสั่งข้อความกับภาพอ้างอิง เหมาะกับงานถ่ายโอนสไตล์ แก้ไขภาพสินค้า ปรับตัวละคร และการวนซ้ำด้านภาพ
- เอาต์พุต 4K: เอกสาร API อย่างเป็นทางการรองรับเอาต์พุตสูงสุด 4096 × 4096 พิกเซล ภายใต้ข้อจำกัดพื้นที่ภาพที่ระบุไว้
- การเพิ่มประสิทธิภาพด้วยการค้นหาภายนอก: เอกสาร API ระบุว่ารองรับความสามารถนี้ ทำให้เวิร์กโฟลว์การสร้างภาพสามารถผสานข้อมูลเพิ่มเติมเมื่อจำเป็น
- ขนาดภาพยืดหยุ่น: นักพัฒนาสามารถระบุ
sizeที่ต้องการ หรือให้โมเดลกำหนดขนาดเอาต์พุตตามพรอมต์และงบประมาณพิกเซลที่ตั้งค่าไว้ - การควบคุม Seed: สามารถระบุ Seed ได้เมื่อจำเป็นต้องสร้างผลลัพธ์ที่ทำซ้ำได้
ความสามารถในการสร้างและแก้ไขภาพ
ข้อความเป็นภาพ
Hy-Image 3.5 Preview สามารถสร้างภาพได้โดยตรงจากคำสั่งข้อความ โมเดลยอมรับคำขอแบบสไตล์ข้อความ โดยที่ข้อความของผู้ใช้ทำหน้าที่เป็นคำสั่งสร้างภาพ
จึงเหมาะสำหรับงานสร้างสรรค์ เช่น ภาพประกอบ อาร์ตคอนเซ็ปต์ ภาพโฆษณา กราฟิกสำหรับพรีเซนเทชัน ภาพสินค้า และเวิร์กโฟลว์คอนเทนต์ภาพอื่น ๆ
ภาพเป็นภาพ
โมเดลสามารถผสานคำสั่งข้อความกับภาพอ้างอิง โดยสามารถส่งภาพอ้างอิงผ่าน URL ภาพสาธารณะหรือข้อมูลภาพที่เข้ารหัสแบบ Base64
เอกสาร API อย่างเป็นทางการอนุญาต ภาพอ้างอิงสูงสุด 20 ภาพ โดยมีขนาด สูงสุด 20MB ต่อภาพ
การแก้ไขภาพหลายรอบ
หนึ่งในความสามารถเด่นของ Hy-Image 3.5 Preview คือการแก้ไขหลายรอบ แทนที่จะสร้างทุกการแก้ไขเป็นคำขอแยก นักพัฒนาสามารถรักษาการสนทนาก่อนหน้าและบริบทของภาพที่สร้างไว้ แล้วส่งคำสั่งแก้ไขใหม่ได้
ซึ่งช่วยให้เวิร์กโฟลว์ต่าง ๆ ได้ เช่น:
- สร้างภาพเริ่มต้น
- ขอให้โมเดลเปลี่ยนองค์ประกอบเฉพาะจุด
- คงองค์ประกอบส่วนที่เหลือไว้
- ปรับแต่งภาพต่อเนื่องหลายรอบ
API จะส่งคืนโครงสร้าง assembled_history ซึ่งสามารถนำกลับมาใช้เป็นบริบทสำหรับรอบการแก้ไขถัดไป
ความละเอียดและขนาดภาพ
Hy-Image 3.5 Preview รองรับมิติเอาต์พุตที่ยืดหยุ่น
เมื่อระบุ size อย่างชัดเจน จะสามารถควบคุมมิติที่ต้องการได้โดยตรง โดยเอกสาร API ระบุขนาดตั้งแต่ 256 ถึง 8192 พิกเซลต่อด้าน และพื้นที่ภาพสูงสุด 16,777,216 พิกเซล ซึ่งสอดคล้องกับเอาต์พุตระดับ 4K อย่าง 4096 × 4096
สำหรับการสร้าง 4K เอกสาร API แนะนำให้ระบุ size ที่ต้องการอย่างชัดเจน หากไม่ได้ระบุขนาดแน่นอน โมเดลสามารถกำหนดมิติเอาต์พุตตามพรอมต์และงบประมาณพิกเซลที่ตั้งค่าไว้
ประสิทธิภาพตามการทดสอบของ Hy-Image 3.5 Preview
