{ "aboutHtml": "

Microsoft AI MAI-Image-2.5 ialah edisi penjanaan umum dan penyuntingan terkawal dalam keluarga imej 2.5. Kad modelnya menerangkan model resapan menggunakan flow matching, dengan 20 bilion parameter bukan embedding, input teks dan imej, serta konteks 32K token. Ia menghasilkan output imej untuk konsep, potret, imejan produk, ilustrasi dan pindaan reka bentuk sedia ada. Pilihan permulaan berguna ialah sama ada tugas memerlukan komposisi baharu atau perubahan khusus pada aset yang sudah mengandungi subjek dimaksudkan.

Untuk penjanaan, huraikan subjek utama, gaya visual, cahaya, sudut pandangan dan susunan. Pengeluar menonjolkan imej terperinci dan padu, pemaparan teks, imejan produk serta pematuhan prompt. Arahan praktikal untuk ilustrasi persembahan boleh menetapkan peranan subjek, penekanan visual dimaksudkan dan jumlah ruang sekeliling. Konsep produk boleh merangkumi bahan, skala dan kemasan permukaan. Pastikan penerangan padu supaya objek berkongsi satu adegan dan satu rancangan pencahayaan tanpa menggabungkan beberapa olahan visual tidak serasi.

Penaakulan visual dalam edisi ini melibatkan struktur adegan, pencahayaan, skala dan hubungan ruang. Pengeluar memberikan penambahan objek dengan perspektif dan bayang sesuai sebagai kegunaan penyuntingan. Untuk suntingan bengkel, letakkan bangku kecil di sebelah meja kerja sambil mengekalkan sudut pandangan dan cahaya sedia ada. Semakan perlu membandingkan saiz bangku, tempat ia menyentuh lantai dan sama ada bayangnya mengikuti objek lain. Objek yang meyakinkan secara setempat masih perlu sesuai dengan geometri seluruh imej sumber.

Suntingan terarah termasuk membuang atau menggantikan objek, mengubah atribut, inpainting, penyesuaian susun atur, kemas kini teks dan pembersihan seperti mengurangkan artifak kabur gerakan. Berikan imej sumber dan namakan pembetulan serta butiran yang perlu dikekalkan. Suntingan foto terarah boleh membuang objek mengganggu di latar belakang sambil mengekalkan orang, pemotongan dan susunan hadapan. Pindaan reka bentuk boleh mengemas kini baris teks ringkas sambil mengekalkan komposisi. Bandingkan hasil penuh dengan sumber tanpa menilai kawasan disunting sahaja.

Microsoft turut menekankan konsistensi identiti wajah merentas suntingan, termasuk perubahan pose, ekspresi atau sudut pandangan. Gunakan rujukan jelas untuk keserupaan dan nyatakan perubahan dimaksudkan dengan cara yang mengekalkan ciri pengenalan. Panduan penyuntingan semasa pengeluar menerima sehingga lima imej JPEG atau PNG, membolehkan rujukan berbeza mengenal pasti orang, objek, adegan atau gaya. Namakan peranan itu dalam prompt. Dalam pindaan potret, periksa wajah serta pakaian atau latar belakang yang diubah sebelum menganggap imej siap.

Kad model tepat mengehadkan output kepada jumlah 1,048,576 piksel, bersamaan segi empat sama 1024×1024, dan membenarkan satu sisi melebihi 1024 jika jumlah kekal dalam luas itu. Panduan penyediaan turut mewajibkan kedua-dua dimensi sekurang-kurangnya 768 piksel. Sasaran segi empat tepat seperti 1344×768 mempunyai 1,032,192 piksel dan memenuhi peraturan luas serta dimensi minimum yang didokumenkan. Had berguna ialah hasil darab lebar dan tinggi, jadi sediakan bentuk destinasi sebelum meminta komposisi landskap atau potret.

Penjanaan dan penyuntingan mengembalikan data imej PNG dalam antara muka penyediaan pengeluar. Kad model natif melaporkan konteks 32K token, sementara antara muka itu menetapkan konteks prompt maksimum 32,000 token. Angka 4,096 token output katalog yang berasingan ialah peruntukan token, bukannya dimensi output. Kekalkan skop dinyatakan itu ketika menyusun prompt terperinci dan imej siap. Aset sumber, ciri dikekalkan, suntingan diminta dan saiz sasaran membentuk rekod pindaan berguna bersama PNG.

