Microsoft AI MAI-Image-2.5 é a edição de geração geral e edição controlada da família de imagem 2.5. A sua ficha de modelo descreve um modelo de difusão que utiliza correspondência de fluxos, com 20 mil milhões de parâmetros não pertencentes a embeddings, entrada de texto e imagem e um contexto de 32K tokens. Produz imagens para conceitos, retratos, imagens de produto, ilustrações e revisões de designs existentes. A escolha inicial útil é saber se a tarefa precisa de uma nova composição ou de uma alteração específica a um recurso que já contém o sujeito pretendido.
Para geração, descreva o sujeito principal, o estilo visual, a luz, o ponto de vista e a disposição. O fabricante destaca imagens detalhadas e coerentes, renderização de texto, imagens de produto e cumprimento das instruções. Umas instruções práticas para uma ilustração de apresentação podem especificar o papel do sujeito, a ênfase visual pretendida e a quantidade de espaço envolvente. Um conceito de produto pode incluir o material, a escala e o acabamento da superfície. Mantenha a descrição coerente, para que os objetos partilhem uma cena e um plano de iluminação, em vez de combinar vários tratamentos visuais incompatíveis.
O raciocínio visual nesta edição diz respeito à estrutura da cena, à iluminação, à escala e às relações espaciais. O fabricante dá como utilização de edição acrescentar um objeto com perspetiva e sombras adequadas. Numa edição de oficina, coloque um pequeno banco junto a uma bancada, conservando o ponto de vista e a luz existentes. A revisão deve comparar o tamanho do banco, o ponto onde toca no chão e se a sua sombra segue as dos outros objetos. Um objeto localmente convincente continua a ter de se ajustar à geometria de toda a imagem de origem.
As edições orientadas incluem remoção ou substituição de objetos, alterações de atributos, preenchimento de regiões, adaptação da disposição, atualizações de texto e limpeza, como a redução de artefactos de desfocagem de movimento. Forneça a imagem de origem e nomeie tanto a correção como os pormenores a conservar. Uma edição focada de fotografia pode remover um objeto distrativo do fundo, mantendo a pessoa, o recorte e a disposição do primeiro plano. Uma revisão de design pode atualizar uma linha curta de texto, conservando a composição. Compare o resultado completo com a fonte, em vez de avaliar apenas a região editada.
A Microsoft destaca também a consistência da identidade facial entre edições, incluindo mudanças de pose, expressão ou ponto de vista. Utilize uma referência nítida para a semelhança e especifique a alteração pretendida de uma forma que preserve as características identificadoras. O guia atual de edição do fabricante aceita até cinco imagens JPEG ou PNG, permitindo que referências diferentes identifiquem a pessoa, o objeto, a cena ou o estilo. Nomeie esses papéis na instrução. Numa revisão de retrato, inspecione o rosto, bem como a roupa ou o fundo alterados, antes de considerar a imagem concluída.
A ficha exata do modelo limita a saída a 1 048 576 píxeis totais, equivalente a um quadrado de 1024×1024, e permite que um lado exceda 1024 se o total permanecer dentro dessa área. O guia de disponibilização exige adicionalmente que ambas as dimensões tenham pelo menos 768 píxeis. Um destino retangular como 1344×768 tem 1 032 192 píxeis e cumpre essas regras documentadas de área e dimensão mínima. O limite útil é o produto da largura pela altura, pelo que deve preparar o formato de destino antes de pedir uma composição horizontal ou vertical.
A geração e a edição devolvem dados de imagem PNG na interface de disponibilização do fabricante. A ficha nativa do modelo indica um contexto de 32K tokens, enquanto essa interface especifica um contexto máximo de instrução de 32 000 tokens. O valor separado de 4 096 tokens de saída do catálogo é um limite de tokens, e não uma dimensão de saída. Conserve esses âmbitos declarados ao organizar uma instrução detalhada e a imagem concluída. Os recursos de origem, as características conservadas, as edições pedidas e o tamanho de destino formam um registo útil de revisão junto do PNG.
O alcance criativo do modelo abrange imagens fotorrealistas e cinematográficas, retratos, conceitos de produto ou marca, designs com texto e outros estilos visuais. Para um rótulo ou sinal, forneça a redação exata e inspecione a ortografia no tamanho final de apresentação. Uma superfície fotográfica reconhecível pode ainda conter pormenores inventados, um reflexo inconsistente ou texto inexato. Uma verificação prática segue os requisitos do design: a identidade do objeto, a legibilidade, as relações espaciais e a cena conservada são todas importantes. Mantenha uma correção específica separada das alterações que já funcionaram.