เอกสารการเปิดตัวสาธารณะของ Tencent อธิบายว่า Hy-Image 3.5 Preview เป็นโมเดลสร้างภาพระดับมืออาชีพ Tencent ยังรายงานการประเมินแบบปิดภายในที่มีนักออกแบบมืออาชีพหลายร้อยคนเข้าร่วม โดยอ้างว่าดีขึ้น 30% เมื่อเทียบกับ Hy-Image 3.0 และให้ผลลัพธ์ที่ใกล้เคียง Seedream 5.0 Pro ซึ่งเป็นผลการประเมินภายในที่ผู้จำหน่ายรายงาน ไม่ใช่การทดสอบสาธารณะที่ทำซ้ำได้โดยอิสระ
เนื่องจากเอกสาร API อย่างเป็นทางการไม่ได้ให้ตารางเกณฑ์มาตรฐานสาธารณะมาตรฐาน ผลเหล่านี้จึงไม่ควรถูกนำเสนอเป็นคะแนนตารางจัดอันดับที่เปรียบเทียบได้โดยตรง
Hy-Image 3.5 Preview เปรียบเทียบกับ Hy-Image 3.0
| ความสามารถ | Hy-Image 3.5 Preview | Hy-Image 3.0 |
|---|---|---|
| ข้อความเป็นภาพ | ใช่ | ใช่ |
| การสร้างด้วยภาพอ้างอิง | ใช่ | ใช่ |
| การแก้ไขหลายรอบ | ใช่ | ไม่ |
| โปรโตคอลแชต/ข้อความ | ใช่ | ไม่ |
| อินพุตหลายโมดัล | ใช่ | ใช่ |
| เอาต์พุตสูงสุดที่ระบุไว้ | สูงสุด 4K | สูงสุด 2048 × 2048 |
| ขีดจำกัดอินพุต | 100K โทเค็น | 8192 อักขระ |
| ภาพอ้างอิง | สูงสุด 20 | 0–3 |
| การเพิ่มประสิทธิภาพค้นหาภายนอก | ใช่ | — |
| Seed | ใช่ | ใช่ |
ดังนั้น Hy-Image 3.5 Preview จึงถูกวางตำแหน่งให้เป็นระบบสร้างภาพที่เน้นการสนทนาและการแก้ไขมากขึ้น ในขณะที่ Hy-Image 3.0 ใช้อินเทอร์เฟซการสร้างที่เรียบง่ายกว่า โดยยึดกับพรอมต์และภาพอ้างอิงแบบเลือกใส่
Hy-Image 3.5 Preview เปรียบเทียบกับโมเดลสร้างภาพอื่น ๆ
Hy-Image 3.5 Preview แตกต่างหลัก ๆ ด้วยการผสานระหว่าง การสร้างภาพ อินพุตอ้างอิงแบบหลายโมดัล การแก้ไขเชิงสนทนา และเวิร์กโฟลว์ภาพที่มีบริบทขนาดใหญ่
สำหรับแอปพลิเคชันที่เน้นการสร้างภาพเชิงวนซ้ำ สถาปัตยกรรมแบบแชต/ข้อความจะมีประโยชน์มาก เพราะโมเดลสามารถคงบริบทการแก้ไขก่อนหน้าไว้ แทนที่จะมองว่าการสร้างแต่ละครั้งเป็นคำขอแยก
เมื่อเทียบกับโมเดลที่เปิดเผยเพียงพรอมต์สร้างภาพเดี่ยว Hy-Image 3.5 Preview มอบเวิร์กโฟลว์ที่ใกล้เคียงกับตัวแก้ไขภาพแบบสนทนามากกว่า
กรณีใช้งานตัวอย่าง
1. โฆษณาเชิงพาณิชย์
สร้างภาพงานแคมเปญ งานโปรโมชัน กราฟิกการตลาด และคอนเซ็ปต์โฆษณาจากคำอธิบายภาษาธรรมชาติที่ละเอียด
2. การสร้างภาพสินค้า
ใช้ภาพอ้างอิงและคำสั่งข้อความเพื่อสร้างหรือปรับแก้ภาพสินค้า พร้อมคงลักษณะภาพที่สำคัญ
3. การออกแบบ UI และผลิตภัณฑ์
สร้างแนวคิดอินเทอร์เฟซ ม็อกอัปสำเร็จรูป การสำรวจงานออกแบบ และแอสเซ็ตภาพพร้อมพรีเซนต์
4. การแก้ไขตัวละครและภาพบุคคล
ใช้ภาพอ้างอิงและคำสั่งแบบวนซ้ำเพื่อปรับแต่งตัวละคร ภาพบุคคล สไตล์ เสื้อผ้า ฉากหลัง และองค์ประกอบภาพอื่น ๆ
5. ภาพประกอบเชิงสร้างสรรค์
