พรอมต์ของ MAI-Image-2.6 : 4 บทเรียนจาก Microsoft
MAI-Image-2.6 ของ Microsoft ขึ้นอันดับ 2 บน Arena แต่สิ่งที่ใช้ได้นานกว่าคือพรอมต์ที่เผยแพร่มาพร้อมกัน สี่รูปแบบการเขียน สี่กฎที่ย้ายไปใช้กับโมเดลไหนก็ได้

วันที่ 10 สิงหาคม 2026 Microsoft AI ประกาศเปิดตัว MAI-Image-2.6 และระบุว่าอยู่อันดับสองบนกระดานจัดอันดับสร้างภาพจากข้อความของ Arena ดีขึ้น +79 Elo จาก MAI-Image-2.5 โดยรวม และเฉพาะการเรนเดอร์ข้อความดีขึ้น +91 Elo นั่นคือพาดหัว และพาดหัวจากกระดานจัดอันดับมักหมดอายุเร็ว
ส่วนที่อยู่ได้นานกว่าในการเปิดตัวครั้งนี้เงียบกว่านั้นมาก ในหน้าของ MAI-Image-2 MAI-Image-2.5 และ MAI-Image-2.6 Microsoft เผยแพร่พรอมต์จริงที่อยู่เบื้องหลังภาพตัวอย่างเอาไว้ด้วย พรอมต์ชุดนี้ไม่ใช่การหยิบมารวมกันแบบสุ่ม แต่เป็นสี่วิธีเขียนถึงโมเดลสร้างภาพที่ต่างกันอย่างชัดเจน และแต่ละอันกำลังทำงานเฉพาะอย่าง คือบรรยาย บีบอัด แก้ไข และอ้างอิง
MAI-Image ไม่มีอยู่ในรายการโมเดลของ OmniArt บทความนี้จึงไม่ใช่รีวิวโมเดลที่คุณรันได้ที่นี่ สิ่งที่อ่านคือฝีมือการเขียนพรอมต์ที่ปรากฏอยู่ เพราะฝีมือแบบนี้ย้ายที่ได้ รูปแบบทั้งสี่ด้านล่างใช้ได้กับโมเดลสร้างภาพที่มีคุณภาพในปัจจุบันทุกตัว และข้อสรุปของแต่ละข้อมีรูปร่างเดียวกัน คือ สิ่งที่คุณใส่ลงในพรอมต์เป็นตัวกำหนดว่าคุณจะได้ความล้มเหลวแบบไหน
MAI-Image 2 2.5 และ 2.6 ส่งอะไรออกมาบ้าง#
สามรุ่นในเวลาไม่ถึงห้าเดือน แต่ละครั้งมีจุดศูนย์ถ่วงต่างกัน
| รุ่น | ประกาศเมื่อ | จุดยืนที่ Microsoft วางไว้ | คำกล่าวอ้างเรื่อง Arena |
|---|---|---|---|
| MAI-Image-2 | 19 มีนาคม 2026 | ความสมจริง ข้อความในภาพ การสร้างฉากที่มีรายละเอียด "สร้างร่วมกับครีเอเตอร์" | อันดับ 3 ในกลุ่มตระกูลโมเดล |
| MAI-Image-2.5 | หน้าโมเดล | แก้ไขได้แม่นยำ ความถูกต้องของวัสดุ ผลงานที่พร้อมใช้งานออกแบบ Pro / มาตรฐาน / Flash | อันดับ 3 ด้านสร้างภาพจากข้อความ ณ 2 มิถุนายน 2026 |
| MAI-Image-2.6 | 10 สิงหาคม 2026 | การเรนเดอร์ข้อความ ภาพบุคคลและงาน 3D ความเนี้ยบเชิงพาณิชย์และซินีมาติก | อันดับ 2 ด้านสร้างภาพจากข้อความ +79 Elo จาก 2.5 |
