Felo API PlatformFelo API Platform
กลับไปที่โมเดล

Microsoft AI: MAI-Image-2.7 Flash API

โมเดลสร้างและแก้ไขภาพที่เน้นความเร็ว รองรับการอ้างอิงสไตล์และวัตถุ

Microsoft AI: MAI-Image-2.7 Flash เป็นโมเดลสร้างภาพจากข้อความด้วย Diffusion และแก้ไขภาพจากภาพได้อย่างแม่นยำและควบคุมได้ รองรับข้อความและภาพเป็นอินพุต พร้อมบริบท32,000 tokens และส่งออกเป็น PNG ในออบเจ็กต์ JSON ที่เข้ารหัสแบบ base64 เสมอ โมเดลนี้เปิดตัวในรูปแบบ public preview และเป็นโมเดลเริ่มต้นของตระกูลสำหรับ Bing Image Creator

เหมาะกับการสร้างภาพร่างจำนวนมาก กระบวนการออกแบบแบบทำซ้ำ เครื่องมือสร้างสรรค์แบบโต้ตอบ และงานปรับแต่งภาพสินค้า เช่น การสร้างพื้นหลังโปร่งใสหรือเปลี่ยนวัตถุโดยไม่ต้องทำมาสก์ด้วยตนเอง นอกจากนี้ยังเปลี่ยนสีหรือวัสดุของวัตถุโดยไม่ต้องสร้างฉากทั้งหมดใหม่ และสร้างภาพการตลาด ป้าย หรือหน้าร้านที่ต้องการข้อความในภาพอย่างแม่นยำได้

โมเดลนี้ออกแบบให้เร็วและมีต้นทุนต่อภาพต่ำกว่า MAI-Image-2.7 โดยแลกกับความเที่ยงตรงบางส่วน รองรับภาพอ้างอิงสไตล์หรือวัตถุได้สูงสุด5 ภาพ โดยภาพอ้างอิงต้องเป็น JPEG หรือ PNG และภาพผลลัพธ์ต้องมีความกว้างและความสูงอย่างน้อย768 พิกเซล โมเดลรองรับเฉพาะการสร้างและแก้ไขภาพ ไม่รวมการให้เหตุผลด้วยข้อความ การใช้เครื่องมือ หรือการค้นเว็บ

อัปเดต:

ID โมเดล

mai-image-2.7-flash
บริบท
4.096K
เอาต์พุตสูงสุด
1.024K
อินพุต
text / image
เอาต์พุต
image

จุดเด่น

  • สร้างภาพด้วย Diffusion
  • แก้ไขภาพแบบควบคุมได้
  • อ้างอิงได้สูงสุด5 ภาพ
  • ส่งออก PNG แบบ base64
  • เหมาะกับงานจำนวนมาก

ผู้ให้บริการ

1 ผู้ให้บริการ

เปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด

ผู้ให้บริการ · รายละเอียดราคา
อัตราความพร้อมใช้งาน

เบนช์มาร์ก

  • กระดานจัดอันดับ Artificial Analysis — การแก้ไขภาพ

    อันดับ7

    7
  • กระดานจัดอันดับ Artificial Analysis — การสร้างภาพจากข้อความ

    อันดับ11

    11
  • Artificial Analysis — การแก้ไขฉากและสไตล์

    อันดับ3

    3
  • Artificial Analysis — การเพิ่มคุณภาพและฟื้นฟูภาพ

    อันดับ4

    4

คะแนนตามที่ผู้ให้บริการโมเดลเผยแพร่

เริ่มต้นอย่างรวดเร็ว

ส่งงานภาพ ตรวจสอบสถานะ แล้วบันทึกภาพ ตัวอย่างใช้ curl และไลบรารีมาตรฐานของ Python 3

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

1ตั้งค่าคีย์ API

สร้างคีย์จากบัญชี Felo API Platform ของคุณและตั้งเป็นตัวแปรสภาพแวดล้อม

export FELO_API_KEY="YOUR_API_KEY"

2ส่งคำขอแรก

ค่าพารามิเตอร์เสริมแตกต่างกันตามโมเดล จึงไม่กำหนดในตัวอย่าง โปรดยืนยันใน Playground ฟิลด์อยู่ระดับเดียวกับ model และ prompt ไม่ห่อด้วย 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"
}'

3สอบถามสถานะงาน

เมื่อส่งจะได้รับ task_id ตรวจสอบทุก 3 วินาทีขณะ queued หรือ running และหยุดเมื่อ succeeded, failed หรือ interrupted รอสูงสุด 30 นาที เก็บ created.json เพื่อกลับมาตรวจสอบงานเดิมโดยไม่ส่งซ้ำ

