Microsoft AI: MAI-Image-2.7 Flash API
Model penjanaan imej pantas untuk penyuntingan tepat, penciptaan rujukan, dan penghasilan visual berskala tinggi.
Microsoft AI: MAI-Image-2.7 Flash ialah model berasaskan diffusion untuk menjana imej daripada teks serta menyunting imej dengan kawalan yang tepat. Model ini menerima input teks dan imej, menggunakan konteks32,000 tokens, dan menghasilkan imej dalam format PNG yang dikembalikan sebagai objek JSON berkod base64.
Model ini sesuai untuk penciptaan draf berjumlah tinggi, aliran kerja reka bentuk berulang, pemprosesan foto produk, penggantian objek, penjanaan latar belakang telus, dan visual pemasaran yang memerlukan teks dipaparkan dengan tepat. Ia juga menyokong penjanaan aset berpandukan sehingga5 imej rujukan gaya atau subjek.
MAI-Image-2.7 Flash direka sebagai varian lebih pantas dan berkos lebih rendah berbanding MAI-Image-2.7, dengan keupayaan penjanaan dan penyuntingan yang sama. Sebagai pertukaran untuk kelajuan, model ini mengorbankan sebahagian fidelity; ia hanya menyokong penjanaan dan penyuntingan imej, tanpa penaakulan teks, penggunaan alat, atau carian web. Untuk penyuntingan setempat, kawasan penyuntingan sebaiknya dinyatakan dengan jelas.
Dikemas kini:
ID MODEL
mai-image-2.7-flash- Konteks
- 4.096K
- Output maks
- 1.024K
- Input
- text / image
- Output
- image
Sorotan
- Penjanaan diffusion pantas
- Penyuntingan imej tepat
- Sehingga5 imej rujukan
- Output PNG berkod base64
- Sesuai untuk iterasi pantas
Penyedia
Bandingkan harga API merentas penyedia. Pilih penyedia untuk melihat semua caj dan syarat.
| Ketersediaan | |
|---|---|
Statistik sejarah bukan pemeriksaan langsung. Ketiadaan data tidak bermaksud gangguan.
Penanda aras
- 7
Artificial Analysis leaderboard — penyuntingan imej
Kedudukan7 dalam penilaian Artificial Analysis untuk penyuntingan imej.
- 11
Artificial Analysis leaderboard — penjanaan teks-ke-imej
Kedudukan11 dalam penilaian Artificial Analysis untuk penjanaan teks-ke-imej.
- 3
Artificial Analysis — penyuntingan adegan dan gaya
Kedudukan3 dalam penilaian Artificial Analysis untuk penyuntingan adegan dan gaya.
- 4
Artificial Analysis — peningkatan dan pemulihan
Kedudukan4 dalam penilaian Artificial Analysis untuk peningkatan dan pemulihan imej.
Skor seperti yang diterbitkan oleh penyedia model.
Mula pantas
Hantar tugas imej, semak status, kemudian simpan imej. Contoh menggunakan curl dan pustaka standard Python 3.
POST https://openapi.felo.ai/api/v1/images/generations
1Tetapkan kunci API
Cipta kunci daripada akaun Felo API Platform anda dan tetapkan sebagai pemboleh ubah persekitaran.
export FELO_API_KEY="YOUR_API_KEY"2Hantar permintaan pertama
Nilai pilihan berbeza mengikut model dan tidak ditetapkan di sini. Semak dalam Playground. Medan sejajar dengan model dan prompt, tanpa pembalut 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-flash"
}'3Tinjau tugas
Penghantaran mengembalikan task_id. Semak setiap 3 saat semasa queued atau running; berhenti pada succeeded, failed atau interrupted. Tunggu maksimum 30 minit. Simpan created.json untuk menyambung semakan tanpa menghantar semula.
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")
PY4Muat turun output
Selepas berjaya, simpan outputs daripada task.json. Menyokong URL HTTPS, objek URL dan b64_json. Muat turun URL bertandatangan segera; muat turun imej tidak memerlukan kunci 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
Untuk menyunting imej, ganti URL contoh dengan URL imej HTTPS atau data URL imej base64 anda. Hantar sekali, kemudian gunakan langkah semakan dan penyimpanan yang sama.
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"
}
}
]
}'Parameter yang disokong
- n
- background
- max_tokens
- temperature
- aspect_ratio
- input_references
- max_completion_tokens
Mahukan rujukan penuh?
Rujukan API →Soalan lazim
Mengenali Microsoft AI: MAI-Image-2.7 Flash?
Microsoft AI: MAI-Image-2.7 Flash ialah model berasaskan diffusion untuk menjana imej daripada teks serta menyunting imej dengan kawalan yang tepat. Model ini menerima input teks dan imej, menggunakan konteks32,000 tokens, dan menghasilkan imej dalam format PNG yang dikembalikan sebagai objek JSON berkod base64. Model ini sesuai untuk penciptaan draf berjumlah tinggi, aliran kerja reka bentuk berulang, pemprosesan foto produk, penggantian objek, penjanaan latar belakang telus, dan visual pemasaran yang memerlukan teks dipaparkan dengan tepat. Ia juga menyokong penjanaan aset berpandukan sehingga5 imej rujukan gaya atau subjek. MAI-Image-2.7 Flash direka sebagai varian lebih pantas dan berkos lebih rendah berbanding MAI-Image-2.7, dengan keupayaan penjanaan dan penyuntingan yang sama. Sebagai pertukaran untuk kelajuan, model ini mengorbankan sebahagian fidelity; ia hanya menyokong penjanaan dan penyuntingan imej, tanpa penaakulan teks, penggunaan alat, atau carian web. Untuk penyuntingan setempat, kawasan penyuntingan sebaiknya dinyatakan dengan jelas.
Bagaimana penggunaan dicaj?
Bil anda bergantung pada penyedia yang anda gunakan, harganya dan penggunaan anda. Input yang lebih panjang atau syarat lain mungkin dikenakan harga berbeza. Dicaj berdasarkan kos penjanaan sebenar. Lihat bil anda untuk jumlah akhir.
Apakah input yang disokong?
Model ini menyokong input teks dan imej. Imej rujukan untuk penyuntingan mestilah JPEG atau PNG.
Apakah konteks dan format outputnya?
Konteks model ialah32,000 tokens. Output sentiasa imej PNG dalam objek JSON berkod base64.
Untuk tugasan apakah model ini sesuai?
Ia sesuai untuk penjanaan teks-ke-imej, penyuntingan imej tepat, penciptaan draf berskala tinggi, penyesuaian visual, dan reka bentuk berulang.
Berapakah imej rujukan yang boleh digunakan?
Penjanaan aset berpandukan rujukan menyokong sehingga5 imej gaya atau subjek. Penyuntingan imej juga terhad kepada5 imej rujukan.
Apakah perbezaannya berbanding MAI-Image-2.7?
MAI-Image-2.7 Flash ialah varian lebih pantas dan berkos lebih rendah dengan keupayaan penjanaan serta penyuntingan yang sama, tetapi mengorbankan sebahagian fidelity.