MAI-Image-2.5 ยังแตกออกเป็นตระกูลย่อยด้วย คือ 2.5-Pro สำหรับความสม่ำเสมอของวัตถุและการให้เหตุผลเชิงภาพ 2.5 สำหรับการสร้างและการแก้ไขที่ควบคุมได้ และ 2.5-Flash ที่ Microsoft อธิบายว่าพร้อมใช้งานจริงในราคาไม่ถึงครึ่งของรุ่นเรือธง หน้าโมเดลของ 2.5 มีแผนภูมิ "Image Arena Elo เทียบราคา API ต่อ 1,000 ภาพ" ซึ่งบอกว่าทีมกำลังปรับให้ดีที่สุดในเรื่องอะไร ไม่ใช่คุณภาพสูงสุดอย่างเดียว แต่เป็นคุณภาพต่อเงินที่จ่าย
สำหรับ 2.6 Microsoft บอกว่ายังมีอีกหลายอย่างที่ยังไม่ลงรายละเอียด ตั้งแต่ "การทำงานข้ามภาพอ้างอิงหลายภาพและการอิงบริบทที่หนาแน่นขึ้น ไปจนถึงการควบคุมการให้เหตุผล รูปแบบ และความละเอียดที่มากขึ้น" ก่อนที่สิ่งเหล่านี้จะเปิดให้ใช้จริง มันคือคำแถลงแผนงาน ไม่ใช่สเปก
บทเรียนที่ 1 : พรอมต์ยาวแบบมีโครงสร้างวางข้อเท็จจริงไว้คนละช่อง#
พรอมต์เบื้องหลังตัวอย่างความสมจริงในหน้า MAI-Image-2.5 ยาวราว 90 คำ และโครงสร้างของมันน่าสนใจกว่าความยาว

ลองอ่านใหม่โดยมองว่าเป็นฟอร์ม ไม่ใช่ประโยค ประโยคแรกคือตัวแบบ ท่าทาง การกระทำ และท้องฟ้า ประโยคที่สองคือทรงผมและเสื้อผ้า ประโยคที่สามคืออุปกรณ์ประกอบฉาก มือละหนึ่งชิ้น ประโยคที่สี่คือองค์ประกอบที่นับได้ จากนั้นบล็อกที่มีป้ายกำกับ Behind her: รับเอาทุกอย่างที่เป็นสภาพแวดล้อมไป แล้วปิดท้ายด้วยคำสั่งสไตล์สองคำ
มีสามสิ่งในโครงสร้างนี้ที่ทำงานจริง
- ใช้ชื่อสี ไม่ใช่คำคุณศัพท์ ทั้ง "hot pink" "neon lime-green" "dark navy" "gold" และ "flat gray" ไม่ใช่ "สว่าง" ไม่ใช่ "สีสันสดใส" ชื่อสีคือข้อจำกัดที่โมเดลทำได้สำเร็จหรือพลาดให้เห็นชัด ส่วน "vibrant" ไม่ใช่
- ใช้ตัวเลข ไม่ใช่คำบอกปริมาณกว้าง ๆ วลี "Five iridescent bubbles of varying sizes" ตรวจสอบได้ แต่ "some bubbles" ไม่ได้ ในผลลัพธ์ที่เผยแพร่ จำนวนนี้อยู่ครบจริง คุณยืนหน้าภาพแล้วนับได้ทีละฟอง และนั่นคือประเด็น
- พื้นหลังมีภาชนะของตัวเอง
Behind her:ล้อมสภาพแวดล้อมไว้ รายละเอียดของมันจึงไม่ไหลเข้าไปปนกับคำบรรยายตัวแบบ พรอมต์ยาวมักพังตรงที่โมเดลต้องเดาว่าคำขยายคำหนึ่งเป็นของคำนามตัวไหน
คำบอกสไตล์อยู่ท้ายสุด หลังเนื้อหา จึงไปขยายฉากที่ถูกระบุครบแล้ว แทนที่จะไปชี้นำองค์ประกอบภาพเสียเอง
เคล็ดลับ
เขียนพรอมต์ยาวเป็นช่อง ๆ ไม่ใช่เป็นความเรียง คือตัวแบบและการกระทำ แล้วรูปลักษณ์ แล้วอุปกรณ์ประกอบฉาก แล้วรายละเอียดที่นับได้ แล้วบล็อกสภาพแวดล้อมที่มีป้ายกำกับ แล้วจึงเป็นสไตล์ ถ้าคุณเองยังชี้ไม่ได้ว่าคำหนึ่งอยู่ช่องไหน โมเดลก็ชี้ไม่ได้เหมือนกัน
