Microsoft AI MAI-Image-2.6 é a edição centrada na precisão da família de imagem 2.6, concebida para geração de texto para imagem e edição controlada de recursos visuais existentes. 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 e um contexto de 32K tokens. A saída pretendida é uma imagem: uma composição de produto, um retrato, uma ilustração de marca ou um visual revisto cuja disposição e sujeitos principais se mantêm coerentes enquanto um elemento especificado muda.
Para geração, descreva o sujeito, a composição, os materiais, a luz, o ponto de vista e o estilo visual. Inclua a redação exata quando um rótulo, título ou sinal deva aparecer na imagem e descreva onde essa redação pertence. O fabricante destaca nesta edição uma renderização de texto mais forte, retratos, imagens 3D e saída comercial ou fotorrealista. Instruções úteis identificam as poucas relações que fazem a imagem funcionar: que objeto está em primeiro plano, como se insere na cena e para onde o público deve olhar primeiro. Inspecione o texto fino e os pequenos pormenores na imagem concluída.
Para edição, forneça o recurso de origem e indique a alteração juntamente com as partes a conservar. As tarefas documentadas incluem remoção ou substituição de objetos, alterações de atributos, preenchimento de regiões, adaptação da disposição, atualizações de texto e limpeza de artefactos, como desfocagem de movimento. A ficha do modelo destaca o raciocínio sobre escala, perspetiva, iluminação e posição espacial, para que uma revisão se ajuste à cena existente. Como preparação, identifique claramente o objeto ou a região e explique se o objetivo é uma correção local, uma disposição diferente ou uma alteração mais ampla de estilo.
O guia de edição de imagens do fabricante aceita até cinco referências JPEG ou PNG. Dê a cada imagem um papel distinto, como o produto, uma pessoa, um cenário, uma disposição ou um estilo visual. Numa edição de iluminação, coloque um candeeiro de uma referência na secretária de outra, conservando a perspetiva da secretária e fazendo a sombra do candeeiro seguir a luz da sala. Uma revisão separada pode atualizar um rótulo curto, preservando a forma e a posição do produto. Reveja as relações entre referências no resultado, em vez de aceitar um objeto plausível que difere do fornecido.
A família 2.6 acrescenta fundamentação Web opcional e seleção de proporção orientada pelo modelo. A fundamentação Web fornece contexto atual relevante ao interpretar um pedido que envolve um local real, um objeto ou informação em mudança. É uma entrada criativa, pelo que deve rever os pormenores visuais factuais face ao sujeito pretendido. A seleção automática de proporção permite que o modelo considere a instrução e as imagens ao escolher o formato da composição. Umas instruções de design podem especificar o destino e a disposição exigida: por exemplo, um visual principal amplo de produto com espaço de respiro de um lado ou uma imagem vertical construída em torno de um sujeito de pé.
O tamanho de saída é regido pela área total. A ficha exata do modelo e o guia de imagem apresentam um máximo de 2 359 296 píxeis, equivalente a um quadrado de 1536×1536. A interface documentada de imagem exige que tanto a largura como a altura tenham pelo menos 768 píxeis, e qualquer dimensão pode exceder 1536 se o total permanecer dentro do limite de área. Isto permite uma composição horizontal ou vertical mais longa, em vez de impor um máximo de 1536 píxeis a cada lado. Por exemplo, um destino de 1024×2048 tem 2 097 152 píxeis e cumpre essa regra documentada de área. Verifique as dimensões finais para a disposição que utilizará a imagem.
O guia do fabricante devolve resultados gerados e editados como dados de imagem PNG. Mantenha a imagem concluída junto das instruções e das referências de origem ao preparar uma revisão de design. A ficha do modelo indica um contexto de 32K tokens, enquanto o guia de disponibilização especifica um contexto máximo de instrução de 32 000 tokens; conserve esses âmbitos declarados ao preparar instruções longas, em vez de os tratar como dimensões de imagem. O recurso útil de produção é a imagem descodificada, que pode ser inspecionada e colocada numa página, diapositivo ou composição. Registe com ela o recorte pretendido e a posição do texto, para que as edições posteriores não alterem acidentalmente o objetivo do design.
