Solutions Choose your path
For individuals Build, learn, and create with simple usage-based access. For business Scale teams, billing, governance, and model workflows. More English 繁體中文 日本語 한국어 Français Deutsch Español Italiano Português Русский العربية ไทย Tiếng Việt Bahasa Indonesia Bahasa Melayu Türkçe Polski Nederlands Danish Norsk Қазақ اردو
เริ่มต้นฟรี เริ่มต้นฟรี
500+ AI Model API, All In One API.
Just In CometAPI © 2026 CometAPI · All rights reserved
Home Blog MAI Image 2.7 พรีวิว: คุณสมบัติ, ผลการทดสอบประสิทธิภาพ, และความพร้อมใช้งานของ API ai-model / งานวิจัย CometAPI
MAI Image 2.7 พรีวิว: คุณสมบัติ, ผลการทดสอบประสิทธิภาพ, และความพร้อมใช้งานของ API ค้นพบ MAI-Image-2.7-Preview ของ Microsoft, คุณสมบัติการแก้ไขภาพ, เกณฑ์มาตรฐาน Elo ที่ 1,193, การเปรียบเทียบกับ GPT Image 2.5, ความพร้อมใช้งานของ API และราคา
Deon Goodwin ทีมวิจัยโมเดล AI และ API ค้นพบ MAI-Image-2.7-Preview ของ Microsoft, คุณสมบัติการแก้ไขภาพ, เกณฑ์มาตรฐาน Elo ที่ 1,193, การเปรียบเทียบกับ GPT Image 2.5, ความพร้อมใช้งานของ API และราคา
ใช้สรุปนี้เพื่อดูคำตอบอย่างรวดเร็ว แล้วอ่านคู่มือเพื่อดูบริบท ตัวอย่าง และรายละเอียดการใช้งาน
from openai import OpenAI
client = OpenAI(
api_key="YOUR_COMETAPI_KEY",
base_url="https://api.cometapi.com/v1",
)
response = client.chat.completions.create(
model="gpt-5-mini",
messages=[{"role": "user", "content": "Build this workflow."}],
)
print(response.choices[0].message.content)สรุปสั้นๆ
MAI-Image-2.7-Preview คือโมเดลแก้ไขภาพด้วย AI ของ Microsoft เปิดตัวเมื่อวันที่ 27 ตุลาคม 2026 มุ่งเน้นการปรับเปลี่ยนภาพที่มีอยู่แบบควบคุมได้ เช่น แสง สไตล์ภาพ วัตถุ และไทโปกราฟี
Microsoft ประกาศ MAI Image 2.7 ในอันดับ 3 บน Arena Edit และอันดับ 2 บน Artificial Analysis ในภาพรวมของวันที่ 28 ตุลาคม 2026 ที่ตรวจสอบสำหรับบทความนี้ โมเดลได้ 1,193 คะแนน Elo บน Artificial Analysis และอยู่ในอันดับสอง สำหรับนักออกแบบ จุดเด่นคือสามารถแก้ไขภาพอย่างมีนัยสำคัญโดยยังคงรักษาองค์ประกอบที่ทำงานได้ดีอยู่แล้ว
นักพัฒนาสามารถประเมินโมเดลได้ผ่านแพลตฟอร์มทดสอบสาธารณะ แต่ ณ วันที่ 28 ตุลาคม 2026 Microsoft ยังไม่ประกาศ API สาธารณะสำหรับรุ่น 2.7 หรือราคา
ประเด็นสำคัญ
เปิดตัว 27 ตุลาคม 2026: Microsoft แนะนำ MAI-Image-2.7-Preview ในฐานะผู้สืบทอดที่เน้นการแก้ไขภาพจาก MAI-Image-2.6