บทเรียนที่ 2 : พรอมต์สั้นซื้อองค์ประกอบภาพด้วยการเปรียบเทียบ#
ประกาศเปิดตัว MAI-Image-2 เผยแพร่พรอมต์ที่ต่างออกไปมาก ราว 30 คำ ไม่มีรูปประโยค มีแต่วลีเรียงตามลำดับความสำคัญ

วลีแรกคือกลเม็ดทั้งหมด "like a cathedral interior" ไม่ใช่การประดับประดา แต่เป็นคำสั่งเรื่ององค์ประกอบภาพที่ปลอมตัวมาเป็นคำเปรียบ มหาวิหารพาเพดานโค้ง โถงกลางที่ถอยลึกเข้าไป ซุ้มโค้ง ความสมมาตร และแสงที่เข้ามาจากปลายทางมาด้วยทั้งชุด ผลลัพธ์มีครบทั้งห้าอย่าง เพียงแต่ทำจากน้ำแข็ง ถ้าบรรยายเลย์เอาต์นั้นตรง ๆ จะกินสามสิบคำและน่าจะออกมาแข็งทื่อกว่า
หมัดที่สองที่ได้ผลคือ tiny human figure at base for scale มาตราส่วนคือสิ่งที่โมเดลสร้างภาพทำหายบ่อยที่สุด เพราะพื้นผิวไม่ได้บอกว่ามันใหญ่แค่ไหน การอ้างอิงร่างมนุษย์ที่ระบุตำแหน่งไว้ตรึงมันไว้ด้วยสี่คำ และแจ็กเก็ตสีแดงในผลลัพธ์ทำงานเรื่ององค์ประกอบภาพมากกว่าการถม "epic, massive, enormous" เท่าไรก็ตาม
คำท้าย ๆ อย่าง cinematic cold mist in air และ hyper-real detail คือบรรยากาศและคำสั่งการเรนเดอร์ และอยู่ท้ายสุดด้วยเหตุผลเดียวกับคำบอกสไตล์ในบทเรียนที่ 1
พรอมต์สองแบบนี้จึงไม่ใช่เวอร์ชันที่ดีกว่าและแย่กว่าของสิ่งเดียวกัน แต่เป็นเครื่องมือคนละชิ้น
| ใช้พรอมต์ยาวแบบมีโครงสร้างเมื่อ | ใช้พรอมต์สั้นแบบเรียงซ้อนเมื่อ |
|---|---|
| เสื้อผ้า อุปกรณ์ประกอบฉาก หรือรายละเอียดแบรนด์สำคัญ | คุณอยากได้ภาพแรงหนึ่งภาพแล้วค่อยไล่ปรับ |
| จะมีคนเอาผลลัพธ์ไปเทียบกับโจทย์ | อารมณ์ภาพสำคัญกว่ารายการของ |
| คุณต้องทำซ้ำให้ได้ในภายหลัง | คุณกำลังสำรวจลุคอยู่ |
| จำนวนและสีต่อรองไม่ได้ | คำเปรียบดี ๆ แบกองค์ประกอบภาพไหว |
บทเรียนที่ 3 : ในการแก้ไข พรอมต์หนึ่งอันควรเปลี่ยนหนึ่งอย่าง#
หน้า MAI-Image-2.5 สาธิตการแก้ไขด้วยพรอมต์สามอัน และสิ่งที่สะดุดตาคือแต่ละอันเล็กมาก
นี่คืออันแรก ก่อนและหลัง


พรอมต์นี้มีหกคำ คือกริยาหนึ่งคำ วัตถุที่ถูกเรียกชื่อหนึ่งชิ้น และค่าเป้าหมายหนึ่งค่า ไม่ได้พ่วงขอเปลี่ยนพื้นหลัง เปลี่ยนมุม หรือปรับแสงให้ดีขึ้น ความยับยั้งชั่งใจนี่แหละคือเทคนิค เพราะในการแก้ไข งานที่ยากที่สุดของโมเดลคือการรักษาไว้ ไม่ใช่การเปลี่ยน ทุกอย่างที่คุณเติมเข้าไปในคำสั่งคือโอกาสอีกหนึ่งครั้งที่มันจะตัดสินใจทำใหม่