Dentro desta família, MAI-Image-2.6 dá ênfase ao controlo preciso e aos ganhos mais recentes em pormenor visual. MAI-Image-2.6-Flash fornece as mesmas capacidades de geração, edição, fundamentação e seleção de proporção numa edição otimizada para produção ágil e repetida. A série 2.5 utiliza um limite documentado menor de área de saída e não herda os controlos de fundamentação ou proporção automática da versão 2.6. Selecione a edição de acordo com a imagem e o processo de revisão necessários, em vez de presumir que um nome de família partilhado torna todas as definições idênticas.
Reveja uma edição face à fonte completa: rostos conservados, identidade dos objetos, geometria, sombras, texto e disposição pretendida importam todos. Uma fotografia convincente pode ainda conter uma marca errada, um reflexo inconsistente ou uma característica alterada fora da edição pedida. Mantenha a correção seguinte concreta, como o rótulo, a posição do objeto ou um artefacto específico. Isto torna útil a edição iterativa, preservando o sujeito e a composição das instruções originais.
", "aboutText": "Microsoft AI MAI-Image-2.6 é a edição centrada na precisão da família de imagem 2.6, concebida para geração de texto para imagem e edição controlada de recursos visuais existentes. 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 e um contexto de 32K tokens. A saída pretendida é uma imagem: uma composição de produto, um retrato, uma ilustração de marca ou um visual revisto cuja disposição e sujeitos principais se mantêm coerentes enquanto um elemento especificado muda.\n\nPara geração, descreva o sujeito, a composição, os materiais, a luz, o ponto de vista e o estilo visual. Inclua a redação exata quando um rótulo, título ou sinal deva aparecer na imagem e descreva onde essa redação pertence. O fabricante destaca nesta edição uma renderização de texto mais forte, retratos, imagens 3D e saída comercial ou fotorrealista. Instruções úteis identificam as poucas relações que fazem a imagem funcionar: que objeto está em primeiro plano, como se insere na cena e para onde o público deve olhar primeiro. Inspecione o texto fino e os pequenos pormenores na imagem concluída.\n\nPara edição, forneça o recurso de origem e indique a alteração juntamente com as partes a conservar. As tarefas documentadas incluem remoção ou substituição de objetos, alterações de atributos, preenchimento de regiões, adaptação da disposição, atualizações de texto e limpeza de artefactos, como desfocagem de movimento. A ficha do modelo destaca o raciocínio sobre escala, perspetiva, iluminação e posição espacial, para que uma revisão se ajuste à cena existente. Como preparação, identifique claramente o objeto ou a região e explique se o objetivo é uma correção local, uma disposição diferente ou uma alteração mais ampla de estilo.\n\nO guia de edição de imagens do fabricante aceita até cinco referências JPEG ou PNG. Dê a cada imagem um papel distinto, como o produto, uma pessoa, um cenário, uma disposição ou um estilo visual. Numa edição de iluminação, coloque um candeeiro de uma referência na secretária de outra, conservando a perspetiva da secretária e fazendo a sombra do candeeiro seguir a luz da sala. Uma revisão separada pode atualizar um rótulo curto, preservando a forma e a posição do produto. Reveja as relações entre referências no resultado, em vez de aceitar um objeto plausível que difere do fornecido.\n\nA família 2.6 acrescenta fundamentação Web opcional e seleção de proporção orientada pelo modelo. A fundamentação Web fornece contexto atual relevante ao interpretar um pedido que envolve um local real, um objeto ou informação em mudança. É uma entrada criativa, pelo que deve rever os pormenores visuais factuais face ao sujeito pretendido. A seleção automática de proporção permite que o modelo considere a instrução e as imagens ao escolher o formato da composição. Umas instruções de design podem especificar o destino e a disposição exigida: por exemplo, um visual principal amplo de produto com espaço de respiro de um lado ou uma imagem vertical construída em torno de um sujeito de pé.