画像から画像 AI — 参照画像で写真を変換

1 回の編集でプラットフォーム最多となる最大 16 枚の参照画像を同時に受け付けます。ブランドガイド、ターゲットのモックアップ、商品参照、カラーパレット、環境写真を 1 つのリクエストに投入可能。モデルは 16 のソースすべての文脈を統合し、各入力を同時に尊重した編集を生成します。出力は 1024px（中品質）または 1536px（高品質）、形式は 1:1・2:3・3:2。

最大 14 枚の参照画像とともに、ネイティブ 4K（最大 4096×4096px）でアートスタイル転送を適用します。モデルはスタイル参照の視覚言語を、被写体や構図を動かさずに元写真へ転写します。2K と 4K は同じレンダリングパイプライン。ウルトラワイド 21:9 を含む 8 形式に対応。アート変換に最大解像度が必要なら、これが直球の選択です。

参照ガイド編集のベンチマークでトップの性能を維持。写真を正確かつ高速に変換する品質基準です。最大 8 枚の参照画像を受け付け、ほとんどの編集を数秒で処理。1K・2K の 7 形式に対応。納期が問われる制作パイプラインのために設計されています：大量の背景変更、商品写真のバリエーション、大規模なパレット反復。

Google のアイデンティティ保持モデルは、顔の形状、髪型、服の構造、ブランド要素を、あらゆる変換を生き延びる強固な制約として扱います。スタイルと環境を導く最大 8 枚の参照画像に対応。出力は 1K・2K・4K、自動検出を含む 11 形式。人物・キャラクター・ブランド要素が一連の編集で視覚的に同一であり続ける必要があるときの正解です。

Google の検索グラウンディング編集モデルは、変換中に実在の被写体を検証します。ブランド、商品、有名な場所を含む編集が、モデルの曖昧な記憶ではなく検証済みの実際の見た目を反映します。複雑な複数要素の編集のために 14 枚の参照画像を受け付け、15 形式の 4K を Flash 速度で出力。編集プレビュー、忠実な商品合成、実在要素を含むブランドコンテンツに最適です。

ByteDance の推論エンジンは、空間の再構成が必要な編集に「Chain-of-Thought」視覚ロジックを適用します。ポーズの調整、フレーム内での複数被写体の再配置、振り付けのような配置の再構築など。アイデンティティを保持しながら空間関係を変換するために 14 枚の参照画像を処理。2K・3K の 8 形式に対応。モーションのプレビューや複雑なシーンの組み替えのために作られています。