1,193 Elo บน Artificial Analysis: โมเดลอยู่อันดับสองบน AA-Image-Editing v2.1 ตามหลัง GPT Image 2.5 Sunburst อยู่ 6 คะแนน
เรียนรู้ต่อ
เชื่อมโยงบทความนี้กับการตัดสินใจถัดไป ดูทุกหัวข้อ ตรวจสอบความชัดเจน การอ้างอิงแหล่งที่มา และคำศัพท์ API ปัจจุบันแล้ว
การพัฒนาในวงกว้างด้านการแก้ไข: Microsoft รายงานว่ามีการปรับปรุงครอบคลุมทั้ง 10 กรณีการใช้งานที่ประเมินและการกระทำการแก้ไข 7 ประเภท ไม่ใช่เฉพาะเพียงชนิดเดียว
ความสามารถขั้นสูงในการแก้ไข: โมเดลมุ่งเป้าการปรับสไตล์ฉาก ปรับแสง แก้ไขข้อความและสัญลักษณ์ การแก้ไขที่อาศัยเหตุผล และการบูรณะภาพ
ประเมินก่อนบูรณาการ: ทดสอบ MAI-Image-2.7-Preview กับข้อกำหนดด้านการคงรายละเอียดของคุณเอง; ใช้ API ที่พร้อมใช้งานเมื่อแอปของคุณต้องการปรับใช้ในวันนี้
MAI-Image-2.7-Preview คืออะไร? MAI-Image-2.7-Preview เป็นโมเดลแก้ไขภาพเชิงพาณิชย์ของ Microsoft AI สังกัดตระกูล MAI Image ของ Microsoft ซึ่งรวมถึงโมเดลก่อนหน้าที่ออกแบบมาสำหรับการสร้างภาพ การแก้ไขภาพ และเวิร์กโฟลว์สร้างสรรค์ที่มุ่งสู่การผลิต
แทนที่จะทดแทนทั้งภาพ โมเดลนี้ถูกออกแบบมาเพื่อทำการแก้ไขแบบเฉพาะจุดพร้อมคงความสอดคล้องทางภาพของฉากต้นฉบับ
ตัวอย่างเช่น นักออกแบบอาจวางผลิตภัณฑ์ไว้ในสภาพแวดล้อมใหม่โดยยังคงรูปแบบบรรจุภัณฑ์ โลโก้ และสัดส่วนเดิม ช่างภาพอาจต้องการปรับแสงโดยไม่บิดเบือนตัวแบบ ทีมการตลาดอาจต้องการแทนที่ข้อความบนโฆษณาที่มีอยู่โดยคงเลย์เอาต์เดิมไว้
ข้อมูลจำเพาะของ MAI-Image-2.7-Preview ผู้พัฒนา Microsoft AI วันที่เปิดตัว 27 ตุลาคม 2026 สถานะการวางจำหน่าย พรีวิว ความสามารถหลัก การแก้ไขภาพด้วย AI อินพุต ภาพที่มีอยู่และคำสั่งแก้ไขแบบข้อความ เอาต์พุต ภาพที่ได้รับการแก้ไข การสร้างภาพจากข้อความ ประกาศว่าจะมีในเร็วๆ นี้ Public developer API ยังไม่ประกาศ สถาปัตยกรรมโมเดลและจำนวนพารามิเตอร์ ไม่เปิดเผย ความละเอียดสูงสุด ไม่เปิดเผยสำหรับ 2.7 จำนวนภาพอ้างอิงสูงสุด ไม่เปิดเผยสำหรับ 2.7 แพลตฟอร์มประเมินสาธารณะ Arena และ Artificial Analysis การทดสอบแบบอินเทอร์แอกทีฟ MAI Playground ทั้งนี้ขึ้นกับสิทธิ์การเข้าถึง
Microsoft ยังไม่เปิดเผยสถาปัตยกรรม พารามิเตอร์ ความละเอียดสูงสุด หรือข้อจำกัดจำนวนภาพอ้างอิงของรุ่นพรีวิวนี้ในการประกาศเปิดตัว ข้อมูลจำเพาะของ MAI รุ่นก่อนจึงไม่ควรใช้เป็นข้อจำกัดที่ยืนยันแล้วของ 2.7
MAI-Image-2.7-Preview ทำอะไรได้บ้าง? Microsoft ระบุว่าโมเดลนี้ไปถึงระดับแนวหน้าใน 4 ด้าน ได้แก่ การเสริมคุณภาพและการบูรณะ การแก้ไขที่อาศัยเหตุผล การแก้ไขฉากและสไตล์ และการแก้ไขข้อความหรือสัญลักษณ์
