Microsoft AI: MAI-Image-2.7 API
MAI-Image-2.7 génère et retouche des images photoréalistes avec précision, cohérence visuelle et rendu fiable du texte intégré.
MAI-Image-2.7 est un modèle de génération d’images fondé sur la diffusion, prenant en charge les entrées textuelles et visuelles et produisant des images. Il crée des scènes, des portraits haute fidélité, des visuels de produits, des éléments de marque et des designs commerciaux à partir d’instructions textuelles ou d’images existantes.
Il convient à la retouche image-à-image, au remplissage génératif, à la suppression ou au remplacement d’objets, à la modification de leurs attributs, ainsi qu’à la mise à jour de textes et à la suppression d’artefacts de flou de mouvement. Il préserve la composition, la mise en page et la cohérence visuelle lors des modifications successives.
Ce modèle est adapté à la création et au design, au restylage ou au changement d’éclairage de scènes, à la restauration d’éléments existants, à la création de logos et d’icônes, ainsi qu’à l’intégration de textes et de symboles dans des étiquettes, affiches, emballages et panneaux. Il est disponible en aperçu public dans Microsoft Foundry et directement via Azure.
Mis à jour:
ID DU MODÈLE
mai-image-2.7- Contexte
- 4.096K
- Sortie max.
- 1.024K
- Entrée
- text / image
- Sortie
- image
Points clés
- Retouche précise et contrôlable
- Cohérence visuelle préservée
- Texte mieux rendu
- Sorties photoréalistes
- Retouche d’images existantes
Fournisseurs
Comparez les prix des API entre fournisseurs. Sélectionnez un fournisseur pour voir tous les tarifs et conditions.
| Disponibilité | |
|---|---|
Les statistiques historiques ne sont pas un contrôle en direct. Une donnée manquante ne signifie pas une panne.
Benchmarks
- 1215
AA-Image-Editing v2.1
Score Elo établi à partir de5,478 votes ; classé1er au2026-11-16.
- 24
Artificial Analysis scene and style
Score Elo supérieur à celui du modèle suivant.
- 1er
Artificial Analysis live-action film
Classé1er.
- 1er
Artificial Analysis consumer
Classé1er.
- 1er
Artificial Analysis frontier editing
Classé1er.
Scores tels que publiés par le fournisseur du modèle.
Démarrage rapide
Envoyez une tâche image, consultez son état, puis enregistrez les images. Les exemples utilisent curl et la bibliothèque standard de Python 3.
POST https://openapi.felo.ai/api/v1/images/generations
1Configurer votre clé API
Créez une clé depuis votre compte Felo API Platform et définissez-la comme variable d'environnement.
export FELO_API_KEY="YOUR_API_KEY"2Effectuer votre première requête
Les valeurs facultatives dépendent du modèle et ne sont pas prédéfinies ici. Vérifiez-les dans Playground. Les champs sont au même niveau que model et prompt, sans enveloppe input.
curl --fail-with-body --max-time 60 "https://openapi.felo.ai/api/v1/images/generations" \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-o created.json \
-d '{
"prompt": "A studio product photo of a ceramic coffee cup on warm linen, soft morning light",
"model": "mai-image-2.7"
}'3Interroger la tâche
La soumission renvoie task_id. Interrogez toutes les 3 secondes pendant queued ou running ; arrêtez à succeeded, failed ou interrupted. Attente maximale : 30 minutes. Gardez created.json pour reprendre sans soumettre une nouvelle tâche.
python3 - <<'PY'
import json, os, time
from pathlib import Path
from urllib.parse import quote
from urllib.request import Request, urlopen
task = json.loads(Path("created.json").read_text())
task_id = task["task_id"]
url = "https://openapi.felo.ai/api/v1/images/generations/" + quote(task_id, safe="")
headers = {"Authorization": "Bearer " + os.environ["FELO_API_KEY"]}
deadline = time.monotonic() + 1800
while task["status"] in ("queued", "running"):
if time.monotonic() >= deadline:
raise TimeoutError(f"Keep task_id={task_id} to resume polling")
time.sleep(3)
with urlopen(Request(url, headers=headers), timeout=60) as response:
task = json.load(response)
if task.get("task_id") != task_id or task.get("kind") != "image":
raise ValueError("Unexpected task response")
print(task["status"])
if task["status"] != "succeeded":
raise RuntimeError(task.get("error") or task["status"])
if not task.get("outputs"):
raise ValueError("Task succeeded without image outputs")
Path("task.json").write_text(json.dumps(task))
print("Saved task.json")
PY4Télécharger la sortie
Après réussite, enregistrez outputs depuis task.json : URL HTTPS, objets URL ou b64_json. Téléchargez rapidement les URL signées. Le téléchargement des images ne nécessite pas de clé API.