Julat kreatif model merangkumi imejan fotorealistik dan sinematik, potret, konsep produk atau penjenamaan, reka bentuk bertulis serta gaya visual lain. Untuk label atau papan tanda, berikan perkataan tepat dan periksa ejaannya pada saiz paparan akhir. Permukaan fotografi yang dikenali masih boleh mengandungi perincian direka, pantulan tidak konsisten atau tulisan tidak tepat. Semakan praktikal mengikuti keperluan reka bentuk: identiti objek, kebolehbacaan, hubungan ruang dan adegan dikekalkan semuanya penting. Asingkan pembetulan khusus daripada perubahan yang sudah berjaya.

Dalam keluarga 2.5, Pro menekankan kesetiaan lebih tinggi dan hubungan stabil dalam adegan padat, sementara Flash membantu produksi lebih responsif. Keluarga 2.6 memperkenalkan peruntukan luas piksel lebih besar yang didokumenkan, grounding web pilihan dan pemilihan nisbah oleh model. Standard 2.5 mengekalkan aliran penjanaan dan penyuntingan sendiri tanpa kawalan kemudian itu. Pilih edisi berdasarkan bahagian sukar tugas imej sebenar dan semak hasil siap terhadap arahan itu.

", "aboutText": "Microsoft AI MAI-Image-2.5 ialah edisi penjanaan umum dan penyuntingan terkawal dalam keluarga imej 2.5. Kad modelnya menerangkan model resapan menggunakan flow matching, dengan 20 bilion parameter bukan embedding, input teks dan imej, serta konteks 32K token. Ia menghasilkan output imej untuk konsep, potret, imejan produk, ilustrasi dan pindaan reka bentuk sedia ada. Pilihan permulaan berguna ialah sama ada tugas memerlukan komposisi baharu atau perubahan khusus pada aset yang sudah mengandungi subjek dimaksudkan.\n\nUntuk penjanaan, huraikan subjek utama, gaya visual, cahaya, sudut pandangan dan susunan. Pengeluar menonjolkan imej terperinci dan padu, pemaparan teks, imejan produk serta pematuhan prompt. Arahan praktikal untuk ilustrasi persembahan boleh menetapkan peranan subjek, penekanan visual dimaksudkan dan jumlah ruang sekeliling. Konsep produk boleh merangkumi bahan, skala dan kemasan permukaan. Pastikan penerangan padu supaya objek berkongsi satu adegan dan satu rancangan pencahayaan tanpa menggabungkan beberapa olahan visual tidak serasi.\n\nPenaakulan visual dalam edisi ini melibatkan struktur adegan, pencahayaan, skala dan hubungan ruang. Pengeluar memberikan penambahan objek dengan perspektif dan bayang sesuai sebagai kegunaan penyuntingan. Untuk suntingan bengkel, letakkan bangku kecil di sebelah meja kerja sambil mengekalkan sudut pandangan dan cahaya sedia ada. Semakan perlu membandingkan saiz bangku, tempat ia menyentuh lantai dan sama ada bayangnya mengikuti objek lain. Objek yang meyakinkan secara setempat masih perlu sesuai dengan geometri seluruh imej sumber.\n\nSuntingan terarah termasuk membuang atau menggantikan objek, mengubah atribut, inpainting, penyesuaian susun atur, kemas kini teks dan pembersihan seperti mengurangkan artifak kabur gerakan. Berikan imej sumber dan namakan pembetulan serta butiran yang perlu dikekalkan. Suntingan foto terarah boleh membuang objek mengganggu di latar belakang sambil mengekalkan orang, pemotongan dan susunan hadapan. Pindaan reka bentuk boleh mengemas kini baris teks ringkas sambil mengekalkan komposisi. Bandingkan hasil penuh dengan sumber tanpa menilai kawasan disunting sahaja.