Felo API PlatformFelo API Platform
Назад к моделям

Microsoft AI: MAI-Image-2.7 API

MAI-Image-2.7 — модель Microsoft AI для генерации и точного редактирования фотореалистичных изображений с сохранением композиции.

MAI-Image-2.7 принимает текстовые и графические входные данные и создаёт изображения на основе текстовых запросов с использованием диффузионного подхода. Модель поддерживает преобразование изображения в изображение, а также удаление, замену и изменение атрибутов объектов без потери исходной композиции и структуры.

Модель подходит для творческой генерации, дизайна, рестайлинга сцен, изменения освещения, восстановления и улучшения готовых материалов. Она умеет выполнять заливку областей, обновлять текст и устранять артефакты размытия в движении, сохраняя визуальную согласованность при последовательных правках.

MAI-Image-2.7 создаёт фотореалистичные изображения, портреты высокой точности, изображения товаров, фирменные материалы и коммерческий дизайн. Модель также отображает текст на этикетках, плакатах, упаковке и знаках. Она доступна в формате публичного preview в Microsoft Foundry, а также через fal, Genspark, OpenRouter и Vercel.

Обновлено:

MODEL ID

mai-image-2.7
Контекст
4.096K
Макс. вывод
1.024K
Вход
text / image
Выход
image

Ключевые возможности

  • Точное управляемое редактирование
  • Стабильная композиция
  • Улучшенный рендеринг текста
  • Фотореалистичный результат
  • Публичный preview в Microsoft Foundry

Поставщики

1 поставщиков

Сравните цены API у разных поставщиков. Выберите поставщика, чтобы посмотреть все тарифы и условия.

Поставщик · Подробности оплаты
Доступность

Бенчмарки

  • AA-Image-Editing v2.1

    Elo;5,478 голосов;1-е место по состоянию на2026-11-16

    1215
  • Artificial Analysis scene and style

    Elo выше, чем у следующей модели

    24
  • Artificial Analysis live-action film

    Рейтинг:1-е место

    1-е место
  • Artificial Analysis consumer

    Рейтинг:1-е место

    1-е место
  • Artificial Analysis frontier editing

    Рейтинг:1-е место

    1-е место

Результаты опубликованы производителем модели.

Quick Start

Отправьте задачу, опрашивайте её статус и сохраните изображения. Примеры используют curl и стандартную библиотеку Python 3.

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

1Добавьте API key

Создайте key в аккаунте Felo API Platform и задайте его как environment variable.

export FELO_API_KEY="YOUR_API_KEY"

2Первый запрос

Необязательные значения зависят от модели и в примере не заданы. Проверьте их в Playground. Поля находятся на одном уровне с model и prompt, без обёртки 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"
}'

3Опрос задачи

После отправки возвращается task_id. При queued или running опрашивайте каждые 3 секунды; при succeeded, failed или interrupted завершайте. Ожидание — до 30 минут. Сохраните created.json для продолжения опроса без повторной отправки.

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

4Скачать результат

После успеха сохраните outputs из task.json. Поддерживаются HTTPS URL, объекты URL и b64_json. Подписанные ссылки скачивайте своевременно; API-ключ для скачивания не нужен.

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

Для редактирования замените пример URL своим HTTPS URL изображения или base64 data URL. Отправьте один раз, затем используйте те же шаги опроса и сохранения.

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"
      }
    }
  ]
}'

Поддерживаемые параметры

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

Нужен полный справочник?

Справочник API →

Частые вопросы

О модели Microsoft AI: MAI-Image-2.7?

MAI-Image-2.7 принимает текстовые и графические входные данные и создаёт изображения на основе текстовых запросов с использованием диффузионного подхода. Модель поддерживает преобразование изображения в изображение, а также удаление, замену и изменение атрибутов объектов без потери исходной композиции и структуры. Модель подходит для творческой генерации, дизайна, рестайлинга сцен, изменения освещения, восстановления и улучшения готовых материалов. Она умеет выполнять заливку областей, обновлять текст и устранять артефакты размытия в движении, сохраняя визуальную согласованность при последовательных правках. MAI-Image-2.7 создаёт фотореалистичные изображения, портреты высокой точности, изображения товаров, фирменные материалы и коммерческий дизайн. Модель также отображает текст на этикетках, плакатах, упаковке и знаках. Она доступна в формате публичного preview в Microsoft Foundry, а также через fal, Genspark, OpenRouter и Vercel.

Как рассчитывается стоимость?

Стоимость зависит от выбранного поставщика, его цен и вашего использования. Для длинных запросов могут действовать другие цены — смотрите подробности. Оплата по фактическим затратам на генерацию. Итоговая сумма указана в счёте.

Какие входные данные поддерживает модель?

MAI-Image-2.7 поддерживает текстовые и графические входные данные, а также выдаёт изображения.

Какие задачи редактирования она выполняет?

Модель преобразует изображения, удаляет и заменяет объекты, изменяет их атрибуты, выполняет заливку областей, обновляет текст и устраняет артефакты размытия в движении.

Для каких задач подходит MAI-Image-2.7?

Она подходит для творческой генерации, дизайна, рестайлинга сцен, работы с товарами и брендовыми материалами, восстановления изображений и интеграции текста и символов.

Как модель сохраняет качество при правках?

MAI-Image-2.7 поддерживает визуальную согласованность при последовательных изменениях и сохраняет общую композицию изображения.

Чем модель отличается от MAI-Image-2.6?

По сравнению с MAI-Image-2.6 она улучшена во всех10 оценивавшихся сценариях и во всех7 действиях редактирования.

Связанные модели