Dentro da família 2.5, Pro destaca maior fidelidade e relações estáveis em cenas densas, enquanto Flash serve uma produção mais ágil. A família 2.6 introduz um limite documentado maior de área de píxeis, fundamentação Web opcional e seleção de proporção orientada pelo modelo. A versão Standard 2.5 mantém o seu próprio fluxo de geração e edição sem esses controlos posteriores. Selecione a edição a partir da parte difícil da tarefa efetiva de imagem e reveja o resultado concluído face a essas instruções.
", "aboutText": "Microsoft AI MAI-Image-2.5 é a edição de geração geral e edição controlada da família de imagem 2.5. A sua ficha de modelo descreve um modelo de difusão que utiliza correspondência de fluxos, com 20 mil milhões de parâmetros não pertencentes a embeddings, entrada de texto e imagem e um contexto de 32K tokens. Produz imagens para conceitos, retratos, imagens de produto, ilustrações e revisões de designs existentes. A escolha inicial útil é saber se a tarefa precisa de uma nova composição ou de uma alteração específica a um recurso que já contém o sujeito pretendido.\n\nPara geração, descreva o sujeito principal, o estilo visual, a luz, o ponto de vista e a disposição. O fabricante destaca imagens detalhadas e coerentes, renderização de texto, imagens de produto e cumprimento das instruções. Umas instruções práticas para uma ilustração de apresentação podem especificar o papel do sujeito, a ênfase visual pretendida e a quantidade de espaço envolvente. Um conceito de produto pode incluir o material, a escala e o acabamento da superfície. Mantenha a descrição coerente, para que os objetos partilhem uma cena e um plano de iluminação, em vez de combinar vários tratamentos visuais incompatíveis.\n\nO raciocínio visual nesta edição diz respeito à estrutura da cena, à iluminação, à escala e às relações espaciais. O fabricante dá como utilização de edição acrescentar um objeto com perspetiva e sombras adequadas. Numa edição de oficina, coloque um pequeno banco junto a uma bancada, conservando o ponto de vista e a luz existentes. A revisão deve comparar o tamanho do banco, o ponto onde toca no chão e se a sua sombra segue as dos outros objetos. Um objeto localmente convincente continua a ter de se ajustar à geometria de toda a imagem de origem.\n\nAs edições orientadas incluem remoção ou substituição de objetos, alterações de atributos, preenchimento de regiões, adaptação da disposição, atualizações de texto e limpeza, como a redução de artefactos de desfocagem de movimento. Forneça a imagem de origem e nomeie tanto a correção como os pormenores a conservar. Uma edição focada de fotografia pode remover um objeto distrativo do fundo, mantendo a pessoa, o recorte e a disposição do primeiro plano. Uma revisão de design pode atualizar uma linha curta de texto, conservando a composição. Compare o resultado completo com a fonte, em vez de avaliar apenas a região editada.\n\nA Microsoft destaca também a consistência da identidade facial entre edições, incluindo mudanças de pose, expressão ou ponto de vista. Utilize uma referência nítida para a semelhança e especifique a alteração pretendida de uma forma que preserve as características identificadoras. O guia atual de edição do fabricante aceita até cinco imagens JPEG ou PNG, permitindo que referências diferentes identifiquem a pessoa, o objeto, a cena ou o estilo. Nomeie esses papéis na instrução. Numa revisão de retrato, inspecione o rosto, bem como a roupa ou o fundo alterados, antes de considerar a imagem concluída.\n\nA ficha exata do modelo limita a saída a 1 048 576 píxeis totais, equivalente a um quadrado de 1024×1024, e permite que um lado exceda 1024 se o total permanecer dentro dessa área. O guia de disponibilização exige adicionalmente que ambas as dimensões tenham pelo menos 768 píxeis. Um destino retangular como 1344×768 tem 1 032 192 píxeis e cumpre essas regras documentadas de área e dimensão mínima. O limite útil é o produto da largura pela altura, pelo que deve preparar o formato de destino antes de pedir uma composição horizontal ou vertical.\n\nA geração e a edição devolvem dados de imagem PNG na interface de disponibilização do fabricante. A ficha nativa do modelo indica um contexto de 32K tokens, enquanto essa interface especifica um contexto máximo de instrução de 32 000 tokens. O valor separado de 4 096 tokens de saída do catálogo é um limite de tokens, e não uma dimensão de saída. Conserve esses âmbitos declarados ao organizar uma instrução detalhada e a imagem concluída. Os recursos de origem, as características conservadas, as edições pedidas e o tamanho de destino formam um registo útil de revisão junto do PNG.