สังเกตด้วยว่าวัตถุถูกเรียกชื่อ คำว่า "the tote" ให้สิ่งอ้างอิงที่ไม่กำกวมแก่โมเดล ถ้าบอกว่า "ทำให้มันเป็นสีส้ม" โมเดลจะต้องเลือกเองระหว่างกระเป๋า โต๊ะ และกำแพง
พรอมต์ที่สามที่ย้ายตัวแบบไปนิวยอร์กดูเหมือนเป็นงานใหญ่กว่ามาก และก็ใหญ่กว่าจริง แต่ยังเป็นงานหนึ่งอย่าง และยังเรียกชื่อสิ่งที่ต้องคงอยู่ไว้ด้วย คือ "the woman" พรอมต์ที่เปลี่ยนเมือง แต่งตัวใหม่ และเปลี่ยนช่วงเวลาไปพร้อมกัน จะทำให้คุณไม่มีทางรู้ว่าคำสั่งไหนทำให้ผลออกมาไม่ดี
คำเตือน
ลูกโซ่ของการแก้ไขเล็ก ๆ ก็คือลูกโซ่ของการเคลื่อนออกทีละนิดด้วย ตรวจรายละเอียดที่คุณให้ความสำคัญหลังทุกขั้น ไม่ใช่เฉพาะตอนจบ สีผิว รูปทรงของโลโก้ และตัวอักษร คือสามอย่างแรกที่ค่อย ๆ แย่ลงอย่างเงียบ ๆ เมื่อผ่านหลายรอบ
บทเรียนที่ 4 : การอ้างอิงวัฒนธรรมนั้นถูก แต่ซื้อได้แค่ฉาก#
พรอมต์ที่สั้นที่สุดในบรรดาที่เผยแพร่มีแปดคำ


แปดคำประกอบฉากที่เฉพาะเจาะจงมากขึ้นมาใหม่ ทั้งทางม้าลาย ถนนที่มีต้นไม้เรียงหดลึกเข้าไป รถโฟล์คเต่าสีขาวจอดอยู่ทางซ้าย รถยุคนั้น คนเดินถนนในเสื้อโค้ตยุคหกศูนย์ และการจัดเฟรมแบนตรงหน้า ถ้าเขียนออกมาให้ครบต้องใช้ทั้งย่อหน้า และก็ยังน่าจะพลาดรถเต่าอยู่ดี Microsoft จัดสิ่งนี้ไว้ใต้หัวข้อ "ความรู้เกี่ยวกับโลกและการให้เหตุผล" ซึ่งเป็นกรอบที่ถูกต้อง การอ้างอิงที่คนรู้จักกันดีคือพรอมต์ที่บีบอัดที่สุดเท่าที่มีให้ใช้
และมันยังควบคุมได้ยากที่สุดด้วย ตัวอย่างนี้แสดงให้เห็นชัดว่าขีดจำกัดอยู่ตรงไหน ลองเทียบสองภาพ ต้นฉบับคือชิวาวาขนสั้นสีครีมหูตั้งบนพื้นหลังสีดำ ผลลัพธ์คือสุนัขสีขาวสลับน้ำตาล ขนคนละแบบ สัดส่วนคนละอย่าง หูก็ไม่เหมือนกัน การอ้างอิงซื้อฉากมาได้ แต่ไม่ได้รักษาตัวแบบไว้
ความต่างตรงนี้คือบทเรียนที่ใช้งานได้จริง การอ้างอิงแบบย่อความเหมาะมากกับการตั้งโลกขึ้นมาหนึ่งใบ ทั้งแนวทาง ยุคสมัย ธรรมเนียมการจัดแสง และการวางเลย์เอาต์ แต่เชื่อถือไม่ได้ในเรื่องอัตลักษณ์ ถ้าใบหน้าใดใบหน้าหนึ่ง สัตว์เลี้ยงตัวหนึ่ง สินค้าชิ้นหนึ่ง หรือแพ็กเกจแบบหนึ่งต้องอยู่รอด ข้อกำหนดนั้นควรอยู่ในคำบรรยายที่ชัดเจนหรือในกระบวนการใช้ภาพอ้างอิง ไม่ใช่ในคำพาดพิงทางวัฒนธรรม
มีอีกสองข้อที่ควรจำไว้ การอ้างอิงทำงานเฉพาะเมื่อโมเดลรู้จักมัน การอ้างอิงที่คนรู้จักน้อยหรือจำกัดอยู่บางพื้นที่จึงค่อย ๆ กลายเป็นผลลัพธ์กลาง ๆ อย่างเงียบ ๆ และภาพที่โด่งดังมักมีประเด็นเรื่องสิทธิติดมาด้วย ซึ่งพรอมต์ไม่ได้จัดการให้คุณ
