Microsoft AI: MAI-Image-2.7 Flash API
Microsoft AI: MAI-Image-2.7 Flash maakt snel afbeeldingen en bewerkt beelden met tekst, referenties en precieze controle.
Microsoft AI: MAI-Image-2.7 Flash is een diffusiegebaseerd beeldmodel voor tekst-naar-beeldgeneratie en nauwkeurige beeld-naar-beeldbewerking. Het accepteert tekst en afbeeldingen als invoer en levert afbeeldingen als PNG in een base64-gecodeerd JSON-object. De context bedraagt32,000 tokens; de uitvoer is uitsluitend beeldgericht.
Het model is bedoeld voor snelle, iteratieve workflows waarin latency en kosten per afbeelding belangrijker zijn dan afwerking in4K-kwaliteit. Het ondersteunt productfoto-opruiming, transparante achtergronden, objectvervanging, kleur- en materiaalwijzigingen, marketingbeelden met nauwkeurig gerenderde tekst en referentiegestuurde assetgeneratie met maximaal5 stijl- of onderwerpafbeeldingen.
MAI-Image-2.7 Flash is een snellere variant met dezelfde generatie- en bewerkingsmogelijkheden als MAI-Image-2.7, maar levert snelheid ten koste van enige getrouwheid. Referentieafbeeldingen moeten JPEG of PNG zijn, en elke uitvoerdimensie moet minstens768 pixels bedragen. Het model bevat geen tekstredenering, toolgebruik of webzoekfunctie.
Bijgewerkt:
MODEL-ID
mai-image-2.7-flash- Context
- 4.096K
- Max. uitvoer
- 1.024K
- Invoer
- text / image
- Uitvoer
- image
Hoogtepunten
- Snelle beeldgeneratie
- Precieze beeldbewerking
- Maximaal5 referenties
- PNG in JSON
- Minimaal768 pixels
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
- 7
Artificial Analysis-ranglijst — beeldbewerking
7e plaats voor beeldbewerking.
- 11
Artificial Analysis-ranglijst — tekst-naar-beeldgeneratie
11e plaats voor tekst-naar-beeldgeneratie.
- 3
Artificial Analysis — scène- en stijlbewerking
3e plaats voor scène- en stijlbewerking.
- 4
Artificial Analysis — verbetering en restauratie
4e plaats voor verbetering en restauratie.
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-flash"
}'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-flash",
"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 Flash?
Microsoft AI: MAI-Image-2.7 Flash is een diffusiegebaseerd beeldmodel voor tekst-naar-beeldgeneratie en nauwkeurige beeld-naar-beeldbewerking. Het accepteert tekst en afbeeldingen als invoer en levert afbeeldingen als PNG in een base64-gecodeerd JSON-object. De context bedraagt32,000 tokens; de uitvoer is uitsluitend beeldgericht. Het model is bedoeld voor snelle, iteratieve workflows waarin latency en kosten per afbeelding belangrijker zijn dan afwerking in4K-kwaliteit. Het ondersteunt productfoto-opruiming, transparante achtergronden, objectvervanging, kleur- en materiaalwijzigingen, marketingbeelden met nauwkeurig gerenderde tekst en referentiegestuurde assetgeneratie met maximaal5 stijl- of onderwerpafbeeldingen. MAI-Image-2.7 Flash is een snellere variant met dezelfde generatie- en bewerkingsmogelijkheden als MAI-Image-2.7, maar levert snelheid ten koste van enige getrouwheid. Referentieafbeeldingen moeten JPEG of PNG zijn, en elke uitvoerdimensie moet minstens768 pixels bedragen. Het model bevat geen tekstredenering, toolgebruik of webzoekfunctie.
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 ondersteunt het model?
Het model ondersteunt tekstinvoer en afbeeldingsinvoer. Voor referentiegestuurde generatie kunnen maximaal5 stijl- of onderwerpafbeeldingen worden gebruikt.
Wat voor uitvoer levert het model?
De uitvoer is altijd een PNG-afbeelding in een base64-gecodeerd JSON-object.
Waarvoor is MAI-Image-2.7 Flash geschikt?
Het model past bij snelle iteratie, interactieve creatieve hulpmiddelen, personalisatie, productfoto-opruiming en grootschalige beeldgeneratie.
Wat is de contextlengte?
De context bedraagt32,000 tokens. Er is geen afzonderlijke uitvoerlimiet vermeld.
Wat is het verschil met MAI-Image-2.7?
MAI-Image-2.7 Flash is ontworpen als snellere en goedkopere variant met dezelfde generatie- en bewerkingsmogelijkheden, maar ruilt een deel van de getrouwheid in voor snelheid.