\n\nO alcance criativo do modelo abrange imagens fotorrealistas e cinematográficas, retratos, conceitos de produto ou marca, designs com texto e outros estilos visuais. Para um rótulo ou sinal, forneça a redação exata e inspecione a ortografia no tamanho final de apresentação. Uma superfície fotográfica reconhecível pode ainda conter pormenores inventados, um reflexo inconsistente ou texto inexato. Uma verificação prática segue os requisitos do design: a identidade do objeto, a legibilidade, as relações espaciais e a cena conservada são todas importantes. Mantenha uma correção específica separada das alterações que já funcionaram.\n\nDentro da família 2.5, Pro destaca maior fidelidade e relações estáveis em cenas densas, enquanto Flash serve uma produção mais ágil. A família 2.6 introduz um limite documentado maior de área de píxeis, fundamentação Web opcional e seleção de proporção orientada pelo modelo. A versão Standard 2.5 mantém o seu próprio fluxo de geração e edição sem esses controlos posteriores. Selecione a edição a partir da parte difícil da tarefa efetiva de imagem e reveja o resultado concluído face a essas instruções.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "b3c52ab886f8c5646624f14547c4090a0148783107d52043c916749c1adbcd4f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "microsoft/mai-image-2.5Microsoft AI MAI-Image-2.5 cria imagens a partir de texto e faz edições específicas em fotografias ou designs fornecidos. Suporta alterações de objetos e texto, limpeza de artefactos e revisões que preservam o rosto, com saída PNG e até cinco referências visuais. A sua ficha de modelo especifica contexto de 32K e 1 048 576 píxeis de saída.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Microsoft AI MAI-Image-2.5 é a edição de geração geral e edição controlada da família de imagem 2.5. A sua ficha de modelo descreve um modelo de difusão que utiliza correspondência de fluxos, com 20 mil milhões de parâmetros não pertencentes a embeddings, entrada de texto e imagem e um contexto de 32K tokens. Produz imagens para conceitos, retratos, imagens de produto, ilustrações e revisões de designs existentes. A escolha inicial útil é saber se a tarefa precisa de uma nova composição ou de uma alteração específica a um recurso que já contém o sujeito pretendido.
Para geração, descreva o sujeito principal, o estilo visual, a luz, o ponto de vista e a disposição. O fabricante destaca imagens detalhadas e coerentes, renderização de texto, imagens de produto e cumprimento das instruções. Umas instruções práticas para uma ilustração de apresentação podem especificar o papel do sujeito, a ênfase visual pretendida e a quantidade de espaço envolvente. Um conceito de produto pode incluir o material, a escala e o acabamento da superfície. Mantenha a descrição coerente, para que os objetos partilhem uma cena e um plano de iluminação, em vez de combinar vários tratamentos visuais incompatíveis.
O raciocínio visual nesta edição diz respeito à estrutura da cena, à iluminação, à escala e às relações espaciais. O fabricante dá como utilização de edição acrescentar um objeto com perspetiva e sombras adequadas. Numa edição de oficina, coloque um pequeno banco junto a uma bancada, conservando o ponto de vista e a luz existentes. A revisão deve comparar o tamanho do banco, o ponto onde toca no chão e se a sua sombra segue as dos outros objetos. Um objeto localmente convincente continua a ter de se ajustar à geometria de toda a imagem de origem.
As edições orientadas incluem remoção ou substituição de objetos, alterações de atributos, preenchimento de regiões, adaptação da disposição, atualizações de texto e limpeza, como a redução de artefactos de desfocagem de movimento. Forneça a imagem de origem e nomeie tanto a correção como os pormenores a conservar. Uma edição focada de fotografia pode remover um objeto distrativo do fundo, mantendo a pessoa, o recorte e a disposição do primeiro plano. Uma revisão de design pode atualizar uma linha curta de texto, conservando a composição. Compare o resultado completo com a fonte, em vez de avaliar apenas a região editada.
A Microsoft destaca também a consistência da identidade facial entre edições, incluindo mudanças de pose, expressão ou ponto de vista. Utilize uma referência nítida para a semelhança e especifique a alteração pretendida de uma forma que preserve as características identificadoras. O guia atual de edição do fabricante aceita até cinco imagens JPEG ou PNG, permitindo que referências diferentes identifiquem a pessoa, o objeto, a cena ou o estilo. Nomeie esses papéis na instrução. Numa revisão de retrato, inspecione o rosto, bem como a roupa ou o fundo alterados, antes de considerar a imagem concluída.
A ficha exata do modelo limita a saída a 1 048 576 píxeis totais, equivalente a um quadrado de 1024×1024, e permite que um lado exceda 1024 se o total permanecer dentro dessa área. O guia de disponibilização exige adicionalmente que ambas as dimensões tenham pelo menos 768 píxeis. Um destino retangular como 1344×768 tem 1 032 192 píxeis e cumpre essas regras documentadas de área e dimensão mínima. O limite útil é o produto da largura pela altura, pelo que deve preparar o formato de destino antes de pedir uma composição horizontal ou vertical.
