Hy Image3.5 preview آپریشن میں

Hy Image3.5 preview Tencent Hunyuan کا پیش کردہ کم لاگت والا پیشہ ورانہ امیج جنریشن ماڈل ہے، جو متن سے تصویر اور تصویر سے تصویر بنانے کی سہولت دیتا ہے۔ اس میں زیادہ سے زیادہ 5 حوالہ جاتی تصاویر اپ لوڈ کی جا سکتی ہیں، زیادہ سے زیادہ 2K ریزولوشن آؤٹ پٹ حاصل کیا جا سکتا ہے، اور متعدد مکالماتی ادوار پر مبنی مسلسل تخلیق و تدوین کی سہولت موجود ہے۔ گزشتہ نسل کے مقابلے میں ماڈل کی مجموعی صلاحیت تقریباً 30% بہتر ہوئی ہے، جبکہ متن کی رینڈرنگ، حقیقت پسندی اور تدوین کی یکسانیت میں نمایاں اضافہ ہوا ہے۔ اندرونی بلائنڈ ٹیسٹ میں اس کی کارکردگی Seedream 5.0 Pro کے برابر رہی۔

متن سے تصویر: متنی پرامپٹ کے مطابق اعلیٰ معیار کی تصاویر تیار کریں، جن میں روزمرہ زندگی، تجارتی پوسٹرز، UI ڈیزائن اور فلم و ٹی وی کے مواد سمیت متعدد منظرنامے شامل ہیں۔
تصویر سے تصویر: ایک بار میں زیادہ سے زیادہ 5 حوالہ جاتی تصاویر اپ لوڈ کر کے لباس تبدیل کرنا، جزوی تدوین، اسٹائل تبدیل کرنا اور متعدد عناصر کی تدوین جیسے کام انجام دیں۔
متعدد ادوار پر مبنی مکالماتی تخلیق: سابقہ سیاق و سباق کی بنیاد پر مسلسل تخلیق اور تدوین کریں، اور مرحلہ وار refine مکمل کریں۔
متعدد آؤٹ پٹ فارمیٹس: مختلف سائز اور تناسب سپورٹ کرتا ہے، جبکہ زیادہ سے زیادہ 2K ریزولوشن کی تصاویر تیار کی جا سکتی ہیں۔
متن کی رینڈرنگ: چھوٹے متن کی رینڈرنگ اور لے آؤٹ کی صلاحیت نمایاں طور پر بہتر بناتا ہے، جس سے پوسٹرز، Logo، انفارمیشن گرافکس اور متنی تخلیقات کی ضروریات پوری ہوتی ہیں۔

ماڈل آرکیٹیکچر کی سادگی: Hy Image3.0 سیریز کے ڈیزائن کے تصور کو برقرار رکھتے ہوئے آرکیٹیکچر کو آسان بنایا گیا ہے۔ مؤثر distillation الگورتھم کے ساتھ ماڈل کے حجم اور inference لاگت کو کم کیا گیا ہے، جو کم قیمت حکمت عملی کی بنیاد ہے۔
الگ تعیناتی: متن اور تصویر کی شاخوں کو الگ الگ تعینات کیا گیا ہے، تاکہ دونوں کو آزادانہ طور پر بہتر اور شیڈول کیا جا سکے، اور مجموعی inference وسائل کے استعمال کو بہتر بنایا جا سکے۔
توجہ کے آپریٹرز کی موافقت: نچلے درجے کے ہارڈویئر پر توجہ کی গণना کے آپریٹرز کو موافق بنا کر بہتر کیا گیا ہے، جس سے ویڈیو میموری کا استعمال کم اور inference کی رفتار تیز ہوتی ہے، اور 2K تصاویر کی کم لاگت پر تیز تخلیق ممکن ہوتی ہے۔
ارادے کی تفہیم میں بہتری: ”ارادے کی تفہیم سے بصری اظہار تک“ کے گرد جامع اپ گریڈ کیا گیا ہے، جس سے ہدایات کی پیروی اور معنوی تفہیم مضبوط ہوتی ہے، اور تدوین کی یکسانیت و تخلیق پر قابو بہتر ہوتا ہے۔

