Felo API PlatformFelo API Platform
Wróć do modeli

Microsoft AI: MAI-Image-2.7 API

MAI-Image-2.7 tworzy i precyzyjnie edytuje realistyczne obrazy, zachowując kompozycję, spójność wizualną oraz czytelny tekst.

MAI-Image-2.7 to model Microsoft AI do generowania obrazów na podstawie opisów tekstowych oraz edycji istniejących grafik. Obsługuje tekst, obrazy i wyjście obrazowe. Wykorzystuje podejście oparte na dyfuzji, a podczas transformacji obraz–obraz pozwala usuwać, zastępować i modyfikować obiekty bez utraty kompozycji ani układu. Obsługuje także malowanie wewnątrz obrazu, aktualizowanie tekstu oraz usuwanie artefaktów rozmycia ruchu.

Model sprawdza się w zadaniach kreatywnych i projektowych: od tworzenia ilustracji, logo, ikon, materiałów marki oraz zdjęć produktów po zmianę scenografii, oświetlenia i nastroju. Może usuwać tła z obrazów produktowych, integrować napisy i symbole oraz przywracać i ulepszać istniejące zasoby. Renderuje tekst na etykietach, plakatach, opakowaniach i znakach, a iteracyjne edycje zachowują spójność wizualną.

MAI-Image-2.7 jest dostępny jako publiczny preview w Microsoft Foundry, a także przez fal, Genspark, OpenRouter i Vercel. Wersja MAI-Image-2.7 Flash obsługuje obciążenia produkcyjne i zasila Canvas. Rodzina MAI Image jest domyślną rodziną modeli dla Bing Image Creator.

Zaktualizowano:

MODEL ID

mai-image-2.7
Kontekst
4.096K
Maks. wyjście
1.024K
Wejście
text / image
Wyjście
image

Najważniejsze informacje

  • Precyzyjna edycja obrazów
  • Spójność wizualna
  • Czytelny tekst w grafikach
  • Fotorealistyczne obrazy
  • Edycja bez utraty kompozycji

Dostawcy

1 dostawców

Porównaj ceny API u różnych dostawców. Wybierz dostawcę, aby zobaczyć wszystkie opłaty i warunki.

Dostawca · Szczegóły cen
Dostępność

Benchmarki

  • AA-Image-Editing v2.1

    Wynik Elo na podstawie5,478 głosów;1. miejsce na dzień2026-11-16.

    1215
  • Artificial Analysis scene and style

    Wynik Elo wyższy niż wynik kolejnego modelu.

    24
  • Artificial Analysis live-action film

    1. miejsce w rankingu.

    1.
  • Artificial Analysis consumer

    1. miejsce w rankingu.

    1.
  • Artificial Analysis frontier editing

    1. miejsce w rankingu.

    1.

Wyniki zgodnie z publikacją dostawcy modelu.

Szybki start

Wyślij zadanie obrazu, sprawdzaj stan i zapisz obrazy. Przykłady używają curl i biblioteki standardowej Pythona 3.

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

1Pobierz klucz API

Utwórz klucz w swoim koncie Felo API Platform i ustaw go jako zmienną środowiskową.

export FELO_API_KEY="YOUR_API_KEY"

2Wyślij pierwsze żądanie

Wartości opcjonalne zależą od modelu i nie są tu ustawione. Sprawdź je w Playground. Pola są na tym samym poziomie co model i prompt, bez opakowania 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"
}'

3Odpytuj zadanie

Odpowiedź zawiera task_id. Sprawdzaj co 3 sekundy przy queued lub running; zakończ przy succeeded, failed lub interrupted. Maksymalny czas: 30 minut. Zachowaj created.json, aby wznowić odpytywanie bez ponownego wysłania.

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

4Pobierz wynik

Po sukcesie zapisz outputs z task.json. Obsługiwane są adresy HTTPS, obiekty URL i b64_json. Pobierz podpisane adresy szybko; do pobierania obrazów nie potrzeba klucza 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

Aby edytować obraz, zastąp przykładowy URL własnym adresem HTTPS lub data URL obrazu base64. Wyślij raz, potem zastosuj te same kroki sprawdzania i zapisywania.

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"
      }
    }
  ]
}'

Obsługiwane parametry

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

Potrzebujesz pełnej dokumentacji?

Dokumentacja API →

Często zadawane pytania

Co to jest Microsoft AI: MAI-Image-2.7?

MAI-Image-2.7 to model Microsoft AI do generowania obrazów na podstawie opisów tekstowych oraz edycji istniejących grafik. Obsługuje tekst, obrazy i wyjście obrazowe. Wykorzystuje podejście oparte na dyfuzji, a podczas transformacji obraz–obraz pozwala usuwać, zastępować i modyfikować obiekty bez utraty kompozycji ani układu. Obsługuje także malowanie wewnątrz obrazu, aktualizowanie tekstu oraz usuwanie artefaktów rozmycia ruchu. Model sprawdza się w zadaniach kreatywnych i projektowych: od tworzenia ilustracji, logo, ikon, materiałów marki oraz zdjęć produktów po zmianę scenografii, oświetlenia i nastroju. Może usuwać tła z obrazów produktowych, integrować napisy i symbole oraz przywracać i ulepszać istniejące zasoby. Renderuje tekst na etykietach, plakatach, opakowaniach i znakach, a iteracyjne edycje zachowują spójność wizualną. MAI-Image-2.7 jest dostępny jako publiczny preview w Microsoft Foundry, a także przez fal, Genspark, OpenRouter i Vercel. Wersja MAI-Image-2.7 Flash obsługuje obciążenia produkcyjne i zasila Canvas. Rodzina MAI Image jest domyślną rodziną modeli dla Bing Image Creator.

Jak rozliczane jest użycie?

Rachunek zależy od wybranego dostawcy, jego cen i faktycznego zużycia. Dłuższe dane wejściowe lub inne warunki mogą mieć inne ceny. Rozliczane według rzeczywistego kosztu generowania. Ostateczną kwotę znajdziesz na rachunku.

Jakie dane wejściowe i wyjściowe obsługuje model?

Obsługuje tekst i obrazy jako dane wejściowe oraz generuje obrazy.

Jakie edycje obrazów są możliwe?

Można usuwać, zastępować i modyfikować obiekty, wykonywać malowanie wewnątrz obrazu, aktualizować tekst oraz usuwać artefakty rozmycia ruchu.

Do jakich zadań najlepiej nadaje się MAI-Image-2.7?

Do generowania i projektowania obrazów, tworzenia materiałów marki, edycji zdjęć produktów, ilustracji, logo i ikon oraz zmiany scen, oświetlenia lub nastroju.

Czy model zachowuje spójność podczas kolejnych edycji?

Tak, utrzymuje spójność wizualną podczas iteracyjnych edycji i pozwala wykonywać szczegółowe zmiany bez utraty ogólnego wyglądu obrazu.

Czym różni się od MAI-Image-2.6?

MAI-Image-2.7 poprawia wyniki we wszystkich10 ocenianych zastosowaniach i wszystkich7 działaniach edycyjnych w porównaniu z MAI-Image-2.6.

Powiązane modele