การแก้ไขฉากและสไตล์ MAI-Image-2.7-Preview สามารถปรับโฉมภาพรวมของภาพที่มีอยู่ รวมถึงสภาพแวดล้อม สไตล์ศิลป์ แสง และอารมณ์
ลองนึกถึงภาพถ่ายผลิตภัณฑ์บนฉากสตูดิโอพื้นหลังเรียบ นักออกแบบอาจต้องการเปลี่ยนสภาพแวดล้อมรอบข้างให้เป็นฉากแคมเปญกลางแจ้งระดับพรีเมียมโดยยังคงผลิตภัณฑ์เดิม
ผลลัพธ์ที่ประสบความสำเร็จต้องมากกว่าการเปลี่ยนพื้นหลัง ทิศทางแสง เงาสะท้อน เงาทอด มุมมอง และสี ต้องสอดคล้องกัน
การแก้ไขข้อความและสัญลักษณ์ โมเดลภาพ AI มักประสบปัญหาเมื่อแก้ไขข้อความที่ฝังอยู่ในภาพเดิม
การแทนที่ฉลากอาจเผลอเปลี่ยนแบบอักษร การจัดวาง มุมมอง หรือการออกแบบรอบๆ แม้ว่าคำแทนที่ถูกต้องแล้ว พื้นที่ที่แก้ไขอาจดูเหมือนถูกวางแปะทับภาพเดิม
MAI-Image-2.7-Preview มุ่งเน้นการเปลี่ยนข้อความและสัญลักษณ์โดยคงความกลมกลืนทางภาพกับส่วนที่เหลือ
การใช้งานที่เป็นไปได้รวมถึงบรรจุภัณฑ์ผลิตภัณฑ์ โฆษณา โปสเตอร์โปรโมชัน กราฟิกสำหรับงานนำเสนอ และแบบจำลอง UI
สำหรับธุรกิจที่สร้างสินทรัพย์การตลาดหลายภาษา ฟีเจอร์นี้อาจมีคุณค่าเป็นพิเศษ อย่างไรก็ตาม ความน่าเชื่อถือของโมเดลข้ามภาษาและไทโปกราฟีที่ซับซ้อนยังคงต้องทดสอบตามงานจริง
การแก้ไขภาพที่อาศัยเหตุผล การแก้ไขบางอย่างต้องอาศัยความเข้าใจว่่าวัตถุมีปฏิสัมพันธ์กับสภาพแวดล้อมอย่างไร
เช่น การย้ายวัตถุที่สะท้อนแสงไปยังสภาพแวดล้อมที่แตกต่าง อาจต้องปรับแสง เงา และพื้นผิวใกล้เคียงให้สอดประสานกัน
โมเดลแก้ไขอาจปฏิบัติตามคำสั่งทางเทคนิค แต่ยังผลิตฉากที่ไม่สอดคล้องได้
MAI-Image-2.7-Preview ถูกออกแบบมาเพื่อจัดการการแก้ไขที่เกี่ยวข้องกับความสัมพันธ์ระหว่างวัตถุ แสง และสภาพแวดล้อม
การเสริมคุณภาพและการบูรณะภาพ เวิร์กโฟลว์ทั่วไป ได้แก่ การบูรณะภาพถ่ายเก่า เสริมคุณภาพภาพสินค้าที่ความละเอียดต่ำ ปรับแต่งสินทรัพย์สร้างสรรค์ และแก้ไขข้อบกพร่องทางภาพ
การบูรณะด้วย AI อาจสร้างรายละเอียดที่ดูสมเหตุสมผล สำหรับงานจัดเก็บหรือหลักฐาน ควรเก็บต้นฉบับไว้และระบุให้ชัดเจนถึงส่วนที่เป็นการสร้างด้วย AI
หมวดความสามารถเหล่านี้คือแนวทาง ไม่ใช่การรับประกันผลลัพธ์ที่สมบูรณ์แบบ ความแม่นยำของการแก้ไขจริงขึ้นกับภาพต้นทาง ความซับซ้อนของพรอมป์ต์ และเกณฑ์การตรวจสอบ
ประสิทธิภาพของ MAI-Image-2.7-Preview บนเบนช์มาร์ก MAI-Image-2.7-Preview ปรากฏบนสองแพลตฟอร์มประเมินการแก้ไขภาพหลัก ได้แก่ Artificial Analysis และ Arena
ทั้งสองใช้แนวทางการประเมินตามความชอบแบบเปรียบคู่ แต่มีชุดข้อมูล สเกลคะแนน และวิธีการโหวตต่างกัน
คะแนน Elo ของแต่ละแพลตฟอร์มควรเปรียบเทียบภายในลีดเดอร์บอร์ดเดียวกัน ไม่ใช่ข้ามแพลตฟอร์ม
