MAI Image 2.5 API for Accurate In-image Text

MAI Image 2.5 API ช่วยให้นักพัฒนาเข้าถึง MAI-Image-2.5 ของ Microsoft ผ่านโปรแกรมได้ ซึ่งเป็นโมเดลสร้างและแก้ไขภาพแบบ photorealistic ที่ออกแบบมาสำหรับงานออกแบบเชิงพาณิชย์ รองรับทั้งการสร้างภาพแบบ text-to-image และการแก้ไขภาพตามคำสั่ง โดยแต่ละแบบมีทั้งรุ่นมาตรฐานและรุ่น Flash บน Atlas Cloud คุณสามารถเรียกใช้ endpoints ทั้ง 4 แบบได้ผ่านคีย์เดียวที่ compatible กับ OpenAI พร้อมราคาแบบ pay-as-you-go เริ่มต้นที่ $0.03 ต่อภาพ

ทั้งสองรุ่นใช้สถาปัตยกรรม diffusion เดียวกัน มีความสมจริงแบบ photorealism และคุณภาพการเรนเดอร์ข้อความในระดับเดียวกัน Flash เป็นตัวเลือกที่ปรับต้นทุนให้คุ้มกว่า โดยมีราคา $0.03 ต่อภาพสำหรับการสร้างภาพ และ $0.038 ต่อการแก้ไขหนึ่งครั้ง ส่วนโมเดลมาตรฐานมีราคา $0.05 ต่อภาพ และ $0.058 ต่อการแก้ไขหนึ่งครั้ง เลือกใช้ Flash สำหรับงานสร้างภาพปริมาณมากและการทำ prototype อย่างรวดเร็ว และใช้โมเดลมาตรฐานกับงานที่ต้องการความเที่ยงตรงสูงสุด

ราคาบน Atlas Cloud เป็นแบบ pay-as-you-go โดยไม่มีค่าสมัครสมาชิก การสร้างภาพจากข้อความด้วยรุ่นมาตรฐานมีราคา $0.05 ต่อภาพ และการแก้ไขมาตรฐานมีราคา $0.058 ต่อการแก้ไขหนึ่งครั้ง ส่วนรุ่น Flash ลดเหลือ $0.03 ต่อภาพ และ $0.038 ต่อการแก้ไขหนึ่งครั้ง ระบบจะคิดเงินต่อการเรียกใช้งานที่สำเร็จ ดังนั้น batch ของภาพหลายแบบจะมีค่าใช้จ่ายเท่ากับค่าคงที่ต่อภาพคูณด้วยจำนวนผลลัพธ์เท่านั้น

สมัครใช้งานบน Atlas Cloud สร้าง API key หนึ่งชุด แล้วชี้ client เดิมที่ compatible กับ OpenAI ไปยัง endpoint ของ MAI-Image-2.5 ส่ง text prompt สำหรับการสร้างภาพ หรือส่งภาพพร้อมคำสั่งสำหรับการแก้ไข จากนั้น response จะส่งคืน URLs ของภาพที่เสร็จแล้ว การเข้าถึงแบบ Day-0 หมายความว่าโมเดลพร้อมใช้งานทันทีที่เปิดตัว โดยไม่ต้องเข้าคิวรอ เริ่มสร้างได้วันนี้

คุณกำหนดขนาดผลลัพธ์ได้ด้วยพารามิเตอร์ size ในรูปแบบ width by height โดยค่าเริ่มต้นคือ 1024 by 1024 แต่ละด้านกำหนดได้ตั้งแต่ 768 ถึง 1360 pixels ภายใต้เพดานรวมประมาณหนึ่ง megapixel ซึ่งครอบคลุมการจัดเฟรมแบบ square, portrait และ landscape รุ่นมาตรฐานและรุ่น Flash สำหรับการสร้างภาพมีข้อจำกัดด้านความละเอียดเหมือนกัน

Edit endpoint รับภาพต้นฉบับหนึ่งภาพ ซึ่งส่งได้เป็น URL หรือ base64 ในรูปแบบ JPEG หรือ PNG พร้อมคำสั่งภาษาธรรมชาติ จากนั้นจะทำการเปลี่ยนแปลงเฉพาะจุด เช่น ลบวัตถุ แทนที่องค์ประกอบ เปลี่ยนสี อัปเดตข้อความบนป้าย และล้างข้อบกพร่อง โดยยังคงพื้นที่ที่ไม่ได้แตะต้องไว้เหมือนเดิม เนื่องจากโมเดลสามารถให้เหตุผลเกี่ยวกับโครงสร้างฉากและแสงได้ การแก้ไขจึงยังสอดคล้องกับองค์ประกอบโดยรอบ

การเรนเดอร์ข้อความเป็นหนึ่งในจุดที่โมเดลพัฒนาได้มากที่สุด และ Microsoft รายงานว่าหมวดนี้มีการยกระดับคุณภาพมากที่สุดเมื่อเทียบกับรุ่นก่อนหน้า โมเดลสามารถสร้างฉลากสินค้า ป้าย หัวข้อ และข้อความแบรนด์ได้อย่างน่าเชื่อถือ โดยมีระยะห่างถูกต้องและอ่านได้ชัดเจน ความน่าเชื่อถือนี้ทำให้เหมาะกับ mockup บรรจุภัณฑ์และชิ้นงานโฆษณาที่ข้อความในภาพต้องอ่านได้จริง

บน Arena leaderboards สาธารณะ MAI-Image-2.5 เปิดตัวที่อันดับ No. 2 สำหรับการแก้ไขภาพ และ No. 3 สำหรับการสร้างภาพแบบ text-to-image จุดแข็งอยู่ที่ภาพ portrait แบบ photorealistic การเรนเดอร์ข้อความระดับใช้งานเชิงพาณิชย์ และการแก้ไขที่รักษาอัตลักษณ์ให้สอดคล้องกัน มากกว่างานเอาต์พุตแบบ stylized หรือเชิงศิลปะ สำหรับทีมที่ผลิตภาพพร้อมใช้กับแบรนด์ ตำแหน่งนี้ทำให้เป็นทางเลือกที่แข็งแกร่งเมื่อเทียบกับ generator อเนกประสงค์

Microsoft สร้างและปรับแต่ง MAI-Image-2.5 มาโดยเฉพาะสำหรับงานออกแบบเชิงพาณิชย์และงานมืออาชีพ รวมถึงบรรจุภัณฑ์ mockup สินค้า ป้าย และภาพที่เน้นแบรนด์ โมเดลนี้ตั้งใจให้ใช้ในงาน production ครอบคลุม pipeline ด้านโฆษณา e-commerce และการตลาด สำหรับสิทธิ์การใช้งานที่แน่นอนซึ่งมีผลกับบัญชีของคุณ โปรดตรวจสอบเงื่อนไข Atlas Cloud ฉบับปัจจุบันก่อนเผยแพร่ asset ที่สร้างขึ้น