ทำไมการเรนเดอร์ข้อความจึงกลายเป็นตัวเลขพาดหัว#
จากทุกอย่างในประกาศของ 2.6 ตัวเลขที่ Microsoft เลือกแยกออกมาต่างหากคือเรื่องข้อความ +91 Elo ซึ่งสูงกว่าค่าเฉลี่ยรวมที่ +79 Elo นั่นคือการเน้นที่ตั้งใจ และงานตัวอย่างอธิบายว่าทำไม

การสะกดพาดหัวให้ถูกเป็นครึ่งที่ง่าย โปสเตอร์ข้างบนยังคงชื่อสถานที่ภาษาฝรั่งเศสที่มีเครื่องหมายเสริม เครื่องหมายดอกจันในระดับการแข่งขัน ชุดวันที่คั่นด้วยจุลภาค และที่สำคัญที่สุดคือลำดับความสำคัญ บรรทัดวันที่เป็นรอง พาดหัวเป็นหลัก ภาพประกอบได้พื้นที่สองในสามด้านบน โมเดลที่สะกดถูกหมดแต่ให้น้ำหนักสายตาเท่ากันกับข้อความทุกก้อน ก็ยังผลิตหน้างานที่ใช้ไม่ได้อยู่ดี
นี่คือส่วนของการสร้างภาพที่ใกล้กับงานที่มีคนจ่ายเงินมากที่สุด และเป็นเหตุผลที่คำพูดของพาร์ตเนอร์ในหน้า 2.5 กระจุกอยู่ตรงนี้ Rob Reilly ประธานเจ้าหน้าที่ฝ่ายสร้างสรรค์ระดับโลกของ WPP ยกความแม่นยำของข้อความให้เป็น "ความก้าวกระโดดที่แท้จริง" ควบคู่กับการแก้ไขด้วยภาษาธรรมชาติ ส่วน Vanessa Salvo จาก Shutterstock วางตัวชี้วัดไว้ที่ว่าโมเดล "แปลงเจตนาให้เป็นผลงานที่สม่ำเสมอและพร้อมใช้งานจริง" ได้หรือไม่ ทั้งแพ็กเกจสินค้า โปสเตอร์ เมนู และชิ้นงานแคมเปญ ล้วนพังที่งานตัวอักษรก่อนจะพังที่ความสมจริง
"อันดับ 2 บน Arena" บอกอะไร และไม่ได้บอกอะไร#
ผลของ Arena คือการเปรียบเทียบความชอบของคนแบบปิดชื่อ การขยับ Elo ก้อนใหญ่จึงเป็นสัญญาณจริงว่าคนชอบผลงานของมันมากกว่าในชุดพรอมต์ที่คละกัน นี่เป็นผลลัพธ์ของจริง และ +79 Elo ในราวสองเดือนก็ถือว่าไต่ขึ้นเร็ว
ขณะเดียวกันมันก็เป็นตัวเลขรวมเพียงตัวเดียว ประกาศของ Microsoft ไม่ได้เผยแพร่ค่า Elo รายหมวด ช่วงความเชื่อมั่น ขนาดของชุดพรอมต์ หรือชื่อโมเดลที่อยู่เหนือขึ้นไป ณ วันที่ 14 สิงหาคม 2026 หลายอย่างที่ทีมงานต้องใช้ก่อนตัดสินใจวางระบบยังไม่ถูกเปิดเผย
- ราคา API ต่อภาพของระดับ 2.6
- ความละเอียดดั้งเดิมและความละเอียดสูงสุด
- ตัวเลขความหน่วงของการสร้างและการแก้ไข
- ความสามารถด้านภาพอ้างอิงหลายภาพและการอิงบริบทที่บอกว่า "เร็ว ๆ นี้"
- รายงานทางเทคนิคที่รองรับส่วนต่าง Elo
หมายเหตุ
อันดับรวมบน Arena บอกไม่ได้ว่าโมเดลนั้นเหมาะกับงานเฉพาะของคุณหรือไม่ แพ็กเกจสินค้าที่มีข้อความหนาแน่นในอักษรที่ไม่ใช่ละติน ใบหน้าที่ต้องซ้ำให้เหมือนกันในสิบสองช็อต และไฟล์พื้นหลังโปร่งใสสำหรับ UI เกม คือการทดสอบสามแบบที่ต่างกัน โมเดลหนึ่งนำในภาพรวมได้ แต่ก็แพ้ในข้อใดข้อหนึ่งได้เหมือนกัน