Artificial Analysis: AA-Image-Editing v2.1 Artificial Analysis ประเมินว่าระบบภาพปรับแก้ภาพอินพุตตามคำสั่งข้อความได้ดีเพียงใด
AA-Image-Editing v2.1 จัดอันดับโมเดลด้วยการโหวตความชอบของมนุษย์แบบจับคู่ในงานแก้ไขภาพ เหล่านี้คือผลจากแพลตฟอร์มภายนอก ไม่ใช่เบนช์มาร์กภายในของ Microsoft
สแนปช็อตวันที่ 28 ตุลาคม 2026 แสดงว่า:
ตารางคงการตั้งค่าโมเดลที่ประกาศ รวมถึงการตั้งค่าสูงสุดสำหรับ GPT Image 2.5 ค่า ± คือช่วงความไม่แน่นอน 95% ที่แสดง ลีดเดอร์บอร์ดไม่ได้ให้สภาพแวดล้อมฮาร์ดแวร์หรือเวลาหน่วงแบบใช้ร่วมกัน ดังนั้นคะแนนเหล่านี้อธิบายความชอบด้านการแก้ไข ไม่ใช่ความเร็วประมวลผล
1 GPT Image 2.5 Sunburst (max) 1199 ± 11 18,250 2 MAI-Image-2.7-Preview 1193 ± 15 4,891 3 GPT Image 2.5 Flare (max) 1182 ± 11 19,136 4 MAI-Image-2.6 1151 ± 12 16,644 5 Krea 3 (Ultra) 1151 ± 14 5,505 6 Nano Banana 2.1 1151 ± 13 6,868 7 MAI-Image-2.6-Flash 1144 ± 13 10,753
MAI-Image-2.7-Preview ได้คะแนนสูงกว่า MAI-Image-2.6 อยู่ 42 Elo สูงกว่า Flare อยู่ 11 และต่ำกว่า Sunburst อยู่ 6 บนลีดเดอร์บอร์ดนี้
อย่างไรก็ตาม ช่วงความไม่แน่นอนของโมเดลชั้นนำทับซ้อนกัน ความต่าง 6 คะแนนจึงไม่ได้ยืนยันว่า Sunburst จะทำได้ดีกว่า MAI-Image-2.7-Preview อย่างสม่ำเสมอในทุกงานแก้ไข
Arena Edit: การแก้ไขภาพ Arena ก็วัดความชอบของผู้ใช้ผ่านการเปรียบเทียบแบบปิดเช่นกัน
คะแนนรวมสำหรับการแก้ไขภาพเดี่ยวที่ปรากฏวันที่ 28 ตุลาคม 2026 มีดังนี้ โดยตารางยังคงฉลาก preliminary ของ Arena ไว้เมื่อมีการแสดง
1 GPT-Image-2.5 Sunburst 1517 ± 5 (preliminary) 90,545 2 GPT-Image-2.5 Flare 1482 ± 5 (preliminary) 87,941 3 MAI-Image-2.7-Preview 1471 ± 10 3,402 4 GPT-Image-2 (Medium) 1460 ± 3 336,785 5 Grok Imagine Image 2.0 1439 ± 6 (preliminary) 32,951 6 MAI-Image-2.6 1427 ± 5 76,933 7 Gemini Nano Banana 2.1 1427 ± 6 (preliminary) 12,956
คะแนนที่แสดงวาง 2.7 Preview ไว้สูงกว่า 2.6 อยู่ 44 Elo และสูงกว่า GPT-Image-2 (Medium) อยู่ 11 Elo
สำหรับ API พื้นฐานอื่น นักพัฒนาสามารถเข้าถึง GPT Image 2 และ Grok Imagine Image 2.0 API คำว่า Medium ในรายการ GPT Image 2 ของ Arena เป็นการระบุการตั้งค่าประเมิน ไม่ใช่ชื่อโมเดล API แยกต่างหาก
ผลของ Arena เป็นแบบเรียลไทม์และอาจเปลี่ยนแปลงได้ ตัวเลขด้านบนสะท้อนสแนปช็อตวันที่ 28 ตุลาคม
ประสิทธิภาพด้านการออกแบบเชิงพาณิชย์ หมวด Product, Branding & Commercial Design ของ Arena มีความเกี่ยวข้องเป็นพิเศษเมื่อผลลัพธ์ต้องใช้งานเป็นโฆษณาหรือสินทรัพย์ผลิตภัณฑ์