\n\nMicrosoft turut menekankan konsistensi identiti wajah merentas suntingan, termasuk perubahan pose, ekspresi atau sudut pandangan. Gunakan rujukan jelas untuk keserupaan dan nyatakan perubahan dimaksudkan dengan cara yang mengekalkan ciri pengenalan. Panduan penyuntingan semasa pengeluar menerima sehingga lima imej JPEG atau PNG, membolehkan rujukan berbeza mengenal pasti orang, objek, adegan atau gaya. Namakan peranan itu dalam prompt. Dalam pindaan potret, periksa wajah serta pakaian atau latar belakang yang diubah sebelum menganggap imej siap.\n\nKad model tepat mengehadkan output kepada jumlah 1,048,576 piksel, bersamaan segi empat sama 1024×1024, dan membenarkan satu sisi melebihi 1024 jika jumlah kekal dalam luas itu. Panduan penyediaan turut mewajibkan kedua-dua dimensi sekurang-kurangnya 768 piksel. Sasaran segi empat tepat seperti 1344×768 mempunyai 1,032,192 piksel dan memenuhi peraturan luas serta dimensi minimum yang didokumenkan. Had berguna ialah hasil darab lebar dan tinggi, jadi sediakan bentuk destinasi sebelum meminta komposisi landskap atau potret.\n\nPenjanaan dan penyuntingan mengembalikan data imej PNG dalam antara muka penyediaan pengeluar. Kad model natif melaporkan konteks 32K token, sementara antara muka itu menetapkan konteks prompt maksimum 32,000 token. Angka 4,096 token output katalog yang berasingan ialah peruntukan token, bukannya dimensi output. Kekalkan skop dinyatakan itu ketika menyusun prompt terperinci dan imej siap. Aset sumber, ciri dikekalkan, suntingan diminta dan saiz sasaran membentuk rekod pindaan berguna bersama PNG.\n\nJulat kreatif model merangkumi imejan fotorealistik dan sinematik, potret, konsep produk atau penjenamaan, reka bentuk bertulis serta gaya visual lain. Untuk label atau papan tanda, berikan perkataan tepat dan periksa ejaannya pada saiz paparan akhir. Permukaan fotografi yang dikenali masih boleh mengandungi perincian direka, pantulan tidak konsisten atau tulisan tidak tepat. Semakan praktikal mengikuti keperluan reka bentuk: identiti objek, kebolehbacaan, hubungan ruang dan adegan dikekalkan semuanya penting. Asingkan pembetulan khusus daripada perubahan yang sudah berjaya.\n\nDalam keluarga 2.5, Pro menekankan kesetiaan lebih tinggi dan hubungan stabil dalam adegan padat, sementara Flash membantu produksi lebih responsif. Keluarga 2.6 memperkenalkan peruntukan luas piksel lebih besar yang didokumenkan, grounding web pilihan dan pemilihan nisbah oleh model. Standard 2.5 mengekalkan aliran penjanaan dan penyuntingan sendiri tanpa kawalan kemudian itu. Pilih edisi berdasarkan bahagian sukar tugas imej sebenar dan semak hasil siap terhadap arahan itu.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "4fb3a2a700bfe15aa61ef15d82e64fb9fe481be5987b9efef0b48c8a1d004e39", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ms", "methods": [ { "html": "
•

