Imagen a imagen con IA: transforma tus fotos con referencias

Acepta más imágenes de referencia por edición que ningún otro modelo de la plataforma: hasta 16 entradas simultáneas. Aporta una guía de marca, una maqueta objetivo, una referencia de producto, una paleta de color y fotos de entorno en una sola petición. El modelo sintetiza el contexto de las 16 fuentes para producir una edición que respeta cada entrada a la vez. Salida en 1024 px (calidad media) o 1536 px (calidad alta) en los formatos 1:1, 2:3 y 3:2.

Aplica transferencia de estilo artístico en 4K nativo —hasta 4096×4096 px— con hasta 14 imágenes de referencia. El modelo traslada el lenguaje visual de las referencias de estilo a tu foto original sin desplazar el sujeto ni la composición. Los niveles 2K y 4K usan el mismo pipeline de renderizado. Ocho formatos admitidos, incluido el ultraancho 21:9. La elección directa cuando la transformación artística exige resolución máxima.

Mantiene un rendimiento líder en los benchmarks de edición guiada por referencias: el estándar de calidad para transformar fotos con precisión y rapidez. Acepta hasta 8 imágenes de referencia y procesa la mayoría de ediciones en segundos, en 1K o 2K y 7 formatos. Pensado para pipelines de producción donde el plazo importa: cambios de fondo en serie, variantes de fotos de producto e iteraciones de paleta a gran escala.

El modelo de preservación de identidad de Google trata la geometría facial, el peinado, la construcción de la ropa y las marcas como restricciones firmes que sobreviven a cada transformación. Acepta hasta 8 imágenes de referencia para guiar estilo y entorno. Salida en 1K, 2K o 4K en 11 formatos, incluida la detección automática. El modelo adecuado cuando una persona, un personaje o un elemento de marca debe mantenerse visualmente idéntico en una serie de ediciones.

El modelo de edición anclado en la búsqueda de Google verifica los sujetos reales durante la transformación: las ediciones con marcas, productos o lugares reconocibles reflejan su apariencia real verificada y no la memoria aproximada del modelo. Acepta 14 imágenes de referencia para ediciones complejas multielemento. Salida en 4K en 15 formatos a velocidad Flash. Ideal para previsualización editorial, composiciones de producto fieles y contenido de marca con elementos reales.

El modelo de edición con razonamiento de ByteDance aplica lógica visual «Chain-of-Thought» a las ediciones que exigen recomposición espacial: ajustar una pose, reposicionar varios sujetos en el encuadre o reestructurar disposiciones coreográficas. Procesa 14 imágenes de referencia para preservar la identidad mientras transforma las relaciones espaciales. Salida en 2K o 3K en 8 formatos. Hecho a medida para previsualización de movimiento y reestructuración de escenas complejas.