Felo API PlatformFelo API Platform
मॉडल पर वापस जाएँ

Microsoft AI: MAI-Image-2.7 Flash API

तेज़, नियंत्रित इमेज निर्माण और संपादन के लिए मॉडल।

Microsoft AI का MAI-Image-2.7 Flash एक diffusion-आधारित टेक्स्ट-टू-इमेज मॉडल है, जो इमेज इनपुट लेकर सटीक और नियंत्रित इमेज-टू-इमेज संपादन कर सकता है। यह अधिकतम5 शैली या विषय संदर्भ इमेज के आधार पर एसेट बना सकता है और आउटपुट हमेशा base64-एन्कोडेड JSON ऑब्जेक्ट में PNG के रूप में लौटाता है।

यह मॉडल तेज़, कम लागत वाले ड्राफ्ट, उच्च-वॉल्यूम निर्माण, उत्पाद फ़ोटो सुधार, पारदर्शी पृष्ठभूमि, ऑब्जेक्ट प्रतिस्थापन और रंग या सामग्री में क्रमिक बदलाव के लिए उपयुक्त है। स्टोरफ़्रंट, साइनेज और मार्केटिंग विज़ुअल में सटीक टेक्स्ट रेंडरिंग भी इसका उपयोगी क्षेत्र है। गति के लिए यह कुछ fidelity का त्याग करता है और इसमें टेक्स्ट reasoning, tool use या web search शामिल नहीं हैं।

समय-सीमितमुफ़्त ट्रायल

अपडेट किया गया:

मॉडल ID

mai-image-2.7-flash
कॉन्टेक्स्ट
4.096K
अधिकतम आउटपुट
1.024K
इनपुट
text / image
आउटपुट
image

मुख्य बातें

  • तेज़ इमेज निर्माण
  • नियंत्रित इमेज संपादन
  • अधिकतम5 संदर्भ इमेज
  • सटीक टेक्स्ट रेंडरिंग
  • उच्च-वॉल्यूम पाइपलाइन

प्रदाता

1 प्रदाता

प्रदाताओं के बीच API कीमतों की तुलना करें। सभी शुल्क और शर्तें देखने के लिए किसी प्रदाता को चुनें।

प्रदाता · कीमत का विवरण
उपलब्धता

बेंचमार्क

  • Artificial Analysis leaderboard — image editing

    इमेज संपादन में रैंक7

    7
  • Artificial Analysis leaderboard — text-to-image generation

    टेक्स्ट-टू-इमेज निर्माण में रैंक11

    11
  • Artificial Analysis — scene and style editing

    दृश्य और शैली संपादन में रैंक3

    3
  • Artificial Analysis — enhancement and restoration

    enhancement और restoration में रैंक4

    4

स्कोर मॉडल प्रदाता के प्रकाशित आँकड़ों के अनुसार।

त्वरित शुरुआत

इमेज कार्य भेजें, स्थिति जाँचें और इमेज सहेजें। उदाहरण curl और Python 3 की मानक लाइब्रेरी का उपयोग करते हैं।

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

1अपनी API key लें

अपने Felo API Platform खाते से एक key बनाएँ और उसे environment variable के रूप में सेट करें।

export FELO_API_KEY="YOUR_API_KEY"

2अपना पहला अनुरोध भेजें

वैकल्पिक मान मॉडल के अनुसार बदलते हैं और उदाहरण में तय नहीं हैं। Playground में जाँचें। फ़ील्ड model और prompt के समान स्तर पर हैं, input में नहीं।

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-flash"
}'

3टास्क पोल करें

सबमिट करने पर task_id मिलता है। queued या running पर हर 3 सेकंड जाँचें; succeeded, failed या interrupted पर रुकें। अधिकतम 30 मिनट प्रतीक्षा करें। दोबारा भेजे बिना जाँच जारी रखने के लिए created.json रखें।

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

4आउटपुट डाउनलोड करें

सफलता के बाद task.json से outputs सहेजें। HTTPS URL, URL ऑब्जेक्ट और b64_json समर्थित हैं। हस्ताक्षरित URL जल्दी डाउनलोड करें; इमेज डाउनलोड में API Key नहीं चाहिए।

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

इमेज संपादन के लिए उदाहरण URL को अपने HTTPS इमेज URL या base64 इमेज data URL से बदलें। एक बार भेजकर वही जाँच और सहेजने के चरण अपनाएँ।

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-flash",
  "input_references": [
    {
      "type": "image_url",
      "image_url": {
        "url": "https://example.com/product.png"
      }
    }
  ]
}'

समर्थित पैरामीटर

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

पूरा रेफ़रेंस चाहिए?

API संदर्भ →

अक्सर पूछे जाने वाले प्रश्न

मॉडल परिचय: Microsoft AI: MAI-Image-2.7 Flash?

Microsoft AI का MAI-Image-2.7 Flash एक diffusion-आधारित टेक्स्ट-टू-इमेज मॉडल है, जो इमेज इनपुट लेकर सटीक और नियंत्रित इमेज-टू-इमेज संपादन कर सकता है। यह अधिकतम5 शैली या विषय संदर्भ इमेज के आधार पर एसेट बना सकता है और आउटपुट हमेशा base64-एन्कोडेड JSON ऑब्जेक्ट में PNG के रूप में लौटाता है। यह मॉडल तेज़, कम लागत वाले ड्राफ्ट, उच्च-वॉल्यूम निर्माण, उत्पाद फ़ोटो सुधार, पारदर्शी पृष्ठभूमि, ऑब्जेक्ट प्रतिस्थापन और रंग या सामग्री में क्रमिक बदलाव के लिए उपयुक्त है। स्टोरफ़्रंट, साइनेज और मार्केटिंग विज़ुअल में सटीक टेक्स्ट रेंडरिंग भी इसका उपयोगी क्षेत्र है। गति के लिए यह कुछ fidelity का त्याग करता है और इसमें टेक्स्ट reasoning, tool use या web search शामिल नहीं हैं।

उपयोग का शुल्क कैसे लगता है?

आपका बिल इस बात पर निर्भर करता है कि आप कौन-सा प्रदाता उपयोग करते हैं, उसकी कीमतें और आपका उपयोग। लंबे इनपुट या अन्य शर्तों पर अलग कीमतें लागू हो सकती हैं। वास्तविक जनरेशन लागत के आधार पर शुल्क लिया जाता है। अंतिम राशि के लिए अपना बिल देखें।

यह किन इनपुट और आउटपुट को समर्थन देता है?

यह text input और image input स्वीकार करता है। आउटपुट image output होता है और हमेशा base64-एन्कोडेड JSON ऑब्जेक्ट में PNG के रूप में लौटता है।

इसका context कितना है?

इसका context32,000 tokens है। output_limit निर्दिष्ट नहीं है।

यह किन कार्यों के लिए उपयुक्त है?

यह उच्च-वॉल्यूम ड्राफ्ट, उत्पाद फ़ोटो सुधार, ऑब्जेक्ट प्रतिस्थापन, डिज़ाइन refinement और संदर्भ-आधारित एसेट निर्माण के लिए उपयुक्त है।

संदर्भ इमेज के बारे में क्या सीमा है?

Reference images JPEG या PNG होनी चाहिए और अधिकतम5 इमेज तक सीमित हैं।

MAI-Image-2.7 Flash की मुख्य विशेषता क्या है?

यह MAI-Image-2.7 की समान generation और editing capabilities वाला तेज़ और कम लागत वाला variant है, लेकिन गति के लिए कुछ fidelity का त्याग करता है।

संबंधित मॉडल