\n\nO tamanho de saída é regido pela área total. A ficha exata do modelo e o guia de imagem apresentam um máximo de 2 359 296 píxeis, equivalente a um quadrado de 1536×1536. A interface documentada de imagem exige que tanto a largura como a altura tenham pelo menos 768 píxeis, e qualquer dimensão pode exceder 1536 se o total permanecer dentro do limite de área. Isto permite uma composição horizontal ou vertical mais longa, em vez de impor um máximo de 1536 píxeis a cada lado. Por exemplo, um destino de 1024×2048 tem 2 097 152 píxeis e cumpre essa regra documentada de área. Verifique as dimensões finais para a disposição que utilizará a imagem.\n\nO guia do fabricante devolve resultados gerados e editados como dados de imagem PNG. Mantenha a imagem concluída junto das instruções e das referências de origem ao preparar uma revisão de design. A ficha do modelo indica um contexto de 32K tokens, enquanto o guia de disponibilização especifica um contexto máximo de instrução de 32 000 tokens; conserve esses âmbitos declarados ao preparar instruções longas, em vez de os tratar como dimensões de imagem. O recurso útil de produção é a imagem descodificada, que pode ser inspecionada e colocada numa página, diapositivo ou composição. Registe com ela o recorte pretendido e a posição do texto, para que as edições posteriores não alterem acidentalmente o objetivo do design.\n\nDentro desta família, MAI-Image-2.6 dá ênfase ao controlo preciso e aos ganhos mais recentes em pormenor visual. MAI-Image-2.6-Flash fornece as mesmas capacidades de geração, edição, fundamentação e seleção de proporção numa edição otimizada para produção ágil e repetida. A série 2.5 utiliza um limite documentado menor de área de saída e não herda os controlos de fundamentação ou proporção automática da versão 2.6. Selecione a edição de acordo com a imagem e o processo de revisão necessários, em vez de presumir que um nome de família partilhado torna todas as definições idênticas.\n\nReveja uma edição face à fonte completa: rostos conservados, identidade dos objetos, geometria, sombras, texto e disposição pretendida importam todos. Uma fotografia convincente pode ainda conter uma marca errada, um reflexo inconsistente ou uma característica alterada fora da edição pedida. Mantenha a correção seguinte concreta, como o rótulo, a posição do objeto ou um artefacto específico. Isto torna útil a edição iterativa, preservando o sujeito e a composição das instruções originais.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "96f36593830a007076178407ea682c163042b745961cf58a1ccebd5559cf777e", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "microsoft/mai-image-2.6Microsoft AI MAI-Image-2.6 gera e edita imagens para trabalho de design preciso. Combina texto com até cinco referências visuais, suporta fundamentação Web opcional e dimensionamento automático da composição e produz imagens PNG até 2 359 296 píxeis. A sua ênfase está em edições controladas, texto, retratos e visuais comerciais.
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-2.6 é a edição centrada na precisão da família de imagem 2.6, concebida para geração de texto para imagem e edição controlada de recursos visuais existentes. 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 e um contexto de 32K tokens. A saída pretendida é uma imagem: uma composição de produto, um retrato, uma ilustração de marca ou um visual revisto cuja disposição e sujeitos principais se mantêm coerentes enquanto um elemento especificado muda.
Para geração, descreva o sujeito, a composição, os materiais, a luz, o ponto de vista e o estilo visual. Inclua a redação exata quando um rótulo, título ou sinal deva aparecer na imagem e descreva onde essa redação pertence. O fabricante destaca nesta edição uma renderização de texto mais forte, retratos, imagens 3D e saída comercial ou fotorrealista. Instruções úteis identificam as poucas relações que fazem a imagem funcionar: que objeto está em primeiro plano, como se insere na cena e para onde o público deve olhar primeiro. Inspecione o texto fino e os pequenos pormenores na imagem concluída.
Para edição, forneça o recurso de origem e indique a alteração juntamente com as partes a conservar. As tarefas documentadas incluem remoção ou substituição de objetos, alterações de atributos, preenchimento de regiões, adaptação da disposição, atualizações de texto e limpeza de artefactos, como desfocagem de movimento. A ficha do modelo destaca o raciocínio sobre escala, perspetiva, iluminação e posição espacial, para que uma revisão se ajuste à cena existente. Como preparação, identifique claramente o objeto ou a região e explique se o objetivo é uma correção local, uma disposição diferente ou uma alteração mais ampla de estilo.
