Microsoft AI: MAI-Image-2.7 API
MAI-Image-2.7 maakt realistische afbeeldingen en bewerkt bestaande beelden met nauwkeurige, consistente resultaten.
MAI-Image-2.7 van Microsoft AI verwerkt tekst- en afbeeldingsinvoer en genereert afbeeldingsuitvoer. Het model gebruikt een diffusion-gebaseerde aanpak voor het maken van beelden en ondersteunt image-to-image-transformaties. Bestaande afbeeldingen kunnen worden aangepast door objecten te verwijderen, vervangen of wijzigen, terwijl compositie en lay-out behouden blijven.
Het model is geschikt voor creatieve generatie en ontwerp, scène-restyling, relighting, illustraties, logo’s en pictogrammen. Het kan tekst weergeven in labels, posters, verpakkingen en borden, en levert fotorealistische portretten, productbeelden, merkassets en commerciële ontwerpen. Ook ondersteunt het inpainting, tekstupdates, het verwijderen van bewegingsonscherpte en het verplaatsen van producten naar nieuwe omgevingen.
Tijdens iteratieve bewerkingen bewaart MAI-Image-2.7 de visuele consistentie. Volgens de beschikbare vergelijking verbeterde het model op alle10 geëvalueerde gebruiksscenario’s en alle7 bewerkingsacties ten opzichte van MAI-Image-2.6. Het model is beschikbaar als publieke preview in Microsoft Foundry en via Azure, fal, Genspark, OpenRouter en Vercel.
Bijgewerkt:
MODEL-ID
mai-image-2.7- Context
- 4.096K
- Max. uitvoer
- 1.024K
- Invoer
- text / image
- Uitvoer
- image
Hoogtepunten
- Consistente iteratieve bewerkingen
- Verbeterde tekstweergave
- Fotorealistische beelden
- Nauwkeurige beeldbewerking
- Inpainting en relighting
Aanbieders
Vergelijk API-prijzen tussen aanbieders. Kies een aanbieder om alle kosten en voorwaarden te bekijken.
| Beschikbaarheid | |
|---|---|
Historische gegevens zijn geen live statuscontrole. Ontbrekende gegevens betekenen geen storing.
Benchmarks
- 1215
AA-Image-Editing v2.1
Elo-score op basis van5,478 stemmen; stond op1e plaats op2026-11-16.
- 24
Artificial Analysis scene and style
Elo-score hoger dan die van het volgende model.
- 1e
Artificial Analysis live-action film
Rangschikking:1e plaats.
- 1e
Artificial Analysis consumer
Rangschikking:1e plaats.
- 1e
Artificial Analysis frontier editing
Rangschikking:1e plaats.
Scores zoals gepubliceerd door de modelaanbieder.
Snelstart
Verstuur een afbeeldingstaak, controleer de status en sla de afbeeldingen op. De voorbeelden gebruiken curl en de standaardbibliotheek van Python 3.
POST https://openapi.felo.ai/api/v1/images/generations
1API-sleutel instellen
Maak een sleutel in je Felo API Platform-account en stel deze in als omgevingsvariabele.
export FELO_API_KEY="YOUR_API_KEY"2Je eerste aanvraag doen
Optionele waarden verschillen per model en zijn hier niet ingesteld. Controleer ze in Playground. Velden staan naast model en prompt, zonder input-omslag.
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"
}'3Taak pollen
De aanvraag retourneert task_id. Controleer elke 3 seconden bij queued of running; stop bij succeeded, failed of interrupted. Maximaal 30 minuten wachten. Bewaar created.json om dezelfde taak verder op te vragen zonder opnieuw te versturen.
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")
PY4Uitvoer downloaden
Sla na succes outputs uit task.json op. HTTPS-URL’s, URL-objecten en b64_json worden ondersteund. Download ondertekende URL’s tijdig; daarvoor is geen API-sleutel nodig.
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
Vervang voor bewerking de voorbeeld-URL door je HTTPS-afbeeldings-URL of een base64-afbeeldings-data-URL. Verstuur één keer en volg dezelfde controle- en opslagstappen.
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"
}
}
]
}'Ondersteunde parameters
- n
- background
- max_tokens
- temperature
- aspect_ratio
- input_references
- max_completion_tokens
Liever de volledige referentie?
API-referentie →Veelgestelde vragen
Wat is Microsoft AI: MAI-Image-2.7?
MAI-Image-2.7 van Microsoft AI verwerkt tekst- en afbeeldingsinvoer en genereert afbeeldingsuitvoer. Het model gebruikt een diffusion-gebaseerde aanpak voor het maken van beelden en ondersteunt image-to-image-transformaties. Bestaande afbeeldingen kunnen worden aangepast door objecten te verwijderen, vervangen of wijzigen, terwijl compositie en lay-out behouden blijven. Het model is geschikt voor creatieve generatie en ontwerp, scène-restyling, relighting, illustraties, logo’s en pictogrammen. Het kan tekst weergeven in labels, posters, verpakkingen en borden, en levert fotorealistische portretten, productbeelden, merkassets en commerciële ontwerpen. Ook ondersteunt het inpainting, tekstupdates, het verwijderen van bewegingsonscherpte en het verplaatsen van producten naar nieuwe omgevingen. Tijdens iteratieve bewerkingen bewaart MAI-Image-2.7 de visuele consistentie. Volgens de beschikbare vergelijking verbeterde het model op alle10 geëvalueerde gebruiksscenario’s en alle7 bewerkingsacties ten opzichte van MAI-Image-2.6. Het model is beschikbaar als publieke preview in Microsoft Foundry en via Azure, fal, Genspark, OpenRouter en Vercel.
Hoe wordt het gebruik gefactureerd?
Je factuur hangt af van de aanbieder die je gebruikt, de prijzen en je verbruik. Langere invoer of andere voorwaarden kunnen andere prijzen hebben. Gefactureerd op basis van de werkelijke generatiekosten. Zie je factuur voor het uiteindelijke bedrag.
Welke invoer en uitvoer ondersteunt MAI-Image-2.7?
Het model ondersteunt tekstinvoer en afbeeldingsinvoer, met afbeeldingen als uitvoer.
Welke bewerkingen ondersteunt het model?
Het ondersteunt image-to-image-transformaties, inpainting, tekstupdates en het verwijderen van bewegingsonscherpte. Objecten kunnen worden verwijderd, vervangen of aangepast met behoud van compositie en lay-out.
Voor welke taken is MAI-Image-2.7 geschikt?
Het model is geschikt voor creatieve generatie, ontwerp, illustraties, productbeelden, merkassets, commerciële ontwerpen en het integreren van tekst of symbolen in afbeeldingen.
Hoe verschilt het model van MAI-Image-2.6?
MAI-Image-2.7 verbeterde ten opzichte van MAI-Image-2.6 op alle10 geëvalueerde gebruiksscenario’s en alle7 bewerkingsacties.