Microsoft AI MAI-Image-2.5 er udgaven til generel generering og kontrolleret redigering i 2.5-billedfamilien. Modelkortet beskriver en diffusionsmodel med flow matching, 20 milliarder parametre uden for embeddings, tekst- og billedinput og en kontekst på 32K tokens. Den producerer billedoutput til koncepter, portrætter, produktbilleder, illustrationer og revisioner af eksisterende designs. Det nyttige indledende valg er, om opgaven kræver en ny komposition eller en specifik ændring af et materiale, der allerede indeholder det ønskede motiv.
Til generering skal du beskrive hovedmotiv, visuel stil, lys, synsvinkel og opstilling. Producenten fremhæver detaljerede, sammenhængende billeder, tekstgengivelse, produktbilleder og efterlevelse af prompts. En praktisk beskrivelse af en præsentationsillustration kan angive motivets rolle, den ønskede visuelle fremhævelse og mængden af omgivende plads. Et produktkoncept kan medtage materiale, skala og overfladefinish. Hold beskrivelsen sammenhængende, så genstande deler én scene og én lysplan frem for at kombinere flere uforenelige visuelle behandlinger.
Visuelt ræsonnement i denne udgave vedrører scenestruktur, belysning, skala og rumlige relationer. Producenten angiver tilføjelse af en genstand med passende perspektiv og skygger som en redigeringsanvendelse. Ved en værkstedsredigering kan du placere en lille skammel ved en arbejdsbænk og samtidig bevare den eksisterende synsvinkel og lyset. Gennemgangen bør sammenligne skamlens størrelse, hvor den rører gulvet, og om dens skygge følger de andre genstande. En lokalt overbevisende genstand skal stadig passe til geometrien i hele kildebilledet.
Målrettede redigeringer omfatter fjernelse eller udskiftning af genstande, ændring af egenskaber, inpainting, layouttilpasning, tekstopdateringer og oprydning såsom reduktion af artefakter fra bevægelsessløring. Medsend kildebilledet, og navngiv både rettelsen og de detaljer, der skal bevares. En fokuseret fotoredigering kan fjerne en forstyrrende genstand fra baggrunden og samtidig bevare personen, beskæringen og forgrundens opstilling. En designrevision kan opdatere en kort tekstlinje og bevare kompositionen. Sammenlign hele resultatet med kilden frem for kun at vurdere det redigerede område.
Microsoft fremhæver også konsistens i ansigtsidentitet på tværs af redigeringer, herunder ændringer af positur, udtryk eller synsvinkel. Brug en tydelig reference til ligheden, og angiv den ønskede ændring på en måde, der bevarer de identificerende træk. Producentens aktuelle redigeringsvejledning accepterer op til fem JPEG- eller PNG-billeder, så forskellige referencer kan identificere personen, genstanden, scenen eller stilen. Navngiv disse roller i prompten. Ved en portrætrevision skal du undersøge ansigtet såvel som det ændrede tøj eller baggrunden, før billedet betragtes som færdigt.
Det konkrete modelkort begrænser output til i alt 1.048.576 pixels, svarende til et kvadrat på 1024×1024, og tillader, at én side overstiger 1024, hvis det samlede antal holder sig inden for dette areal. Driftsvejledningen kræver desuden, at begge dimensioner er mindst 768 pixels. Et rektangulært mål såsom 1344×768 har 1.032.192 pixels og opfylder disse dokumenterede regler for areal og minimumsdimensioner. Den nyttige grænse er produktet af bredde og højde, så forbered målformen, før du beder om en liggende eller stående komposition.
Generering og redigering returnerer PNG-billeddata i producentens driftsgrænseflade. Det oprindelige modelkort angiver en kontekst på 32K tokens, mens denne grænseflade angiver en maksimal promptkontekst på 32.000 tokens. Katalogets separate tal på 4.096 outputtokens er en tokenramme frem for en outputdimension. Bevar disse angivne anvendelsesområder, når du organiserer en detaljeret prompt og det færdige billede. Kildematerialer, bevarede træk, ønskede redigeringer og målstørrelse udgør et nyttigt revisionsgrundlag sammen med PNG-filen.