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

4ดาวน์โหลดเอาต์พุต

เมื่อสำเร็จ ให้บันทึก outputs จาก task.json รองรับ URL HTTPS ออบเจ็กต์ URL และ b64_json ควรดาวน์โหลด URL ที่ลงนามโดยเร็ว การดาวน์โหลดภาพไม่ต้องใช้ API Key

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

หากต้องการแก้ไขภาพ ให้แทน URL ตัวอย่างด้วย URL ภาพ HTTPS หรือ data URL ภาพ base64 ของคุณ ส่งครั้งเดียวแล้วใช้ขั้นตอนตรวจสอบและบันทึกเดิม

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"
      }
    }
  ]
}'

พารามิเตอร์ที่รองรับ

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

ต้องการเอกสารอ้างอิงฉบับเต็มหรือไม่

เอกสารอ้างอิง API →

คำถามที่พบบ่อย

รู้จัก Microsoft AI: MAI-Image-2.7 Flash?

Microsoft AI: MAI-Image-2.7 Flash เป็นโมเดลสร้างภาพจากข้อความด้วย Diffusion และแก้ไขภาพจากภาพได้อย่างแม่นยำและควบคุมได้ รองรับข้อความและภาพเป็นอินพุต พร้อมบริบท32,000 tokens และส่งออกเป็น PNG ในออบเจ็กต์ JSON ที่เข้ารหัสแบบ base64 เสมอ โมเดลนี้เปิดตัวในรูปแบบ public preview และเป็นโมเดลเริ่มต้นของตระกูลสำหรับ Bing Image Creator เหมาะกับการสร้างภาพร่างจำนวนมาก กระบวนการออกแบบแบบทำซ้ำ เครื่องมือสร้างสรรค์แบบโต้ตอบ และงานปรับแต่งภาพสินค้า เช่น การสร้างพื้นหลังโปร่งใสหรือเปลี่ยนวัตถุโดยไม่ต้องทำมาสก์ด้วยตนเอง นอกจากนี้ยังเปลี่ยนสีหรือวัสดุของวัตถุโดยไม่ต้องสร้างฉากทั้งหมดใหม่ และสร้างภาพการตลาด ป้าย หรือหน้าร้านที่ต้องการข้อความในภาพอย่างแม่นยำได้ โมเดลนี้ออกแบบให้เร็วและมีต้นทุนต่อภาพต่ำกว่า MAI-Image-2.7 โดยแลกกับความเที่ยงตรงบางส่วน รองรับภาพอ้างอิงสไตล์หรือวัตถุได้สูงสุด5 ภาพ โดยภาพอ้างอิงต้องเป็น JPEG หรือ PNG และภาพผลลัพธ์ต้องมีความกว้างและความสูงอย่างน้อย768 พิกเซล โมเดลรองรับเฉพาะการสร้างและแก้ไขภาพ ไม่รวมการให้เหตุผลด้วยข้อความ การใช้เครื่องมือ หรือการค้นเว็บ

การใช้งานถูกเรียกเก็บเงินอย่างไร

ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน คิดค่าบริการตามต้นทุนการสร้างจริง ดูยอดสุดท้ายได้ในใบแจ้งหนี้

รองรับอินพุตและเอาต์พุตแบบใด

รองรับข้อความและภาพเป็นอินพุต เอาต์พุตเป็นภาพ PNG ที่ส่งคืนในออบเจ็กต์ JSON แบบเข้ารหัส base64

รองรับบริบทและความยาวเอาต์พุตเท่าใด

รองรับบริบท32,000 tokens ไม่ได้ระบุขีดจำกัดความยาวเอาต์พุต

เหมาะกับงานประเภทใด

เหมาะกับการสร้างภาพจากข้อความ การแก้ไขภาพ การปรับแต่งภาพสินค้า การสร้างภาพจำนวนมาก และการออกแบบแบบทำซ้ำ

ใช้ภาพอ้างอิงได้กี่ภาพ

ใช้ภาพอ้างอิงสไตล์หรือวัตถุได้สูงสุด5 ภาพ โดยภาพต้องเป็น JPEG หรือ PNG

แตกต่างจาก MAI-Image-2.7 อย่างไร

MAI-Image-2.7 Flash เป็นรุ่นที่เร็วกว่าและมีต้นทุนต่ำกว่า โดยมีความสามารถด้านการสร้างและแก้ไขภาพเช่นเดียวกับ MAI-Image-2.7 แต่แลกกับความเที่ยงตรงบางส่วน

โมเดลที่เกี่ยวข้อง