MAI Image 2.5 API for Accurate In-image Text

MAI Image 2.5 API daje deweloperom programistyczny dostęp do Microsoft MAI-Image-2.5 — fotorealistycznego modelu generowania i edycji obrazów stworzonego z myślą o komercyjnych pracach projektowych. Obejmuje zarówno generowanie text-to-image, jak i edycję obrazów na podstawie instrukcji, a każda z tych funkcji jest dostępna w wariancie standardowym oraz Flash. W Atlas Cloud uzyskujesz dostęp do wszystkich czterech endpointów za pomocą jednego klucza zgodnego z OpenAI, w modelu pay-as-you-go od $0.03 za obraz.

Oba warianty mają tę samą architekturę dyfuzyjną, fotorealizm i jakość renderowania tekstu. Flash to opcja zoptymalizowana kosztowo: $0.03 za obraz przy generowaniu i $0.038 za edycję, podczas gdy model standardowy kosztuje $0.05 za obraz i $0.058 za edycję. Wybieraj Flash do generowania na dużą skalę i szybkiego prototypowania, a model standardowy zostaw do prac, w których najważniejsza jest maksymalna wierność.

Cennik w Atlas Cloud działa w modelu pay-as-you-go, bez subskrypcji. Standardowe text-to-image kosztuje $0.05 za obraz, a standardowa edycja $0.058 za edycję; warianty Flash obniżają koszt do $0.03 za obraz i $0.038 za edycję. Opłata jest naliczana za udane wywołanie, więc partia wariantów kosztuje tylko stałą opłatę za obraz pomnożoną przez liczbę wyników.

Zarejestruj się w Atlas Cloud, utwórz jeden klucz API i skieruj istniejącego klienta zgodnego z OpenAI na endpoint MAI-Image-2.5. Wyślij prompt tekstowy do generowania albo obraz wraz z instrukcją do edycji, a odpowiedź zwróci adresy URL gotowych obrazów. Dostęp Day-0 oznacza, że model jest dostępny w chwili wydania, bez listy oczekujących. Zacznij budować już dziś.

Wymiary wyjściowe ustawiasz parametrem size w formacie szerokość × wysokość; domyślnie jest to 1024 × 1024. Każdy bok może mieć od 768 do 1360 pikseli, z limitem około jednego megapiksela łącznie, co obejmuje kadry kwadratowe, pionowe i poziome. Standardowy wariant generowania i wariant Flash mają te same limity rozdzielczości.

Endpoint Edit przyjmuje pojedynczy obraz źródłowy, podany jako URL albo base64 w formacie JPEG lub PNG, wraz z instrukcją w języku naturalnym. Wykonuje ukierunkowane zmiany, takie jak usuwanie obiektów, zastępowanie elementów, zmiana kolorów, aktualizowanie tekstu na oznakowaniu i usuwanie defektów, pozostawiając nienaruszone obszary bez zmian. Ponieważ model rozumie strukturę sceny i oświetlenie, edycje pozostają spójne z otaczającą kompozycją.

Renderowanie tekstu to jeden z największych postępów tego modelu, a Microsoft wskazuje właśnie tę kategorię jako obszar największego skoku jakości względem poprzedniej generacji. Model niezawodnie tworzy etykiety produktów, oznakowanie, nagłówki i treści brandowe z poprawnymi odstępami i czytelnością. Ta niezawodność sprawia, że nadaje się do makiet opakowań i materiałów reklamowych, w których czytelny tekst w obrazie jest warunkiem koniecznym.

W publicznych rankingach Arena MAI-Image-2.5 zadebiutował na 2. miejscu w edycji obrazów i na 3. miejscu w generowaniu text-to-image. Jego mocne strony to fotorealistyczne portrety, renderowanie tekstu na poziomie komercyjnym oraz edycja zachowująca spójność tożsamości, a nie stylizowane czy artystyczne rezultaty. Dla zespołów tworzących gotowe do użycia materiały wizualne dla marek takie pozycjonowanie czyni go mocną alternatywą dla generatorów ogólnego przeznaczenia.

Microsoft zbudował i dostroił MAI-Image-2.5 specjalnie z myślą o komercyjnych i profesjonalnych pracach projektowych, takich jak opakowania, makiety produktów, oznakowanie i materiały wizualne skoncentrowane na marce. Model jest przeznaczony do zastosowań produkcyjnych w pipeline’ach reklamowych, e-commerce i marketingowych. Dokładne prawa użytkowania obowiązujące na Twoim koncie sprawdź w aktualnych warunkach Atlas Cloud przed publikacją wygenerowanych zasobów.