Modellens kreative spænd omfatter fotorealistiske og filmiske billeder, portrætter, produkt- eller brandingkoncepter, designs med tekst og andre visuelle stilarter. Til en etiket eller et skilt skal du angive den præcise ordlyd og undersøge stavningen i den endelige visningsstørrelse. En genkendelig fotografisk overflade kan stadig indeholde opfundne detaljer, en inkonsistent refleksion eller unøjagtig tekst. En praktisk kontrol følger designets krav: genstandsidentitet, læsbarhed, rumlige relationer og den bevarede scene har alle betydning. Hold en specifik rettelse adskilt fra ændringer, der allerede har fungeret.
Inden for 2.5-familien lægger Pro vægt på højere gengivelsestrofasthed og stabile relationer i tætte scener, mens Flash betjener hurtigere produktion. 2.6-familien indfører et større dokumenteret pixelareal, valgfri webbaseret kildeforankring og modelstyret formatvalg. Standardudgaven 2.5 bevarer sin egen genererings- og redigeringsarbejdsgang uden disse senere kontroller. Vælg udgave ud fra den vanskelige del af den faktiske billedopgave, og gennemgå det færdige resultat op mod denne beskrivelse.
", "aboutText": "Microsoft AI MAI-Image-2.5 er udgaven til generel generering og kontrolleret redigering i 2.5-billedfamilien. Modelkortet beskriver en diffusionsmodel med flow matching, 20 milliarder parametre uden for embeddings, tekst- og billedinput og en kontekst på 32K tokens. Den producerer billedoutput til koncepter, portrætter, produktbilleder, illustrationer og revisioner af eksisterende designs. Det nyttige indledende valg er, om opgaven kræver en ny komposition eller en specifik ændring af et materiale, der allerede indeholder det ønskede motiv.\n\nTil generering skal du beskrive hovedmotiv, visuel stil, lys, synsvinkel og opstilling. Producenten fremhæver detaljerede, sammenhængende billeder, tekstgengivelse, produktbilleder og efterlevelse af prompts. En praktisk beskrivelse af en præsentationsillustration kan angive motivets rolle, den ønskede visuelle fremhævelse og mængden af omgivende plads. Et produktkoncept kan medtage materiale, skala og overfladefinish. Hold beskrivelsen sammenhængende, så genstande deler én scene og én lysplan frem for at kombinere flere uforenelige visuelle behandlinger.\n\nVisuelt ræsonnement i denne udgave vedrører scenestruktur, belysning, skala og rumlige relationer. Producenten angiver tilføjelse af en genstand med passende perspektiv og skygger som en redigeringsanvendelse. Ved en værkstedsredigering kan du placere en lille skammel ved en arbejdsbænk og samtidig bevare den eksisterende synsvinkel og lyset. Gennemgangen bør sammenligne skamlens størrelse, hvor den rører gulvet, og om dens skygge følger de andre genstande. En lokalt overbevisende genstand skal stadig passe til geometrien i hele kildebilledet.\n\nMålrettede redigeringer omfatter fjernelse eller udskiftning af genstande, ændring af egenskaber, inpainting, layouttilpasning, tekstopdateringer og oprydning såsom reduktion af artefakter fra bevægelsessløring. Medsend kildebilledet, og navngiv både rettelsen og de detaljer, der skal bevares. En fokuseret fotoredigering kan fjerne en forstyrrende genstand fra baggrunden og samtidig bevare personen, beskæringen og forgrundens opstilling. En designrevision kan opdatere en kort tekstlinje og bevare kompositionen. Sammenlign hele resultatet med kilden frem for kun at vurdere det redigerede område.