Imagem para imagem com IA: transforme fotos com referências

Aceita mais imagens de referência por edição que qualquer outro modelo da plataforma: até 16 entradas simultâneas. Forneça um guia de marca, um mockup-alvo, uma referência de produto, uma paleta de cores e fotos de ambiente em um só pedido. O modelo sintetiza o contexto das 16 fontes para produzir uma edição que respeita cada entrada ao mesmo tempo. Saída em 1024 px (qualidade média) ou 1536 px (qualidade alta) nos formatos 1:1, 2:3 e 3:2.

Aplica transferência de estilo artístico em 4K nativo —até 4096×4096 px— com até 14 imagens de referência. O modelo transfere a linguagem visual das referências de estilo para a sua foto original sem deslocar o sujeito nem a composição. Os níveis 2K e 4K usam o mesmo pipeline de renderização. Oito formatos suportados, incluindo o ultralargo 21:9. A escolha direta quando a transformação artística exige resolução máxima.

Mantém um desempenho líder nos benchmarks de edição guiada por referências: o padrão de qualidade para transformar fotos com precisão e rapidez. Aceita até 8 imagens de referência e processa a maioria das edições em segundos, em 1K ou 2K e 7 formatos. Pensado para pipelines de produção em que o prazo importa: trocas de fundo em série, variantes de fotos de produto e iterações de paleta em grande escala.

O modelo de preservação de identidade do Google trata a geometria facial, o penteado, a construção da roupa e as marcas como restrições firmes que sobrevivem a cada transformação. Aceita até 8 imagens de referência para guiar estilo e ambiente. Saída em 1K, 2K ou 4K em 11 formatos, incluindo a detecção automática. O modelo certo quando uma pessoa, um personagem ou um elemento de marca precisa ficar visualmente idêntico em uma série de edições.

O modelo de edição ancorado na busca do Google verifica sujeitos reais durante a transformação: edições com marcas, produtos ou lugares reconhecíveis refletem a aparência real verificada e não a memória aproximada do modelo. Aceita 14 imagens de referência para edições complexas multielemento. Saída em 4K em 15 formatos em velocidade Flash. Ideal para prévia editorial, composições de produto fiéis e conteúdo de marca com elementos reais.

O motor de raciocínio da ByteDance aplica lógica visual «Chain-of-Thought» às edições que exigem recomposição espacial: ajustar uma pose, reposicionar vários sujeitos no quadro ou reestruturar disposições coreográficas. Processa 14 imagens de referência para preservar a identidade enquanto transforma as relações espaciais. Saída em 2K ou 3K em 8 formatos. Feito sob medida para prévia de movimento e reestruturação de cenas complexas.