ByteDance Seed टीम ने छवियों के निर्माण के लिए अपना नवीनतम मल्टीमॉडल मॉडल Seedream 5.0 Pro जारी किया है। यह रिलीज़ 8 जुलाई को हुई, जो प्रीव्यू संस्करण के लगभग पांच महीने बाद आई, और इसमें जटिल जानकारी का विज़ुअलाइज़ेशन, सटीक संपादन, वास्तविक फोटो की गुणवत्ता और 17 परीक्षण परिदृश्यों के भीतर विभिन्न भाषाओं में मूल पीढ़ी शामिल है।
मॉडल में सुधार और नई क्षमताएं
नए मॉडल संस्करण में टेक्स्ट और इमेज की संगतता, संरचनात्मक सुसंगतता, टेक्स्ट डिस्प्ले और दृश्य सौंदर्यशास्त्र जैसी बुनियादी सुविधाओं को बढ़ाया गया है। इसके अलावा, चार प्रमुख क्षमताओं को जोड़ा गया है: जटिल जानकारी का विज़ुअलाइज़ेशन करने की क्षमता, इंटरैक्टिव सटीक संपादन, यथार्थवादी इमेजिंग और पोर्ट्रेट गुणवत्ता, साथ ही मूल भाषाओं में इनपुट और जनरेशन का समर्थन।
उपलब्धता और मूल्य निर्धारण
उपयोग की लागत इनपुट और आउटपुट छवियों के आकार पर निर्भर करती है। 2.36 मेगापिक्सेल तक के परिणामों के लिए पहली इनपुट छवि मुफ़्त है, जबकि बाद की इनपुट छवियों की कीमत $0.003 और आउटपुट छवियों की कीमत $0.041 है। बड़े परिणामों के लिए कीमतें तदनुसार बढ़ जाती हैं। मॉडल अब Volcengine Ark एक्सपीरियंस सेंटर में उपलब्ध है और Doubao तथा Jimeng प्लेटफॉर्म पर लागू किया जाएगा।
परीक्षण और प्रदर्शन
17 परिदृश्यों में व्यापक परीक्षण के दौरान, Seedream 5.0 Pro ने वाणिज्यिक पोस्टरों, यथार्थवादी फोटोग्राफी, स्थानीयकृत सटीक संपादन और बहुभाषी पोस्टर निर्माण में उच्च दक्षता प्रदर्शित की। मॉडल जटिल इन्फोग्राफिक्स, जिनमें तीन-कॉलम लेआउट, रोबोट लागत ब्रेकडाउन विज़ुअलाइज़ेशन और AI HBM चिप आर्किटेक्चर की व्याख्या करने वाले विज्ञान लोकप्रियकरण योजनाएं शामिल हैं, के साथ काम कर सकता है।
संपादन सुविधाओं का विवरण
ध्यान देने योग्य सुधारों में ग्रिड गाइड के साथ लेआउट शामिल हैं, जो कार्ड प्रारूप में आठ एआई मॉडल श्रेणियों को प्रदर्शित करते हैं, विंटेज चर्मपत्र शैली में विज्ञापन शीतकालीन पोस्टर और ई-कॉमर्स उपयोगकर्ता इंटरफ़ेस लेआउट। मॉडल स्टाइलिंग प्रॉम्प्ट निर्दिष्ट करते समय एक समान दृश्य शैली बनाए रखता है और वाणिज्यिक पोस्टरों के डिजाइन में विशेष शक्ति दिखाता है, जहां टेक्स्ट डिस्प्ले, पदानुक्रम और सजावटी तत्वों की स्थिति विश्वसनीय रूप से काम करते हैं।
सटीक संपादन सुविधाएँ विशिष्ट क्षेत्रों में स्थानीय सामग्री को बदलने की अनुमति देती हैं, जबकि मूल परिप्रेक्ष्य, छाया और आसपास की रोशनी को बनाए रखती हैं। मॉडल लेयर विभाजन, स्केच ड्राइंग और कई भाषाओं में टेक्स्ट जनरेशन का समर्थन करता है, जिसमें चीनी टेक्स्ट डिस्प्ले प्रीव्यू संस्करण की तुलना में काफी बेहतर है, हालांकि घने इन्फोग्राफिक्स में अभी भी चीनी अक्षरों में कुछ जटिल त्रुटियां होती हैं।
बाजार में स्थिति
Seedream 5.0 Pro AI के माध्यम से छवि जनरेशन के तेजी से विकसित हो रहे परिदृश्य में ByteDance का एक प्रतिस्पर्धी जवाब है, जो ChatGPT Images 2.0 जैसे मॉडलों के साथ प्रतिस्पर्धा करता है। मॉडल का उद्देश्य सूचना डिजाइन, वाणिज्यिक ग्राफिक्स और फोटो-यथार्थवादी आउटपुट में रचनात्मक पेशेवरों की जरूरतों के बीच के अंतर को दूर करना है। सीड टीम जटिल टेक्स्ट डिस्प्ले और विभिन्न जनरेशनों में वर्ण सुसंगतता से जुड़ी शेष समस्याओं को दूर करने पर काम करना जारी रखे हुए है।