\n\nMicrosoft fremhæver også konsistens i ansigtsidentitet på tværs af redigeringer, herunder ændringer af positur, udtryk eller synsvinkel. Brug en tydelig reference til ligheden, og angiv den ønskede ændring på en måde, der bevarer de identificerende træk. Producentens aktuelle redigeringsvejledning accepterer op til fem JPEG- eller PNG-billeder, så forskellige referencer kan identificere personen, genstanden, scenen eller stilen. Navngiv disse roller i prompten. Ved en portrætrevision skal du undersøge ansigtet såvel som det ændrede tøj eller baggrunden, før billedet betragtes som færdigt.\n\nDet konkrete modelkort begrænser output til i alt 1.048.576 pixels, svarende til et kvadrat på 1024×1024, og tillader, at én side overstiger 1024, hvis det samlede antal holder sig inden for dette areal. Driftsvejledningen kræver desuden, at begge dimensioner er mindst 768 pixels. Et rektangulært mål såsom 1344×768 har 1.032.192 pixels og opfylder disse dokumenterede regler for areal og minimumsdimensioner. Den nyttige grænse er produktet af bredde og højde, så forbered målformen, før du beder om en liggende eller stående komposition.\n\nGenerering og redigering returnerer PNG-billeddata i producentens driftsgrænseflade. Det oprindelige modelkort angiver en kontekst på 32K tokens, mens denne grænseflade angiver en maksimal promptkontekst på 32.000 tokens. Katalogets separate tal på 4.096 outputtokens er en tokenramme frem for en outputdimension. Bevar disse angivne anvendelsesområder, når du organiserer en detaljeret prompt og det færdige billede. Kildematerialer, bevarede træk, ønskede redigeringer og målstørrelse udgør et nyttigt revisionsgrundlag sammen med PNG-filen.\n\nModellens kreative spænd omfatter fotorealistiske og filmiske billeder, portrætter, produkt- eller brandingkoncepter, designs med tekst og andre visuelle stilarter. Til en etiket eller et skilt skal du angive den præcise ordlyd og undersøge stavningen i den endelige visningsstørrelse. En genkendelig fotografisk overflade kan stadig indeholde opfundne detaljer, en inkonsistent refleksion eller unøjagtig tekst. En praktisk kontrol følger designets krav: genstandsidentitet, læsbarhed, rumlige relationer og den bevarede scene har alle betydning. Hold en specifik rettelse adskilt fra ændringer, der allerede har fungeret.\n\nInden for 2.5-familien lægger Pro vægt på højere gengivelsestrofasthed og stabile relationer i tætte scener, mens Flash betjener hurtigere produktion. 2.6-familien indfører et større dokumenteret pixelareal, valgfri webbaseret kildeforankring og modelstyret formatvalg. Standardudgaven 2.5 bevarer sin egen genererings- og redigeringsarbejdsgang uden disse senere kontroller. Vælg udgave ud fra den vanskelige del af den faktiske billedopgave, og gennemgå det færdige resultat op mod denne beskrivelse.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "094aac13c76e9448460b73f73971c04f5c908abcc61d453cc181899e576925fe", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "microsoft/mai-image-2.5Microsoft AI MAI-Image-2.5 skaber billeder fra tekst og foretager målrettede redigeringer af medsendte fotos eller designs. Den understøtter ændringer af genstande og tekst, oprydning i artefakter og revisioner, der bevarer ansigter, med PNG-output og op til fem visuelle referencer. Modelkortet angiver en kontekst på 32K og 1.048.576 outputpixels.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Microsoft AI MAI-Image-2.5 er udgaven til generel generering og kontrolleret redigering i 2.5-billedfamilien. Modelkortet beskriver en diffusionsmodel med flow matching, 20 milliarder parametre uden for embeddings, tekst- og billedinput og en kontekst på 32K tokens. Den producerer billedoutput til koncepter, portrætter, produktbilleder, illustrationer og revisioner af eksisterende designs. Det nyttige indledende valg er, om opgaven kræver en ny komposition eller en specifik ændring af et materiale, der allerede indeholder det ønskede motiv.