การอ่าน 2.6 อย่างซื่อตรงนั้นแคบแต่ยังมีประโยชน์ คือ Microsoft ไล่ปรับตระกูลนี้อย่างรวดเร็ว และเล็งส่วนที่ดีขึ้นไปที่ผลงานเชิงพาณิชย์ ทั้งข้อความ ภาพบุคคล สินค้า และแบรนด์ มากกว่าจะเล็งไปที่ความตระการตา
ใช้สี่รูปแบบนี้บน OmniArt#
ตอนนี้ MAI-Image ยังไม่มีในพื้นที่ทำงานสร้างภาพของ OmniArt แต่รูปแบบพรอมต์มีอยู่ และไม่ผูกกับโมเดลใด เลือกจากว่างานของคุณเป็นงานแบบไหนในสี่แบบนี้
| รูปแบบ | ใช้ทำอะไร | จุดเริ่มต้นบน OmniArt |
|---|---|---|
| พรอมต์ยาวแบบมีโครงสร้าง | โจทย์ที่ต้องตรวจเสื้อผ้า อุปกรณ์ สี และจำนวน | GPT Image 2 |
| พรอมต์สั้นแบบเรียงซ้อนพร้อมคำเปรียบ | ภาพเดี่ยวแนวซินีมาติกและการสำรวจอารมณ์ภาพ | Seedream 5.0 Pro |
| แก้ไขทีละหนึ่งอย่างต่อหนึ่งรอบ | เปลี่ยนสีสินค้า เพิ่มองค์ประกอบ ย้ายฉากแบบคุมได้ | Nano Banana 2 |
| การอ้างอิงย่อความบวกคำบรรยายอัตลักษณ์ | การสร้างฉากที่ตัวแบบต้องคงเดิม | Seedream 5.0 Pro กับภาพอ้างอิง |
| การไล่ปรับต้นทุนต่ำก่อนตัดสินใจ | ทดสอบโครงสร้างพรอมต์แบบราคาถูก | Qwen Image |
แบบฝึกหัดที่ได้ผลคือ รันพรอมต์ดาดฟ้าข้างบนตามเดิมหนึ่งครั้ง แล้วรันอีกครั้งโดยเปลี่ยนชื่อสีเป็นคำคุณศัพท์ ("a pink bottle" "a green wand") และเปลี่ยนจำนวนเป็น "some bubbles" ช่องว่างระหว่างผลลัพธ์สองอันคือมูลค่าของโครงสร้าง วัดจากโมเดลของคุณเอง ไม่ใช่จากแกลเลอรีในหน้าเปิดตัว
หากอยากดูการเทียบกันตรง ๆ เรื่องเลย์เอาต์และความสมจริง อ่านGPT Image 2 เทียบกับ Nano Banana 2 สำหรับความสม่ำเสมอที่ขับด้วยภาพอ้างอิง คู่มือการเปิดตัว Seedream 5.0 Pro อธิบายอินพุตและการควบคุมของมัน ส่วนคู่มือ Qwen Image คือเส้นทางต้นทุนต่ำสำหรับงานร่างช่วงแรก และถ้าอยากอ่านบทวิเคราะห์การเปิดตัวแบบใกล้เคียงกัน Grok Imagine Image 2.0 ให้คำกล่าวอ้างเรื่อง Arena คล้ายกันในสัปดาห์เดียวกัน
คำถามที่พบบ่อย#
MAI-Image-2.6 คืออะไร
MAI-Image-2.6 คือโมเดลสร้างภาพจากข้อความของ Microsoft AI ที่ประกาศเมื่อวันที่ 10 สิงหาคม 2026 Microsoft ระบุว่าอยู่อันดับสองบนกระดานจัดอันดับสร้างภาพจากข้อความของ Arena ดีขึ้น +79 Elo จาก MAI-Image-2.5 และการเรนเดอร์ข้อความดีขึ้น +91 Elo
