Felo API PlatformFelo API Platform
Wróć do modeli

Microsoft AI: MAI-Image-2.7 Flash API

Microsoft AI: MAI-Image-2.7 Flash to szybki model dyfuzyjny do generowania i precyzyjnej edycji obrazów.

Microsoft AI: MAI-Image-2.7 Flash to publicznie dostępny model w wersji preview, przeznaczony do generowania obrazów na podstawie tekstu oraz precyzyjnej, kontrolowanej edycji obrazów. Obsługuje tekst i obrazy jako dane wejściowe, a wynik zawsze zwraca jako PNG w obiekcie JSON zakodowanym w base64. Kontekst modelu obejmuje32,000 tokens.

Model sprawdza się w szybkiej produkcji szkiców, iteracyjnym projektowaniu, personalizacji oraz generowaniu obrazów na dużą skalę, gdy szybkość i koszt pojedynczego obrazu są ważniejsze niż wykończenie w jakości4K. Może czyścić zdjęcia produktowe, tworzyć przezroczyste tła, zastępować obiekty bez ręcznego maskowania oraz zmieniać kolor lub materiał obiektu bez ponownego generowania całej sceny. Nadaje się także do storefrontów, oznakowania i materiałów marketingowych wymagających czytelnie renderowanego tekstu.

Generowanie zasobów może korzystać z maksymalnie5 obrazów referencyjnych stylu lub tematu. Obrazy referencyjne muszą być w formacie JPEG lub PNG, a szerokość i wysokość obrazu wyjściowego muszą wynosić co najmniej768 pikseli. Model poświęca część wierności na rzecz szybkości i nie obsługuje rozumowania tekstowego, użycia narzędzi ani wyszukiwania w sieci.

Zaktualizowano:

MODEL ID

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

Najważniejsze informacje

  • Szybkie generowanie obrazów
  • Precyzyjna edycja
  • Do5 obrazów referencyjnych
  • Wynik PNG w base64
  • Tekst w obrazach

Dostawcy

1 dostawców

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

Dostawca · Szczegóły cen
Dostępność

Benchmarki

  • Ranking Artificial Analysis — edycja obrazów

    Pozycja w rankingu

    7
  • Ranking Artificial Analysis — generowanie tekst-obraz

    Pozycja w rankingu

    11
  • Artificial Analysis — edycja scen i stylu

    Pozycja w rankingu

    3
  • Artificial Analysis — poprawa i przywracanie obrazu

    Pozycja w rankingu

    4

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-flash"
}'

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-flash",
  "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 Flash?

Microsoft AI: MAI-Image-2.7 Flash to publicznie dostępny model w wersji preview, przeznaczony do generowania obrazów na podstawie tekstu oraz precyzyjnej, kontrolowanej edycji obrazów. Obsługuje tekst i obrazy jako dane wejściowe, a wynik zawsze zwraca jako PNG w obiekcie JSON zakodowanym w base64. Kontekst modelu obejmuje32,000 tokens. Model sprawdza się w szybkiej produkcji szkiców, iteracyjnym projektowaniu, personalizacji oraz generowaniu obrazów na dużą skalę, gdy szybkość i koszt pojedynczego obrazu są ważniejsze niż wykończenie w jakości4K. Może czyścić zdjęcia produktowe, tworzyć przezroczyste tła, zastępować obiekty bez ręcznego maskowania oraz zmieniać kolor lub materiał obiektu bez ponownego generowania całej sceny. Nadaje się także do storefrontów, oznakowania i materiałów marketingowych wymagających czytelnie renderowanego tekstu. Generowanie zasobów może korzystać z maksymalnie5 obrazów referencyjnych stylu lub tematu. Obrazy referencyjne muszą być w formacie JPEG lub PNG, a szerokość i wysokość obrazu wyjściowego muszą wynosić co najmniej768 pikseli. Model poświęca część wierności na rzecz szybkości i nie obsługuje rozumowania tekstowego, użycia narzędzi ani wyszukiwania w sieci.

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 obsługuje model?

Obsługuje tekst i obrazy jako dane wejściowe. Obrazy referencyjne dla edycji muszą być w formacie JPEG lub PNG.

Jak długi jest kontekst modelu i jaki format ma wynik?

Kontekst obejmuje32,000 tokens. Wynik jest zawsze obrazem PNG zwróconym w obiekcie JSON zakodowanym w base64.

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

Model jest przeznaczony do szybkiego generowania, precyzyjnej edycji, iteracyjnego projektowania, personalizacji i pracy na dużą skalę.

Ile obrazów referencyjnych można wykorzystać?

Można użyć maksymalnie5 obrazów referencyjnych stylu lub tematu.

Jakie są najważniejsze ograniczenia?

Model poświęca część wierności na rzecz szybkości. Nie obejmuje rozumowania tekstowego, użycia narzędzi ani wyszukiwania w sieci, a każdy wymiar obrazu wyjściowego musi mieć co najmniej768 pikseli.

Powiązane modele