Felo API PlatformFelo API Platform
חזרה למודלים

Microsoft AI: MAI-Image-2.7 API

MAI-Image-2.7 יוצר ועורך תמונות פוטוריאליסטיות עם עקביות חזותית ושליטה מדויקת בפרטים.

MAI-Image-2.7 מבית Microsoft AI הוא מודל תמונה המקבל קלט טקסט ותמונה ומפיק תמונות. הוא יוצר תמונות מהנחיות טקסט באמצעות גישה המבוססת על דיפוזיה, וכן מאפשר עריכה של תמונות קיימות באמצעות טרנספורמציה מתמונה לתמונה. ניתן להסיר, להחליף ולשנות תכונות של אובייקטים תוך שמירה על הקומפוזיציה והפריסה.

המודל מתאים ליצירה ולעיצוב, לשינוי סגנון ותאורה של סצנות, לשיקום ושיפור נכסים קיימים וליצירת איורים. הוא תומך בצביעה בתוך אזורים, בעדכון טקסט ובהסרת טשטוש תנועה, ושומר על עקביות חזותית בעריכות חוזרות. הוא גם מרנדר טקסט בתוויות, פוסטרים, אריזות ושלטים, ומפיק פורטרטים פוטוריאליסטיים, תמונות מוצרים, נכסי מותג ועיצובים מסחריים.

MAI-Image-2.7 זמין בתצוגה מקדימה ציבורית ב-Microsoft Foundry, וכן דרך fal, Genspark, OpenRouter ו-Vercel. גרסת MAI-Image-2.7 Flash מיועדת לעומסי עבודה בייצור ומפעילה את Canvas. משפחת MAI Image היא משפחת ברירת המחדל של Bing Image Creator.

עודכן:

MODEL ID

mai-image-2.7
הקשר
4.096K
פלט מרבי
1.024K
קלט
text / image
פלט
image

עיקרי הדברים

  • עריכה מדויקת ונשלטת
  • עקביות חזותית חזקה
  • רינדור טקסט בתמונות
  • פלט פוטוריאליסטי
  • שמירה על פריסת התמונה

ספקים

1 ספקים

השוו מחירי API בין ספקים. בחרו ספק כדי לראות את כל החיובים והתנאים.

ספק · פירוט תמחור
זמינות

בנצ׳מרקים

  • AA-Image-Editing v2.1

    דירוג Elo, על סמך5,478 הצבעות; מקום1 נכון ל-2026-11-16.

    1215
  • Artificial Analysis scene and style

    דירוג Elo גבוה ב-24 נקודות מהמודל הבא.

    24
  • Artificial Analysis live-action film

    המודל דורג במקום הראשון.

    מקום1
  • Artificial Analysis consumer

    המודל דורג במקום הראשון.

    מקום1
  • Artificial Analysis frontier editing

    המודל דורג במקום הראשון.

    מקום1

ציונים כפי שפורסמו על ידי ספק המודל.

התחלה מהירה

שלחו משימת תמונה, בדקו את מצבה ושמרו את התמונות. הדוגמאות משתמשות ב-curl ובספרייה התקנית של Python 3.

POST https://openapi.felo.ai/api/v1/images/generations

1קבלו את מפתח ה-API שלכם

צרו מפתח בחשבון Felo API Platform שלכם והגדירו אותו כמשתנה סביבה.

export FELO_API_KEY="YOUR_API_KEY"

2שלחו את הבקשה הראשונה

ערכים אופציונליים משתנים לפי המודל ואינם מוגדרים כאן. בדקו אותם ב-Playground. השדות נמצאים לצד model ו-prompt, ללא עטיפת 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"
}'

3בדיקת המשימה

השליחה מחזירה task_id. בדקו כל 3 שניות במצב queued או running; עצרו ב-succeeded, failed או interrupted. ההמתנה מוגבלת ל-30 דקות. שמרו created.json כדי להמשיך לבדוק בלי לשלוח שוב.

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")
PY

4הורדת הפלט

לאחר הצלחה, שמרו outputs מתוך task.json. נתמכים קישורי HTTPS, אובייקטי URL ו-b64_json. הורידו קישורים חתומים בהקדם; להורדת תמונות אין צורך במפתח 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)
PY
input_references

לעריכת תמונה, החליפו את כתובת הדוגמה בכתובת HTTPS שלכם או ב-data URL של תמונת base64. שלחו פעם אחת והמשיכו באותם שלבי בדיקה ושמירה.

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"
      }
    }
  ]
}'

פרמטרים נתמכים

  • n
  • background
  • max_tokens
  • temperature
  • aspect_ratio
  • input_references
  • max_completion_tokens

מעדיפים את העיון המלא?

מסמכי API →

שאלות נפוצות

מהו Microsoft AI: MAI-Image-2.7?

MAI-Image-2.7 מבית Microsoft AI הוא מודל תמונה המקבל קלט טקסט ותמונה ומפיק תמונות. הוא יוצר תמונות מהנחיות טקסט באמצעות גישה המבוססת על דיפוזיה, וכן מאפשר עריכה של תמונות קיימות באמצעות טרנספורמציה מתמונה לתמונה. ניתן להסיר, להחליף ולשנות תכונות של אובייקטים תוך שמירה על הקומפוזיציה והפריסה. המודל מתאים ליצירה ולעיצוב, לשינוי סגנון ותאורה של סצנות, לשיקום ושיפור נכסים קיימים וליצירת איורים. הוא תומך בצביעה בתוך אזורים, בעדכון טקסט ובהסרת טשטוש תנועה, ושומר על עקביות חזותית בעריכות חוזרות. הוא גם מרנדר טקסט בתוויות, פוסטרים, אריזות ושלטים, ומפיק פורטרטים פוטוריאליסטיים, תמונות מוצרים, נכסי מותג ועיצובים מסחריים. MAI-Image-2.7 זמין בתצוגה מקדימה ציבורית ב-Microsoft Foundry, וכן דרך fal, Genspark, OpenRouter ו-Vercel. גרסת MAI-Image-2.7 Flash מיועדת לעומסי עבודה בייצור ומפעילה את Canvas. משפחת MAI Image היא משפחת ברירת המחדל של Bing Image Creator.

איך מחייבים על השימוש?

החיוב שלכם תלוי בספק שאתם משתמשים בו, במחירים שלו ובשימוש שלכם. קלט ארוך יותר או תנאים אחרים עשויים להיות במחיר שונה. החיוב מבוסס על עלות היצירה בפועל. ראו את החשבונית לסכום הסופי.

אילו סוגי קלט ופלט המודל תומך?

המודל תומך בקלט טקסט ובקלט תמונה, ומפיק פלט תמונה.

אילו עריכות אפשר לבצע?

אפשר להסיר, להחליף ולשנות תכונות של אובייקטים, לבצע צביעה בתוך אזורים, לעדכן טקסט ולהסיר טשטוש תנועה, תוך שמירה על הקומפוזיציה והפריסה.

לאילו משימות המודל מתאים?

הוא מתאים ליצירה ולעיצוב, לשינוי סגנון ותאורה, לשיקום נכסים, ליצירת איורים, ליצירת לוגואים ואייקונים וליצירת תמונות מוצרים.

מה ההבדל בינו לבין MAI-Image-2.6?

לפי הנתונים שסופקו, MAI-Image-2.7 השתפר בכל10 מקרי השימוש שנבדקו ובכל7 פעולות העריכה בהשוואה ל-MAI-Image-2.6.

מודלים קשורים