MAI-Image-2.6 ต่างจาก MAI-Image-2.5 อย่างไร
Microsoft ระบุว่าดีขึ้นในทุกหมวดของ Arena ที่วัด โดยเน้นเป็นพิเศษที่การเรนเดอร์ข้อความ ภาพบุคคลและงาน 3D และผลงานเชิงพาณิชย์กับงานสมจริงที่เนี้ยบขึ้นทั้งด้านสินค้า แบรนด์ และซินีมาติก ส่วนอินพุตภาพอ้างอิงหลายภาพ การอิงบริบทที่หนาแน่นขึ้น และการควบคุมการให้เหตุผล รูปแบบ กับความละเอียด ถูกอธิบายว่ากำลังจะมา โดยยังไม่มีรายละเอียดเผยแพร่
ใช้ MAI-Image-2.6 ได้ที่ไหน
ประกาศของ Microsoft ระบุว่าใช้สร้างภาพจากข้อความได้บน Arena จะมาที่ MAI Playground ในช่วงปลายสัปดาห์เดียวกัน แล้วทยอยเปิดใช้บน Microsoft Foundry และผลิตภัณฑ์อื่น
OmniArt มี MAI-Image ให้ใช้ไหม
ไม่มี รายการโมเดลสร้างภาพของ OmniArt ไม่มี MAI-Image รูปแบบพรอมต์ในบทความนี้ไม่ผูกกับโมเดลใด จึงใช้กับโมเดลสร้างภาพที่ OmniArt มีให้ได้
ตระกูล MAI-Image-2.5 มีอะไรบ้าง
มีสามตัว คือ MAI-Image-2.5-Pro สำหรับความสม่ำเสมอของวัตถุและการให้เหตุผลเชิงภาพ MAI-Image-2.5 สำหรับการสร้างคุณภาพสูงพร้อมการแก้ไขที่ควบคุมได้ และ MAI-Image-2.5-Flash ที่อธิบายว่าพร้อมใช้งานจริงในราคาไม่ถึงครึ่งของรุ่นเรือธง
รูปแบบพรอมต์เหล่านี้ใช้กับโมเดลอื่นได้ไหม
ได้ ทั้งชื่อสี จำนวนที่ระบุชัด บล็อกพื้นหลังที่ล้อมแยกไว้ จุดอ้างอิงมาตราส่วน การแก้ไขทีละหนึ่งอย่าง และคำเปรียบที่แบกองค์ประกอบภาพ ล้วนเป็นเทคนิคพรอมต์ทั่วไป สิ่งที่ต่างกันระหว่างโมเดลคือแต่ละข้อถูกทำตามอย่างสม่ำเสมอแค่ไหน ซึ่งควรลองกับโมเดลที่คุณใช้จริง
เริ่มต้นบน OmniArt#
เปิดพื้นที่ทำงานสร้างภาพของ OmniArt แล้วรันโจทย์เดียวผ่านสองในสี่รูปแบบข้างบน คือเวอร์ชันยาวแบบมีโครงสร้างและเวอร์ชันสั้นแบบเรียงซ้อนของไอเดียเดียวกัน คงตัวแบบไว้เหมือนเดิมแล้วเปลี่ยนเฉพาะรูปแบบของพรอมต์ การเทียบเพียงครั้งเดียวนี้จะบอกเรื่องโมเดลของคุณได้มากกว่าอันดับบนกระดานใด ๆ
จากนั้นให้ถือว่าการแก้ไขเป็นงานอีกส่วนหนึ่ง คือเลือกภาพหนึ่งภาพให้ผ่านก่อน แล้วเปลี่ยนหนึ่งอย่างต่อหนึ่งพรอมต์ และตรวจรายละเอียดที่คุณให้ความสำคัญหลังทุกรอบ OmniArt รวมโมเดลภาพ วิดีโอ เสียง และเพลงไว้ในพื้นที่ทำงานเดียว ภาพนิ่งที่ผ่านแล้วจึงไปต่อเป็นภาพเคลื่อนไหวได้โดยไม่ต้องเปลี่ยนเครื่องมือ และเมื่อโมเดลใหม่พิสูจน์ตัวเองจนได้เข้ามาอยู่ในรายการ วิธีเขียนพรอมต์ที่คุณฝึกไว้แล้วก็ตามไปด้วย


