ideogram-4-5/generate API

Ideogram 4.5 od Ideogram łączy generowanie obrazów z tekstu z zaawansowanymi możliwościami edycji. Model przyjmuje tekst i obrazy jako dane wejściowe, a zwraca obrazy. Generuje obrazy w presetach 1K i 2K, a natywne wymiary 2K mogą sięgać około 3K. Obsługuje promptu do 10 000 znaków i oferuje cztery tryby jakości. W edycji pozwala użyć do czterech dodatkowych obrazów referencyjnych oraz maski ograniczającej obszar zmian. Wariant Precise Edit stosuje instrukcję w języku naturalnym do obrazu źródłowego i przywraca niezmienione piksele, zachowując wymiary źródła. Model jest szczególnie przydatny w zadaniach, w których liczy się wierność oryginałowi i precyzja. Sprawdza się przy zmianach tekstu w obrazie bez regenerowania całej kompozycji, przy tłumaczeniu nagłówków i etykiet z zachowaniem układu oraz przy edycji stylizowanego liternictwa w miejscu. Umożliwia także edycję wycinka obrazu o wysokiej rozdzielczości i scalenie wyniku z powrotem ze źródłem. Dzięki sterowaniu pozami za pomocą szkieletu referencyjnego i kątów stawów w prompcie znajduje zastosowanie w iteracyjnej fotografii produktowej i kampaniach lokalizowanych. Model jest własnościowy i zamknięty; planowane wydanie open-weight nie jest jeszcze dostępne. W rankingu generowania tekstu na obraz plasuje się w środku stawki i nie jest najlepszym generatorem pod względem wyglądu obrazu z pojedynczego promptu. Twierdzenie o ograniczaniu dryfu nie ma niezależnego benchmarku wierności w wielu turach, a głębsze testy są nadal w toku. Model jest dostępny przez aplikację webową Ideogram, API oraz platformy partnerskie, takie jak Venice, OpenArt, MagicShot i Higgsfield.

Rachunek zależy od wybranego dostawcy, jego cen i faktycznego zużycia. Dłuższe dane wejściowe lub inne warunki mogą mieć inne ceny.

Model przyjmuje tekst i obrazy jako dane wejściowe, a zwraca obrazy. Obsługuje prompty o długości do 10 000 znaków.

Sprawdza się w edycji tekstu w obrazie, tłumaczeniu nagłówków z zachowaniem układu, wariantach kampanii produktowych oraz precyzyjnych edycjach wycinków obrazów o wysokiej rozdzielczości.

Precise Edit stosuje instrukcję w języku naturalnym do obrazu źródłowego i przywraca niezmienione piksele ze źródła. Zachowuje przy tym wymiary obrazu źródłowego.

Model generuje obrazy w presetach 1K i 2K, a natywne wymiary 2K mogą sięgać około 3K. Obsługiwane proporcje to 1:1, 3:2, 16:9, 9:16, 2:3, 3:4 i 4:5.

Tak. W edycji można użyć do czterech dodatkowych obrazów referencyjnych oraz maski ograniczającej obszar zmian. Model zachowuje biały piksel, edytując czarny.

W rankingu Artificial Analysis Text-to-Image Generation zajmuje #34 na 167 modeli, a w Artificial Analysis Editing Leaderboard #23. Jego wynik Elo to 1014 przy 2 247 głosach.