O guia de edição de imagens do fabricante aceita até cinco referências JPEG ou PNG. Dê a cada imagem um papel distinto, como o produto, uma pessoa, um cenário, uma disposição ou um estilo visual. Numa edição de iluminação, coloque um candeeiro de uma referência na secretária de outra, conservando a perspetiva da secretária e fazendo a sombra do candeeiro seguir a luz da sala. Uma revisão separada pode atualizar um rótulo curto, preservando a forma e a posição do produto. Reveja as relações entre referências no resultado, em vez de aceitar um objeto plausível que difere do fornecido.
A família 2.6 acrescenta fundamentação Web opcional e seleção de proporção orientada pelo modelo. A fundamentação Web fornece contexto atual relevante ao interpretar um pedido que envolve um local real, um objeto ou informação em mudança. É uma entrada criativa, pelo que deve rever os pormenores visuais factuais face ao sujeito pretendido. A seleção automática de proporção permite que o modelo considere a instrução e as imagens ao escolher o formato da composição. Umas instruções de design podem especificar o destino e a disposição exigida: por exemplo, um visual principal amplo de produto com espaço de respiro de um lado ou uma imagem vertical construída em torno de um sujeito de pé.
O tamanho de saída é regido pela área total. A ficha exata do modelo e o guia de imagem apresentam um máximo de 2 359 296 píxeis, equivalente a um quadrado de 1536×1536. A interface documentada de imagem exige que tanto a largura como a altura tenham pelo menos 768 píxeis, e qualquer dimensão pode exceder 1536 se o total permanecer dentro do limite de área. Isto permite uma composição horizontal ou vertical mais longa, em vez de impor um máximo de 1536 píxeis a cada lado. Por exemplo, um destino de 1024×2048 tem 2 097 152 píxeis e cumpre essa regra documentada de área. Verifique as dimensões finais para a disposição que utilizará a imagem.
O guia do fabricante devolve resultados gerados e editados como dados de imagem PNG. Mantenha a imagem concluída junto das instruções e das referências de origem ao preparar uma revisão de design. A ficha do modelo indica um contexto de 32K tokens, enquanto o guia de disponibilização especifica um contexto máximo de instrução de 32 000 tokens; conserve esses âmbitos declarados ao preparar instruções longas, em vez de os tratar como dimensões de imagem. O recurso útil de produção é a imagem descodificada, que pode ser inspecionada e colocada numa página, diapositivo ou composição. Registe com ela o recorte pretendido e a posição do texto, para que as edições posteriores não alterem acidentalmente o objetivo do design.
Dentro desta família, MAI-Image-2.6 dá ênfase ao controlo preciso e aos ganhos mais recentes em pormenor visual. MAI-Image-2.6-Flash fornece as mesmas capacidades de geração, edição, fundamentação e seleção de proporção numa edição otimizada para produção ágil e repetida. A série 2.5 utiliza um limite documentado menor de área de saída e não herda os controlos de fundamentação ou proporção automática da versão 2.6. Selecione a edição de acordo com a imagem e o processo de revisão necessários, em vez de presumir que um nome de família partilhado torna todas as definições idênticas.
Reveja uma edição face à fonte completa: rostos conservados, identidade dos objetos, geometria, sombras, texto e disposição pretendida importam todos. Uma fotografia convincente pode ainda conter uma marca errada, um reflexo inconsistente ou uma característica alterada fora da edição pedida. Mantenha a correção seguinte concreta, como o rótulo, a posição do objeto ou um artefacto específico. Isto torna útil a edição iterativa, preservando o sujeito e a composição das instruções originais.
POST /v1/images/generationstext, imageimage| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites microsoft/mai-image-2.6 | 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: 5 | 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 $0.311296 estimativa antes da geração Esta estimativa não é um encargo adicional nem uma tarifa fixa para a geração concluída. |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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-2.6', '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-2.6
/v1/images