python3 - <<'PY'
import base64, json
from pathlib import Path
from urllib.request import urlopen
task = json.loads(Path("task.json").read_text())
if task.get("status") != "succeeded" or not task.get("outputs"):
raise ValueError("No completed image outputs")
extensions = {"image/png": ".png", "image/jpeg": ".jpg", "image/webp": ".webp", "image/gif": ".gif", "image/avif": ".avif"}
for index, output in enumerate(task["outputs"], 1):
item = output if isinstance(output, dict) else {}
url = output if isinstance(output, str) else item.get("url") or item.get("unsigned_url")
mime = item.get("media_type") or "image/png"
if url and url.startswith("https://"):
with urlopen(url, timeout=60) as response:
data = response.read()
mime = response.headers.get_content_type()
elif url and url.startswith("data:image/") and ";base64," in url:
header, encoded = url.split(",", 1)
mime = header[5:].split(";", 1)[0]
data = base64.b64decode(encoded, validate=True)
elif item.get("b64_json"):
data = base64.b64decode(item["b64_json"], validate=True)
else:
raise ValueError("Unrecognized image output")
path = Path(f"image-{index}" + extensions.get(mime, ".bin"))
path.write_bytes(data)
print(path)
PYinput_references
Pour modifier une image, remplacez l’URL par votre URL HTTPS ou une data URL d’image en base64. Soumettez une fois, puis suivez les mêmes étapes de consultation et d’enregistrement.
curl --fail-with-body --max-time 60 "https://openapi.felo.ai/api/v1/images/generations" \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-o created.json \
-d '{
"prompt": "Keep the product and framing. Replace the background with a sunlit marble countertop.",
"model": "mai-image-2.7",
"input_references": [
{
"type": "image_url",
"image_url": {
"url": "https://example.com/product.png"
}
}
]
}'Paramètres pris en charge
- n
- background
- max_tokens
- temperature
- aspect_ratio
- input_references
- max_completion_tokens
Besoin de la référence complète ?
Référence API →Questions fréquentes
Qu'est-ce que Microsoft AI: MAI-Image-2.7?
MAI-Image-2.7 est un modèle de génération d’images fondé sur la diffusion, prenant en charge les entrées textuelles et visuelles et produisant des images. Il crée des scènes, des portraits haute fidélité, des visuels de produits, des éléments de marque et des designs commerciaux à partir d’instructions textuelles ou d’images existantes. Il convient à la retouche image-à-image, au remplissage génératif, à la suppression ou au remplacement d’objets, à la modification de leurs attributs, ainsi qu’à la mise à jour de textes et à la suppression d’artefacts de flou de mouvement. Il préserve la composition, la mise en page et la cohérence visuelle lors des modifications successives. Ce modèle est adapté à la création et au design, au restylage ou au changement d’éclairage de scènes, à la restauration d’éléments existants, à la création de logos et d’icônes, ainsi qu’à l’intégration de textes et de symboles dans des étiquettes, affiches, emballages et panneaux. Il est disponible en aperçu public dans Microsoft Foundry et directement via Azure.
Comment l'usage est-il facturé ?
Votre facture dépend du fournisseur utilisé, de ses tarifs et de votre usage. Des entrées plus longues ou d'autres conditions peuvent avoir des tarifs différents. Facturé selon le coût réel de génération. Consultez votre facture pour le montant final.
Quelles entrées et sorties sont prises en charge ?
MAI-Image-2.7 prend en charge les entrées textuelles et visuelles, avec une sortie sous forme d’image.
Quelles retouches peut-il effectuer ?
Il peut supprimer, remplacer ou modifier des objets, réaliser du remplissage génératif, mettre à jour du texte et supprimer des artefacts de flou de mouvement, tout en préservant la composition.
Pour quelles tâches est-il adapté ?
Il convient à la génération créative, au design, au restylage et à la restauration d’images, ainsi qu’aux visuels de produits, logos, icônes et éléments de marque.
Comment se compare-t-il à MAI-Image-2.6 ?
MAI-Image-2.7 est amélioré sur les10 cas d’usage évalués et les7 actions de retouche, avec un rendu du texte et un photoréalisme améliorés.