Yuanbao کھولیں اور امیج جنریشن سے متعلق فنکشن میں داخل ہوں، جیسے پورٹریٹ ایڈیٹنگ، اسمارٹ P ٹو یا آزاد لباس تبدیلی کے ٹیمپلیٹس۔
متنی وضاحت درج کریں یا حوالہ جاتی تصویر اپ لوڈ کریں، پھر مطلوبہ سائز اور تناسب مقرر کریں۔
تخلیق کے بعد نتیجے کی بنیاد پر متعدد مکالماتی ادوار میں ترمیم جاری رکھیں، اور اطمینان ہونے پر محفوظ کریں۔
ima کھولیں اور Copilot کے ذریعے تصویر سے متعلق کام شروع کریں، جیسے عکاسی، پوسٹر، انفارمیشن گرافک یا PPT۔
اپنی ضرورت بیان کریں یا پیشہ ورانہ معلومات فراہم کریں، پھر Hy Image3.5 preview سے بصری مواد تیار کروائیں۔
تیار شدہ نتیجے کے لیے ترمیمی تجاویز دیں اور مطلوبہ معیار تک مرحلہ وار بہتری لائیں۔
متعلقہ پلیٹ فارم میں داخل ہوں، جہاں فی الحال دو ہفتوں کی محدود مدت کے لیے مفت آزمائش دستیاب ہے، پھر امیج جنریشن یا تدوین کا کام منتخب کریں۔
زیادہ سے زیادہ 5 حوالہ جاتی تصاویر اپ لوڈ کریں اور تخلیقی ہدایات درج کریں، جیسے اسٹوری بورڈ یا کردار کی یکسانیت پر مبنی تدوین۔
اثاثہ جاتی تصاویر بڑی تعداد میں تیار کریں اور تاثرات کی بنیاد پر پرامپٹ کو بار بار ایڈجسٹ کر کے نتیجہ بہتر بنائیں۔
Tencent Cloud API، یعنی TokenHub، میڈیا پروسیسنگ MPS اور کلاؤڈ آن ڈیمانڈ VOD، کے ذریعے ماڈل سروس سے منسلک ہوں۔
API دستاویزات کے مطابق متنی پرامپٹ اور حوالہ جاتی تصویر کے پیرامیٹرز بھیج کر جنریشن API کو کال کریں۔
آؤٹ پٹ تصاویر کی تعداد کے مطابق ادائیگی کریں، یعنی 2K تصویر کے لیے 0.15 یوان فی تصویر، اور تیار شدہ نتائج کو اپنی مصنوعات میں ضم کریں۔

صلاحیت میں نمایاں اضافہ: Hy Image3.0 کے مقابلے میں مجموعی صلاحیت تقریباً 30% بہتر ہوئی ہے۔ اندرونی بلائنڈ ٹیسٹ میں کارکردگی Seedream 5.0 Pro کے برابر، اور Nano-Banana Pro و Qwen-Image-3.0 Pro سے قدرے بہتر رہی۔
مضبوط متن رینڈرنگ: چھوٹے متن کی رینڈرنگ اور لے آؤٹ کی صلاحیت نمایاں ہے، جس سے متن کے بگڑنے میں بڑی کمی آتی ہے، اور پوسٹرز، Logo اور انفارمیشن گرافکس جیسے پیداواری منظرناموں میں مدد ملتی ہے۔
بہتر تدوینی یکسانیت: تصویر سے تصویر کی ہدایات پر عمل، متعدد عناصر کی تدوین اور اسٹائلائزڈ ایڈیٹنگ کی صلاحیت بہتر ہوئی ہے، جبکہ اشتہاری منظرناموں میں badcase کی شرح 7% کم ہوئی ہے۔
متعدد حوالہ جاتی تصاویر اور متعدد ادوار پر مبنی تخلیق: ایک بار میں زیادہ سے زیادہ 5 حوالہ جاتی تصاویر اپ لوڈ کی جا سکتی ہیں، اور سابقہ سیاق و سباق کی بنیاد پر مسلسل مکالماتی تدوین کی جا سکتی ہے۔

پروجیکٹ کی ویب سائٹ: https://hy.tencent.com/research/hy-image35-preview

تجارتی پوسٹرز اور برانڈ بصری شناخت: چھوٹے متن کی مضبوط رینڈرنگ کے باعث متن والے پوسٹرز، Logo اور انفارمیشن گرافکس بنانے کے لیے موزوں ہے، جبکہ پیداواری منظرناموں کی درخواستوں میں 80% اضافہ ہوا ہے۔
فلم و ٹی وی کا مواد اور ڈرامائی اسٹوری بورڈ: WorkRally/OnSolo نے مزاحیہ ڈراما اسٹوڈیوز کے لیے پروپس، کرداروں اور مناظر کی اثاثہ جاتی تصاویر بڑی تعداد میں تیار کرنے کے لیے اسے استعمال کیا ہے۔ کرداروں کی یکسانیت اچھی اور ناکام تخلیقات کی شرح کم ہے۔
ای کامرس مواد اور اشتہاری تصاویر: تصویر سے تصویر کے badcase کی شرح 7% کم ہوئی ہے، جبکہ لباس تبدیل کر کے آزمانے اور اشتہاری مواد کی تیاری کا معیار زیادہ مستحکم ہے۔
پورٹریٹ ایڈیٹنگ اور صارفین کے لیے تفریح: Yuanbao میں اسمارٹ P ٹو، آزاد لباس تبدیلی اور تصاویر کو کارٹون میں تبدیل کرنے جیسے فیچرز دستیاب ہیں، جبکہ پورٹریٹ ایڈیٹنگ کی درخواستیں دوگنی ہو گئی ہیں۔
دفتری کام اور علم کی بصری پیشکش: ima Copilot کے ذریعے عکاسی، PPT اور علمی انفارمیشن گرافکس تیار کریں، اور پیشہ ورانہ معلومات کو بصری ویب مواد میں تبدیل کریں۔