Ideogram V4.5

Краткое описание

ideogram-v4.5/image-to-image — модель для задач редактирования изображений: принимает одно исходное изображение и позволяет переписать, заменить или локально перерисовать его по текстовому запросу. Помимо основного изображения можно приложить до четырёх референсных изображений для задания стиля и содержания либо использовать маску для точного указания области изменений; также доступны два уровня точности редактирования — regular и high, причём high использует путь Precise Edit. Модель подходит дизайнерским, e-commerce и контент-командам, которым нужно итеративно дорабатывать материалы, внося контролируемые изменения в готовое изображение, а не создавая его с нуля.

Ключевые особенности

• Высокая точность редактирования снижает накопление искажений при многократных правках — при edit_precision = high используется путь Precise Edit, изменения сосредоточены в области, указанной в инструкции, что удобно для последовательной доработки одного изображения.
• Комбинация референсных изображений и маски задаёт область редактирования — помимо основного изображения можно передать референсные; при наличии маски — до трёх. Если маска совпадает по размеру с исходным изображением, изменения ограничиваются заданной областью.
• Несколько уровней качества и форматов кадра — quality предлагает четыре уровня от very_low до high, image_size охватывает распространённые квадратные и горизонтальные/вертикальные пропорции, а значение по умолчанию auto подстраивается под композицию.

Возможности

Редактирование изображений на естественном языке: опишите желаемые изменения в prompt, и модель перерисует изображение на основе исходного. Подходит для замены фона, корректировки деталей продукта или изменения атмосферы кадра — изменения на уровне всего изображения выполняются без ручной маски.

Локальная перерисовка по маске: при одновременной передаче mask_url и маски соответствующего размера перерисовывается только область, покрытая маской, а остальные пиксели остаются без изменений — это используется для локальной замены элементов, удаления или добавления содержимого.

Задание стиля референсными изображениями: в reference_image_urls можно передать до четырёх изображений (до трёх при наличии маски), чтобы задать цветовую палитру, стиль или признаки объекта и сохранить единообразие результатов при многократном редактировании.

Разделение точности и качества редактирования: при edit_precision = high включается точное редактирование; quality выбирается от very_low до high — низкие уровни подходят для быстрой проверки композиции или вёрстки, а финальная версия генерируется на высоком уровне.

Управление форматом кадра и seed: image_size поддерживает распространённые пропорции, такие как квадрат, 4:3, 16:9, либо auto для адаптации; фиксированный seed позволяет воспроизвести результат редактирования одного и того же изображения для сравнения. Каждый запрос возвращает одно изображение.

Сценарии применения

• Локальная замена на существующих фото товаров в e-commerce — обведите маской фон или область аксессуара и перерисуйте по запросу, чтобы получить готовое к публикации изображение товара без повторной съёмки.
• Многократная доработка плаката дизайн-командой — используйте готовый плакат как исходное изображение и поочерёдно корректируйте композицию и расположение текста, применяя высокую точность для снижения накопленных артефактов и получая версию к сдаче.
• Поиск визуальных вариаций в едином стиле брендом — передайте несколько референсных изображений для единого стиля и создавайте на основе исходного изображения производные варианты с разной цветовой палитрой для расширения материалов и сравнения решений.
• Приведение существующих материалов к единой тональности контент-командой — с помощью запросов и референсных изображений пакетно настраивайте сезонную или тематическую атмосферу готовых изображений, получая промоматериалы под разные периоды.

Ограничения и рекомендации по выбору

Один запрос всегда возвращает одно изображение, поэтому модель не подходит для пакетного поиска, где нужен набор вариантов; предельное разрешение вывода — 2K, поэтому при подготовке крупноформатных печатных материалов требуется дополнительное увеличение. Маска должна совпадать по размеру с исходным изображением, а для сложных выделений маску нужно подготовить заранее. Результат редактирования зависит от точности описания в запросе; существенные структурные изменения (например, полная смена композиции) лучше выполнять повторной генерацией. При многократных правках рекомендуется на всех этапах использовать уровень высокой точности, чтобы контролировать деградацию качества.