Felo API PlatformFelo API Platform
Voltar aos modelos

Microsoft AI: MAI-Image-2.7 API

Modelo de geração e edição de imagens com consistência visual, texto renderizado com precisão e resultados fotorrealistas.

O MAI-Image-2.7, da Microsoft AI, gera imagens a partir de prompts de texto usando uma abordagem baseada em difusão e transforma imagens existentes por meio de edição image-to-image. Ele remove, substitui e altera atributos de objetos preservando a composição e o layout, além de realizar inpainting, atualizar textos e remover artefatos de desfoque de movimento.

O modelo é adequado para criação visual e design, restyling e relighting de cenas, ilustrações, logotipos, ícones, imagens de produtos e ativos de marca. Também pode integrar textos e símbolos em rótulos, pôsteres, embalagens e placas, restaurar ativos existentes, remover fundos de produtos e mover produtos para novos cenários, alterando iluminação ou atmosfera.

O MAI-Image-2.7 mantém a consistência visual durante edições iterativas e oferece edição controlável, renderização de texto aprimorada e saída fotorrealista. Está disponível como prévia pública no Microsoft Foundry e por meio de fal, Genspark, OpenRouter e Vercel; o MAI-Image-2.7 Flash atende cargas de produção e alimenta o Canvas.

Atualizado:

ID DO MODELO

mai-image-2.7
Contexto
4.096K
Saída máxima
1.024K
Entrada
text / image
Saída
image

Destaques

  • Edição visual consistente
  • Texto renderizado com precisão
  • Saída fotorrealista
  • Inpainting e restauração
  • Edição image-to-image

Provedores

1 provedores

Compare os preços de API entre provedores. Selecione um provedor para ver todos os preços e condições.

Provedor · Detalhes de preço
Disponibilidade

Benchmarks

  • AA-Image-Editing v2.1

    Pontuação Elo com5,478 votos; ficou em1º lugar em2026-11-16.

    1215
  • Artificial Analysis scene and style

    Pontuação Elo superior à do próximo modelo.

    24
  • Artificial Analysis live-action film

    Ficou em1º lugar.

    1º
  • Artificial Analysis consumer

    Ficou em1º lugar.

    1º
  • Artificial Analysis frontier editing

    Ficou em1º lugar.

    1º

Pontuações conforme publicadas pelo fornecedor do modelo.

Início rápido

Envie uma tarefa de imagem, consulte o status e salve as imagens. Os exemplos usam curl e a biblioteca padrão do Python 3.

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

1Defina sua chave de API

Crie uma chave na sua conta da Felo API Platform e defina-a como variável de ambiente.

export FELO_API_KEY="YOUR_API_KEY"

2Faça sua primeira requisição

Os valores opcionais variam por modelo e não são definidos aqui. Confirme-os no Playground. Os campos ficam no mesmo nível de model e prompt, sem envolver em 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"
}'

3Consultar tarefa

O envio retorna task_id. Consulte a cada 3 segundos enquanto queued ou running; pare em succeeded, failed ou interrupted. Espera máxima: 30 minutos. Guarde created.json para continuar sem reenviar a tarefa.

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

4Baixar saída

Após o sucesso, salve outputs de task.json. Aceita URLs HTTPS, objetos URL e b64_json. Baixe URLs assinadas prontamente; o download não exige chave de 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

Para editar imagens, substitua a URL de exemplo por sua URL HTTPS ou uma data URL de imagem em base64. Envie uma vez e siga as mesmas etapas de consulta e salvamento.

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"
      }
    }
  ]
}'

Parâmetros compatíveis

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

Prefere a referência completa?

Referência da API →

Perguntas frequentes

O que é Microsoft AI: MAI-Image-2.7?

O MAI-Image-2.7, da Microsoft AI, gera imagens a partir de prompts de texto usando uma abordagem baseada em difusão e transforma imagens existentes por meio de edição image-to-image. Ele remove, substitui e altera atributos de objetos preservando a composição e o layout, além de realizar inpainting, atualizar textos e remover artefatos de desfoque de movimento. O modelo é adequado para criação visual e design, restyling e relighting de cenas, ilustrações, logotipos, ícones, imagens de produtos e ativos de marca. Também pode integrar textos e símbolos em rótulos, pôsteres, embalagens e placas, restaurar ativos existentes, remover fundos de produtos e mover produtos para novos cenários, alterando iluminação ou atmosfera. O MAI-Image-2.7 mantém a consistência visual durante edições iterativas e oferece edição controlável, renderização de texto aprimorada e saída fotorrealista. Está disponível como prévia pública no Microsoft Foundry e por meio de fal, Genspark, OpenRouter e Vercel; o MAI-Image-2.7 Flash atende cargas de produção e alimenta o Canvas.

Como o uso é cobrado?

Sua conta depende do provedor que você usa, dos preços dele e do seu uso. Entradas mais longas ou outras condições podem ter preços diferentes. Cobrado com base no custo real de geração. Consulte sua conta para o valor final.

Quais entradas e saídas o modelo aceita?

Ele aceita entrada de texto e imagem, e produz saída de imagem.

Que tipos de edição são suportados?

O modelo remove, substitui e altera atributos de objetos preservando composição e layout. Também realiza inpainting, atualiza textos e remove artefatos de desfoque de movimento.

Para quais tarefas ele é indicado?

É indicado para criação visual, design, edição de imagens, ilustrações, ativos de marca, imagens de produtos e integração de textos ou símbolos em imagens.

Como ele se comporta em edições iterativas?

Mantém a consistência visual durante edições iterativas e permite alterações detalhadas sem perder a imagem geral.

Onde o modelo está disponível?

Está disponível como prévia pública no Microsoft Foundry e por meio de fal, Genspark, OpenRouter e Vercel.

Modelos relacionados