Til generering skal du beskrive hovedmotiv, visuel stil, lys, synsvinkel og opstilling. Producenten fremhæver detaljerede, sammenhængende billeder, tekstgengivelse, produktbilleder og efterlevelse af prompts. En praktisk beskrivelse af en præsentationsillustration kan angive motivets rolle, den ønskede visuelle fremhævelse og mængden af omgivende plads. Et produktkoncept kan medtage materiale, skala og overfladefinish. Hold beskrivelsen sammenhængende, så genstande deler én scene og én lysplan frem for at kombinere flere uforenelige visuelle behandlinger.
Visuelt ræsonnement i denne udgave vedrører scenestruktur, belysning, skala og rumlige relationer. Producenten angiver tilføjelse af en genstand med passende perspektiv og skygger som en redigeringsanvendelse. Ved en værkstedsredigering kan du placere en lille skammel ved en arbejdsbænk og samtidig bevare den eksisterende synsvinkel og lyset. Gennemgangen bør sammenligne skamlens størrelse, hvor den rører gulvet, og om dens skygge følger de andre genstande. En lokalt overbevisende genstand skal stadig passe til geometrien i hele kildebilledet.
Målrettede redigeringer omfatter fjernelse eller udskiftning af genstande, ændring af egenskaber, inpainting, layouttilpasning, tekstopdateringer og oprydning såsom reduktion af artefakter fra bevægelsessløring. Medsend kildebilledet, og navngiv både rettelsen og de detaljer, der skal bevares. En fokuseret fotoredigering kan fjerne en forstyrrende genstand fra baggrunden og samtidig bevare personen, beskæringen og forgrundens opstilling. En designrevision kan opdatere en kort tekstlinje og bevare kompositionen. Sammenlign hele resultatet med kilden frem for kun at vurdere det redigerede område.
Microsoft fremhæver også konsistens i ansigtsidentitet på tværs af redigeringer, herunder ændringer af positur, udtryk eller synsvinkel. Brug en tydelig reference til ligheden, og angiv den ønskede ændring på en måde, der bevarer de identificerende træk. Producentens aktuelle redigeringsvejledning accepterer op til fem JPEG- eller PNG-billeder, så forskellige referencer kan identificere personen, genstanden, scenen eller stilen. Navngiv disse roller i prompten. Ved en portrætrevision skal du undersøge ansigtet såvel som det ændrede tøj eller baggrunden, før billedet betragtes som færdigt.
Det konkrete modelkort begrænser output til i alt 1.048.576 pixels, svarende til et kvadrat på 1024×1024, og tillader, at én side overstiger 1024, hvis det samlede antal holder sig inden for dette areal. Driftsvejledningen kræver desuden, at begge dimensioner er mindst 768 pixels. Et rektangulært mål såsom 1344×768 har 1.032.192 pixels og opfylder disse dokumenterede regler for areal og minimumsdimensioner. Den nyttige grænse er produktet af bredde og højde, så forbered målformen, før du beder om en liggende eller stående komposition.
Generering og redigering returnerer PNG-billeddata i producentens driftsgrænseflade. Det oprindelige modelkort angiver en kontekst på 32K tokens, mens denne grænseflade angiver en maksimal promptkontekst på 32.000 tokens. Katalogets separate tal på 4.096 outputtokens er en tokenramme frem for en outputdimension. Bevar disse angivne anvendelsesområder, når du organiserer en detaljeret prompt og det færdige billede. Kildematerialer, bevarede træk, ønskede redigeringer og målstørrelse udgør et nyttigt revisionsgrundlag sammen med PNG-filen.