Microsoft AI: MAI-Image-2.5

Microsoft AI /microsoft/mai-image-2.5

Pengenalan

Microsoft AI MAI-Image-2.5 mencipta imej daripada teks dan membuat suntingan bersasar pada foto atau reka bentuk yang diberikan. Ia menyokong perubahan objek dan teks, pembersihan artifak serta pindaan yang mengekalkan wajah, dengan output PNG dan sehingga lima rujukan visual. Kad modelnya menetapkan konteks 32K dan 1,048,576 piksel output.

Input yang diterima
Teks · Imej
Hasil
Imej
Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

Microsoft AI MAI-Image-2.5 ialah edisi penjanaan umum dan penyuntingan terkawal dalam keluarga imej 2.5. Kad modelnya menerangkan model resapan menggunakan flow matching, dengan 20 bilion parameter bukan embedding, input teks dan imej, serta konteks 32K token. Ia menghasilkan output imej untuk konsep, potret, imejan produk, ilustrasi dan pindaan reka bentuk sedia ada. Pilihan permulaan berguna ialah sama ada tugas memerlukan komposisi baharu atau perubahan khusus pada aset yang sudah mengandungi subjek dimaksudkan.

Untuk penjanaan, huraikan subjek utama, gaya visual, cahaya, sudut pandangan dan susunan. Pengeluar menonjolkan imej terperinci dan padu, pemaparan teks, imejan produk serta pematuhan prompt. Arahan praktikal untuk ilustrasi persembahan boleh menetapkan peranan subjek, penekanan visual dimaksudkan dan jumlah ruang sekeliling. Konsep produk boleh merangkumi bahan, skala dan kemasan permukaan. Pastikan penerangan padu supaya objek berkongsi satu adegan dan satu rancangan pencahayaan tanpa menggabungkan beberapa olahan visual tidak serasi.

Penaakulan visual dalam edisi ini melibatkan struktur adegan, pencahayaan, skala dan hubungan ruang. Pengeluar memberikan penambahan objek dengan perspektif dan bayang sesuai sebagai kegunaan penyuntingan. Untuk suntingan bengkel, letakkan bangku kecil di sebelah meja kerja sambil mengekalkan sudut pandangan dan cahaya sedia ada. Semakan perlu membandingkan saiz bangku, tempat ia menyentuh lantai dan sama ada bayangnya mengikuti objek lain. Objek yang meyakinkan secara setempat masih perlu sesuai dengan geometri seluruh imej sumber.

Suntingan terarah termasuk membuang atau menggantikan objek, mengubah atribut, inpainting, penyesuaian susun atur, kemas kini teks dan pembersihan seperti mengurangkan artifak kabur gerakan. Berikan imej sumber dan namakan pembetulan serta butiran yang perlu dikekalkan. Suntingan foto terarah boleh membuang objek mengganggu di latar belakang sambil mengekalkan orang, pemotongan dan susunan hadapan. Pindaan reka bentuk boleh mengemas kini baris teks ringkas sambil mengekalkan komposisi. Bandingkan hasil penuh dengan sumber tanpa menilai kawasan disunting sahaja.

Microsoft turut menekankan konsistensi identiti wajah merentas suntingan, termasuk perubahan pose, ekspresi atau sudut pandangan. Gunakan rujukan jelas untuk keserupaan dan nyatakan perubahan dimaksudkan dengan cara yang mengekalkan ciri pengenalan. Panduan penyuntingan semasa pengeluar menerima sehingga lima imej JPEG atau PNG, membolehkan rujukan berbeza mengenal pasti orang, objek, adegan atau gaya. Namakan peranan itu dalam prompt. Dalam pindaan potret, periksa wajah serta pakaian atau latar belakang yang diubah sebelum menganggap imej siap.

Kad model tepat mengehadkan output kepada jumlah 1,048,576 piksel, bersamaan segi empat sama 1024×1024, dan membenarkan satu sisi melebihi 1024 jika jumlah kekal dalam luas itu. Panduan penyediaan turut mewajibkan kedua-dua dimensi sekurang-kurangnya 768 piksel. Sasaran segi empat tepat seperti 1344×768 mempunyai 1,032,192 piksel dan memenuhi peraturan luas serta dimensi minimum yang didokumenkan. Had berguna ialah hasil darab lebar dan tinggi, jadi sediakan bentuk destinasi sebelum meminta komposisi landskap atau potret.

Penjanaan dan penyuntingan mengembalikan data imej PNG dalam antara muka penyediaan pengeluar. Kad model natif melaporkan konteks 32K token, sementara antara muka itu menetapkan konteks prompt maksimum 32,000 token. Angka 4,096 token output katalog yang berasingan ialah peruntukan token, bukannya dimensi output. Kekalkan skop dinyatakan itu ketika menyusun prompt terperinci dan imej siap. Aset sumber, ciri dikekalkan, suntingan diminta dan saiz sasaran membentuk rekod pindaan berguna bersama PNG.

Julat kreatif model merangkumi imejan fotorealistik dan sinematik, potret, konsep produk atau penjenamaan, reka bentuk bertulis serta gaya visual lain. Untuk label atau papan tanda, berikan perkataan tepat dan periksa ejaannya pada saiz paparan akhir. Permukaan fotografi yang dikenali masih boleh mengandungi perincian direka, pantulan tidak konsisten atau tulisan tidak tepat. Semakan praktikal mengikuti keperluan reka bentuk: identiti objek, kebolehbacaan, hubungan ruang dan adegan dikekalkan semuanya penting. Asingkan pembetulan khusus daripada perubahan yang sudah berjaya.