A geração e a edição devolvem dados de imagem PNG na interface de disponibilização do fabricante. A ficha nativa do modelo indica um contexto de 32K tokens, enquanto essa interface especifica um contexto máximo de instrução de 32 000 tokens. O valor separado de 4 096 tokens de saída do catálogo é um limite de tokens, e não uma dimensão de saída. Conserve esses âmbitos declarados ao organizar uma instrução detalhada e a imagem concluída. Os recursos de origem, as características conservadas, as edições pedidas e o tamanho de destino formam um registo útil de revisão junto do PNG.
O alcance criativo do modelo abrange imagens fotorrealistas e cinematográficas, retratos, conceitos de produto ou marca, designs com texto e outros estilos visuais. Para um rótulo ou sinal, forneça a redação exata e inspecione a ortografia no tamanho final de apresentação. Uma superfície fotográfica reconhecível pode ainda conter pormenores inventados, um reflexo inconsistente ou texto inexato. Uma verificação prática segue os requisitos do design: a identidade do objeto, a legibilidade, as relações espaciais e a cena conservada são todas importantes. Mantenha uma correção específica separada das alterações que já funcionaram.
Dentro da família 2.5, Pro destaca maior fidelidade e relações estáveis em cenas densas, enquanto Flash serve uma produção mais ágil. A família 2.6 introduz um limite documentado maior de área de píxeis, fundamentação Web opcional e seleção de proporção orientada pelo modelo. A versão Standard 2.5 mantém o seu próprio fluxo de geração e edição sem esses controlos posteriores. Selecione a edição a partir da parte difícil da tarefa efetiva de imagem e reveja o resultado concluído face a essas instruções.
POST /v1/images/generationstext, imageimage| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites microsoft/mai-image-2.5 | Predefinição— |
Campoprompt | Tipostring | RequisitoObrigatório | Valores e limites Comprimento mínimo: 1 | Predefinição— |
Campoaspect_ratio | Tipostring | RequisitoOpcional | Valores e limites 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3, auto | Predefinição— |
Campon | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Máximo: 1 | Predefinição— |
Campoinput_references | Tipoarray | RequisitoOpcional | Valores e limites Número mínimo de elementos: 0 Número máximo de elementos: 1 | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites | Predefinição— |
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, prompt |
Parâmetromaterial_types | Contratotext, image |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id efetivamente devolvido ou registo na biblioteca de multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
As tarifas apresentadas permitem estimar o custo antes da geração. O montante final cobrado é calculado a partir do custo registado para a geração original. A duração medida do resultado e as quantidades previstas não correspondem à quantidade final faturável.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Quantidade prevista | Custo |
|---|---|---|---|
| ConfiguraçãoTarifas base por token | Tabela de tarifasTarifa base | Quantidade prevista— | Custo Entrada · Tokens de entrada · Estimativa apenas para comparação — / 1K tokens Saída · Tokens de saída · Estimativa apenas para comparação — / 1K tokens Entrada · Leitura da cache · Estimativa apenas para comparação — / 1K tokens Entrada · Escrita na cache · Estimativa apenas para comparação — / 1K tokens Entrada · Escrita na cache, 1 hora · Estimativa apenas para comparação — / 1K tokens |
| ConfiguraçãoCusto estimado de geração | Tabela de tarifas— | Quantidade previstaestimativa para uma geração | Custo Saída · Custo estimado de geração · Estimativa apenas para comparação $0.385024 estimativa antes da geração Esta estimativa não é um encargo adicional nem uma tarifa fixa para a geração concluída. |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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\nDescarregue cada imagem devolvida ou guarde o respetivo conteúdo Base64
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.\nGuarde cada imagem concluída; obtenha cada URL devolvido ou descodifique o respetivo conteúdo Base64.
Conserve a resposta completa e os cabeçalhos, todos os resultados efetivamente produzidos, os identificadores originais devolvidos e todos os campos de utilização. Recupere a operação original sem voltar a enviar o pedido de criação.
Guarde o X-Client-Request-ID devolvido para reconciliação. Consulte apenas os valores task_id/asset_id efetivamente devolvidos ou a sua biblioteca de multimédia; nunca construa um URL de tarefa a partir do ID da operação e nunca volte a enviar o pedido de criação.
| Campo | Tipo |
|---|---|
Campocreated | Tipo |
Campodata[].url | Tipo |
Campodata[].b64_json | Tipo |
Campousage | Tipo |
Ailoot Ultra microsoft/mai-image-2.5
/v1/images