Modellens kreative spænd omfatter fotorealistiske og filmiske billeder, portrætter, produkt- eller brandingkoncepter, designs med tekst og andre visuelle stilarter. Til en etiket eller et skilt skal du angive den præcise ordlyd og undersøge stavningen i den endelige visningsstørrelse. En genkendelig fotografisk overflade kan stadig indeholde opfundne detaljer, en inkonsistent refleksion eller unøjagtig tekst. En praktisk kontrol følger designets krav: genstandsidentitet, læsbarhed, rumlige relationer og den bevarede scene har alle betydning. Hold en specifik rettelse adskilt fra ændringer, der allerede har fungeret.
Inden for 2.5-familien lægger Pro vægt på højere gengivelsestrofasthed og stabile relationer i tætte scener, mens Flash betjener hurtigere produktion. 2.6-familien indfører et større dokumenteret pixelareal, valgfri webbaseret kildeforankring og modelstyret formatvalg. Standardudgaven 2.5 bevarer sin egen genererings- og redigeringsarbejdsgang uden disse senere kontroller. Vælg udgave ud fra den vanskelige del af den faktiske billedopgave, og gennemgå det færdige resultat op mod denne beskrivelse.
POST /v1/images/generationstext, imageimage| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser microsoft/mai-image-2.5 | Standard— |
Feltprompt | Typestring | KravPåkrævet | Værdier og grænser Minimumslængde: 1 | Standard— |
Feltaspect_ratio | Typestring | KravValgfrit | Værdier og grænser 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3, auto | Standard— |
Feltn | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Maksimum: 1 | Standard— |
Feltinput_references | Typearray | KravValgfrit | Værdier og grænser Minimumsantal elementer: 0 Maksimalt antal elementer: 1 | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser | Standard— |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, prompt |
Parametermaterial_types | Kontrakttext, image |
Livscyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · det faktisk returnerede task_id eller posten i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
De viste satser bruges til at anslå omkostningen før genereringen. Det endelige beløb beregnes ud fra den registrerede omkostning for den oprindelige generering. Den målte varighed af outputtet og de anslåede mængder er ikke den endelige fakturerbare mængde.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Forventet mængde | Beløb |
|---|---|---|---|
| KonfigurationGrundpriser for tokens | TakstplanGrundtakst | Forventet mængde— | Beløb Input · Inputtokens · Estimat kun til sammenligning — / 1K tokens Output · Outputtokens · Estimat kun til sammenligning — / 1K tokens Input · Cachelæsning · Estimat kun til sammenligning — / 1K tokens Input · Cacheskrivning · Estimat kun til sammenligning — / 1K tokens Input · Cacheskrivning, 1 time · Estimat kun til sammenligning — / 1K tokens |
| KonfigurationAnslået genereringsomkostning | Takstplan— | Forventet mængdeestimat for én generering | Beløb Output · Anslået genereringsomkostning · Estimat kun til sammenligning $0.385024 estimat før generering Dette estimat er hverken et ekstra gebyr eller en fast pris for den færdige generering. |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np={'model': 'microsoft/mai-image-2.5', 'prompt': 'a red panda astronaut floating in space, studio lighting'}\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nHent hvert returneret billede, eller gem dets Base64-indhold
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nGem hvert færdigt billede; hent hver returneret URL eller afkod dets Base64-indhold.
Gem hele svaret og alle headere, alle faktisk returnerede output, de oprindeligt returnerede identifikatorer og alle felter med forbrugsdata. Gendan den oprindelige operation uden at sende oprettelsesanmodningen igen.
Gem det returnerede X-Client-Request-ID til afstemning. Brug kun faktisk returnerede task_id/asset_id-værdier eller dit eget mediebibliotek til læseanmodninger; opbyg aldrig en opgave-URL ud fra operations-ID’et, og send aldrig oprettelsesanmodningen igen.
| Felt | Type |
|---|---|
Feltcreated | Type |
Feltdata[].url | Type |
Feltdata[].b64_json | Type |
Feltusage | Type |
Ailoot Ultra microsoft/mai-image-2.5
/v1/images