Dalam keluarga 2.5, Pro menekankan kesetiaan lebih tinggi dan hubungan stabil dalam adegan padat, sementara Flash membantu produksi lebih responsif. Keluarga 2.6 memperkenalkan peruntukan luas piksel lebih besar yang didokumenkan, grounding web pilihan dan pemilihan nisbah oleh model. Standard 2.5 mengekalkan aliran penjanaan dan penyuntingan sendiri tanpa kawalan kemudian itu. Pilih edisi berdasarkan bahagian sukar tugas imej sebenar dan semak hasil siap terhadap arahan itu.

Tersedia di Ailoot · input & kaedah

Ailoot Ultra · Imej POST /v1/images/generations
Input
text, image
Output
image
MedanJenisKeperluanNilai & hadLalai
MedanmodelJenisstringKeperluanDiperlukanNilai & had
microsoft/mai-image-2.5
Lalai—
MedanpromptJenisstringKeperluanDiperlukanNilai & had
Panjang minimum: 1
Lalai—
Medanaspect_ratioJenisstringKeperluanPilihanNilai & had
1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3, auto
Lalai—
MedannJenisintegerKeperluanPilihanNilai & had
Minimum: 1
Maksimum: 1
Lalai—
Medaninput_referencesJenisarrayKeperluanPilihanNilai & had
Item minimum: 0
Item maksimum: 1
Lalai—
MedanproviderJenisobjectKeperluanPilihanNilai & hadLalai—
Parameter kaedah dan kitar hayat
ParameterKontrak
Parametercontent_typeKontrakapplication/json
ParameterrequiredKontrakmodel, prompt
Parametermaterial_typesKontraktext, image

Kitar hayat: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id sebenar yang dikembalikan atau rekod pustaka media

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Pelan harga

Cara caj akhir dikira

Kadar yang dipaparkan menganggarkan kos sebelum penjanaan. Caj akhir dikira berdasarkan kos yang direkodkan untuk penjanaan asal. Tempoh output yang diukur dan kuantiti ramalan bukan kuantiti akhir yang boleh dibilkan.

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas
Tidak dinyatakan Apabila mod pantas dipilih
Mod flex
Tidak dinyatakan Apabila mod flex dipilih
Usaha penaakulan maksimum
Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default

Anggaran kadar untuk perbandingan

Harga mengikut konfigurasi

Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.

KonfigurasiJadual kadarKuantiti ramalanCaj
KonfigurasiKadar asas tokenJadual kadarKadar asasKuantiti ramalan—Caj
Input · Token input · Anggaran untuk perbandingan sahaja — / 1K token
Output · Token output · Anggaran untuk perbandingan sahaja — / 1K token
Input · Bacaan cache · Anggaran untuk perbandingan sahaja — / 1K token
Input · Penulisan cache · Anggaran untuk perbandingan sahaja — / 1K token
Input · Penulisan cache, 1 jam · Anggaran untuk perbandingan sahaja — / 1K token
KonfigurasiAnggaran kos penjanaanJadual kadar—Kuantiti ramalananggaran untuk satu penjanaanCaj
Output · Anggaran kos penjanaan · Anggaran untuk perbandingan sahaja $0.385024 anggaran sebelum penjanaan

Anggaran ini bukan caj tambahan atau kadar tetap bagi penjanaan yang telah selesai.

Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →

Contoh permintaan

Ailoot Ultra · Imej

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\n

Terima dan simpan hasil

Ailoot Ultra · Imej

Muat turun setiap imej yang dikembalikan atau simpan kandungan Base64-nya

Pembacaan kandungan lain
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.\n
Simpan semua hasil yang selesai

Simpan setiap imej yang selesai; dapatkan setiap URL yang dikembalikan atau nyahkod kandungan Base64-nya.

Simpan respons dan pengepala yang lengkap, setiap output sebenar, pengecam asal yang dikembalikan serta semua medan penggunaan. Pulihkan operasi asal tanpa menghantar permintaan penciptaan sekali lagi.

Jika respons asal perlu disemak

Simpan X-Client-Request-ID yang dikembalikan untuk penyelarasan rekod. Baca hanya nilai task_id/asset_id sebenar yang dikembalikan atau pustaka media milik anda; jangan sekali-kali bina URL tugas daripada ID operasi atau hantar semula permintaan penciptaan.