สร้างภาพประกอบ อาร์ตคอนเซ็ปต์ วิชวลสำหรับเรื่องราว และแอสเซ็ตสร้างสรรค์อื่น ๆ จากพรอมต์รายละเอียดสูง
6. การผลิตภาพหลายรอบ
ใช้ความสามารถการแก้ไขแบบสนทนาเพื่อปรับแต่งภาพอย่างต่อเนื่องหลายขั้นตอน เหมาะกับเวิร์กโฟลว์ที่ผลลัพธ์สุดท้ายค่อย ๆ ถูกพัฒนาผ่านหลายรอบ
ข้อจำกัดและข้อพิจารณา
Hy-Image 3.5 Preview ขณะนี้เป็นรุ่น Preview ดังนั้นพฤติกรรมของ API และรุ่นโมเดลพื้นฐานอาจเปลี่ยนแปลงได้เมื่อ Tencent อัปเดตบริการอย่างต่อเนื่อง
URL ภาพที่สร้างโดย API เป็นแบบชั่วคราว เอกสารอย่างเป็นทางการระบุว่า URL ของภาพที่สร้างมีอายุ 12 ชั่วโมง ดังนั้นแอปพลิเคชันที่ต้องการเก็บแอสเซ็ตถาวรควรดาวน์โหลดและจัดเก็บภาพที่สร้าง แทนที่จะพึ่งพา URL ที่ส่งคืนในระยะยาว
นักพัฒนาที่ใช้การแก้ไขหลายรอบควรเก็บรักษา assembled_history ที่ส่งคืนไว้ด้วยเมื่อทำการแก้ไขต่อไป เพราะโครงสร้างนี้มีบริบทที่จำเป็นสำหรับรอบถัดไป
วิธีเข้าถึง Hy-Image 3.5 Preview API ผ่าน CometAPI
CometAPI สามารถมอบชั้นการผสานรวมแบบหนึ่งเดียวสำหรับแอปพลิเคชันที่ต้องการเข้าถึงโมเดล AI ที่รองรับผ่านเวิร์กโฟลว์ API เดียวกัน
ขั้นตอนที่ 1: ลงทะเบียนหรือเข้าสู่ระบบ CometAPI
สร้างบัญชี CometAPI หรือเข้าสู่ระบบบัญชีที่มีอยู่ หลังจากเข้าสู่คอนโซลของ CometAPI ให้ไปยังพื้นที่จัดการคีย์ API
ขั้นตอนที่ 2: สร้างคีย์ API ของ CometAPI
สร้างคีย์ API จากคอนโซล CometAPI โปรดเก็บรักษาคีย์ให้ปลอดภัย เนื่องจากใช้สำหรับยืนยันตัวตนคำขอ API
ขั้นตอนที่ 3: ค้นหา Hy-Image 3.5 Preview
เปิดแค็ตตาล็อกโมเดลของ CometAPI และค้นหา Hy-Image 3.5 Preview ยืนยันว่าโมเดลพร้อมให้ใช้งานผ่านบัญชี CometAPI ของคุณก่อนผนวกรวมเข้ากับแอปพลิเคชันที่ใช้งานจริง
ใช้ตัวระบุโมเดล:
hy-image-v3.5-preview
ขั้นตอนที่ 4: กำหนดค่าแอปพลิเคชันของคุณ
กำหนดค่าแอปพลิเคชันให้ใช้ส่วนติดต่อ API แบบหนึ่งเดียวของ CometAPI และยืนยันตัวตนคำขอด้วยคีย์ API ของคุณ
สำหรับเวิร์กโฟลว์การสร้างภาพ ให้ส่งพรอมต์ข้อความ ข้อมูลภาพอ้างอิง และพารามิเตอร์การสร้างที่โมเดลรองรับ
ขั้นตอนที่ 5: ส่งคำขอสร้างภาพของคุณ
ส่งคำขอผ่าน CometAPI โดยเลือก hy-image-v3.5-preview เป็นโมเดลที่ใช้
ขึ้นอยู่กับแอปพลิเคชันของคุณ คุณสามารถใช้โมเดลนี้สำหรับการสร้างภาพจากข้อความ การสร้างด้วยภาพอ้างอิง หรือการแก้ไขหลายรอบ
ขั้นตอนที่ 6: ประมวลผลและจัดเก็บภาพที่สร้าง
ดึงภาพที่สร้างจากการตอบกลับของ API และจัดเก็บไว้ในสตอเรจของแอปพลิเคชันของคุณ หากต้องการให้ภาพยังคงใช้งานได้เกินอายุของ URL ชั่วคราว