MAI Image 2.5 API for Accurate In-image Text

MAI Image 2.5 API は、商用デザイン業務向けに構築されたフォトリアルな画像生成・編集モデルである Microsoft の MAI-Image-2.5 に、開発者がプログラムからアクセスできるようにする API です。text-to-image 生成と指示ベースの画像編集の両方に対応し、それぞれ standard 版と Flash 版が用意されています。Atlas Cloud では、従量課金制で画像 1 枚あたり $0.03 から、1 つの OpenAI 互換キーで 4 つすべての endpoints を利用できます。

どちらのバリアントも、同じ diffusion architecture、フォトリアリズム、テキスト描画品質を備えています。Flash はコスト最適化版で、生成は画像 1 枚あたり $0.03、編集は 1 回あたり $0.038 です。一方、standard model は画像 1 枚あたり $0.05、編集 1 回あたり $0.058 です。大量生成や迅速なプロトタイピングには Flash を使い、最高レベルの忠実度が重要な作業には standard model を使うのがおすすめです。

Atlas Cloud の料金はサブスクリプション不要の従量課金制です。standard text-to-image は画像 1 枚あたり $0.05、standard editing は編集 1 回あたり $0.058 です。Flash variants では画像 1 枚あたり $0.03、編集 1 回あたり $0.038 まで下がります。課金は成功した呼び出しごとなので、複数バリエーションのバッチでも、出力数に画像単価を掛けた固定料金だけで済みます。

Atlas Cloud に登録し、API key を 1 つ作成して、既存の OpenAI 互換クライアントを MAI-Image-2.5 endpoint に向けます。生成する場合はテキストプロンプトを、編集する場合は画像と指示を送信すると、レスポンスで完成画像の URL が返されます。Day-0 access により、モデルはリリースされた瞬間から利用でき、waitlist はありません。今すぐ開発を始められます。

出力寸法は width by height 形式の size パラメータで指定し、デフォルトは 1024 by 1024 です。各辺は 768〜1360 pixels の範囲で指定でき、合計でおよそ 1 megapixel までに収まります。正方形、縦長、横長の構図に対応できます。standard と Flash の生成バリアントは同じ解像度上限を共有しています。

Edit endpoint は、JPEG または PNG の URL もしくは base64 として指定された単一の元画像と、自然言語の指示を受け取ります。オブジェクトの削除、要素の置き換え、色の変更、看板内テキストの更新、欠陥のクリーンアップなどの対象を絞った変更を行いながら、変更不要な領域はそのまま保持します。モデルがシーン構造とライティングを推論するため、編集結果は周囲の構図と一貫性を保ちます。

テキスト描画はこのモデルで最も大きく改善された点の 1 つであり、Microsoft は前世代からの最大の品質向上がまさにこのカテゴリにあると報告しています。商品ラベル、看板、見出し、ブランドコピーを、適切な字間と可読性で安定して生成できます。その信頼性により、画像内テキストの読みやすさが必須となるパッケージモックアップや広告アセットにも実用的です。

公開されている Arena leaderboards では、MAI-Image-2.5 は画像編集で No. 2、text-to-image 生成で No. 3 としてローンチされました。強みは、スタイライズされた表現やアート寄りの出力よりも、フォトリアルなポートレート、商用レベルのテキスト描画、アイデンティティの一貫性を保つ編集にあります。ブランド利用に耐えるビジュアルを制作するチームにとって、この位置づけは汎用ジェネレーターに対する有力な選択肢になります。

Microsoft は、MAI-Image-2.5 をパッケージ、商品モックアップ、看板、ブランド訴求のビジュアルなど、商用およびプロフェッショナルなデザイン業務向けに構築・チューニングしています。このモデルは、広告、e-commerce、マーケティングの制作パイプライン全体での本番利用を想定しています。アカウントに適用される正確な利用権については、生成アセットを公開する前に最新の Atlas Cloud terms を確認してください。