Medan respons
MedanJenis
MedancreatedJenis
Medandata[].urlJenis
Medandata[].b64_jsonJenis
MedanusageJenis

Alias

Alias model

Ailoot Ultra microsoft/mai-image-2.5

Alias laluan kaedah

/v1/images

ID pemanggil berkaitan

microsoft/mai-image-2.5

", "method_identity": { "effective_request_model_id": "microsoft/mai-image-2.5", "fmt": "images", "http": "POST", "path": "/v1/images/generations", "request_model_id": "microsoft/mai-image-2.5", "route_label": "Ultra" }, "method_key": "Ultra|images|/v1/images/generations|microsoft%2Fmai-image-2.5", "ordinal": 0, "rawMethod": { "available": null, "billing_basis": { "basis": "original_invoice_usd", "description": "Kadar yang dipaparkan menganggarkan kos sebelum penjanaan. Caj akhir dikira berdasarkan kos yang direkodkan untuk penjanaan asal. Tempoh output yang diukur dan kuantiti ramalan bukan kuantiti akhir yang boleh dibilkan.", "forecast_quantity_is_estimate": true, "physical_output_is_billable_quantity": false, "version": "original_invoice_usd_v1" }, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Simpan X-Client-Request-ID yang dikembalikan untuk penyelarasan rekod. Baca hanya nilai task_id/asset_id sebenar yang dikembalikan atau pustaka media milik anda; jangan sekali-kali bina URL tugas daripada ID operasi atau hantar semula permintaan penciptaan." }, "outputs": { "all_results": "Simpan respons dan pengepala yang lengkap, setiap output sebenar, pengecam asal yang dikembalikan serta semua medan penggunaan. Pulihkan operasi asal tanpa menghantar permintaan penciptaan sekali lagi.", "family": "image", "fields": [ { "description": null, "name": "created", "type": null }, { "description": null, "name": "data[].url", "type": null }, { "description": null, "name": "data[].b64_json", "type": null }, { "description": null, "name": "usage", "type": null } ] }, "parameters": [ { "enum": [ "microsoft/mai-image-2.5" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "min_length": 1, "name": "prompt", "required": true, "type": "string" }, { "enum": [ "1:1", "4:3", "3:4", "16:9", "9:16", "3:2", "2:3", "auto" ], "enum_known": true, "name": "aspect_ratio", "required": false, "type": "string" }, { "maximum": 1, "minimum": 1, "name": "n", "required": false, "type": "integer" }, { "items": { "properties": { "image_url": { "properties": { "url": { "type": "string" } }, "required": [ "url" ], "type": "object" }, "type": { "const": "image_url" } }, "required": [ "type", "image_url" ], "type": "object" }, "maximum_items": 1, "minimum_items": 0, "name": "input_references", "required": false, "type": "array" }, { "name": "provider", "required": false, "type": "object" } ], "request_schema": { "properties": { "aspect_ratio": { "enum": [ "1:1", "4:3", "3:4", "16:9", "9:16", "3:2", "2:3", "auto" ], "type": "string" }, "input_references": { "items": { "properties": { "image_url": { "properties": { "url": { "type": "string" } }, "required": [ "url" ], "type": "object" }, "type": { "const": "image_url" } }, "required": [ "type", "image_url" ], "type": "object" }, "maxItems": 1, "minItems": 0, "type": "array" }, "model": { "enum": [ "microsoft/mai-image-2.5" ], "type": "string" }, "n": { "maximum": 1, "minimum": 1, "type": "integer" }, "prompt": { "minLength": 1, "type": "string" }, "provider": { "description": "Exact image provider preferences from the documented image request schema.", "type": "object" } }, "required": [ "model", "prompt" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "model": "microsoft/mai-image-2.5", "prompt": "a red panda astronaut floating in space, studio lighting" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_types": [ "text", "image" ], "required": [ "model", "prompt" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "task_id sebenar yang dikembalikan atau rekod pustaka media", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation." }, "method": { "http": "POST", "path": "/v1/images/generations" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "image", "fields": [ { "description": null, "name": "created", "type": null }, { "description": null, "name": "data[].url", "type": null }, { "description": null, "name": "data[].b64_json", "type": null }, { "description": null, "name": "usage", "type": null } ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "basis": "Anggaran ini bukan caj tambahan atau kadar tetap bagi penjanaan yang telah selesai.", "dimensions": { "forecast_quantity": "one generation estimate" }, "label": "Anggaran kos penjanaan", "units": [ { "amount": "0.385024", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.385024", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "examples": [ { "code": "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\"