ในหมวด Product, Branding & Commercial Design ของ Arena ณ 28 ตุลาคม 2026 MAI-Image-2.7-Preview อยู่อันดับสามที่ 1,499 Elo—นำ 2.6 อยู่ 55 คะแนนซึ่งอยู่อันดับแปด ด้วยจำนวนโหวตเพียง 718 และช่วงความไม่แน่นอนที่กว้างกว่า ผลลัพธ์นี้เป็นสัญญาณเบื้องต้นให้ทดสอบกับข้อกำหนดการออกแบบของคุณเอง
ทั้งสองลีดเดอร์บอร์ดแสดงผลการแก้ไขที่แข็งแรงกว่ารุ่น MAI-Image-2.6 และแข่งขันได้กับโมเดลชั้นนำ ความเร็ว ความน่าเชื่อถือ และต้นทุนในการผลิตยังต้องทดสอบผ่าน API แยกต่างหาก
MAI-Image-2.7-Preview เทียบกับ MAI-Image-2.6 MAI-Image-2.6 เคยเปิดให้นักพัฒนาผ่าน Microsoft Foundry โดยมีรุ่น Flash แยกให้บริการ เหตุการณ์ API นั้นแยกจากเดือนสิงหาคมที่บันทึกโดย Artificial Analysis
MAI-Image-2.6 และรุ่น Flash เปิดความสามารถเชิงนักพัฒนา เช่น การแก้ไขโดยอ้างอิงหลายภาพ web grounding อัตราส่วนภาพแบบไดนามิก และความละเอียดเอาต์พุตสูงสุด 1.5K
รุ่น 2.7 พรีวิวเปลี่ยนจุดเน้นการออกสู่สาธารณะในระยะสั้นไปที่ประสิทธิภาพการแก้ไข
ประสิทธิภาพการแก้ไข รองรับการแก้ไขฉาก สไตล์ การให้เหตุผล ข้อความ และการบูรณะ Microsoft รายงานการปรับปรุงครอบคลุมทั้งสี่ด้าน พร้อมผลลัพธ์ระดับแนวหน้าของหมวดหมู่ ความสามารถ text-to-image ใช้งานได้ จะมีในเร็วๆ นี้ Developer API ใช้งานผ่าน Microsoft Foundry ยังไม่ประกาศ
Microsoft รายงานการพัฒนาครอบคลุมทั้ง 10 กรณีการใช้งานและ 7 การกระทำการแก้ไข คำถามเชิงปฏิบัติคือการพัฒนาเหล่านั้นช่วยให้งานแก้ไขที่ทีมของคุณทำบ่อยที่สุดดีขึ้นหรือไม่
โมเดลก่อนหน้ายังสำคัญสำหรับนักพัฒนาที่ต้องการ API การสร้างภาพที่มีเอกสารและการผสานรวมการผลิตที่ตั้งมั่นแล้ว
วิธีเข้าถึงและลองใช้ MAI Image 2.7 Microsoft ระบุ MAI Playground, Arena และ Artificial Analysis เป็นช่องทางสำรวจรุ่นพรีวิว เริ่มจาก Playground กับภาพของคุณเอง และใช้แพลตฟอร์มประเมินเพื่อเปรียบเทียบความชอบและคะแนน
MAI Playground เป็นสภาพแวดล้อมทดลองใช้งานโดยตรงของ Microsoft สำหรับโมเดล MAI
เมื่อพรีวิวพร้อมใช้งานกับบัญชีและภูมิภาคของคุณ เวิร์กโฟลว์ที่ตั้งใจคือเลือกโมเดลแก้ไข จัดเตรียมภาพที่มีอยู่ และอธิบายการเปลี่ยนแปลงที่ต้องการ
การทดลองแรกที่มีประโยชน์คือการแก้ไขที่มีการเปลี่ยนแปลงหลักหนึ่งอย่างและข้อกำหนดการคงรายละเอียดอย่างชัดเจนหลายข้อ
แทนที่พื้นหลังของภาพถ่ายผลิตภัณฑ์นี้ด้วยบรรยากาศร้านค้าปลีกหรูสมัยใหม่ รักษาสัดส่วนของผลิตภัณฑ์ โลโก้ ข้อความบนบรรจุภัณฑ์ และมุมกล้องให้เหมือนเดิม ปรับแสงและเงาให้สอดคล้องกับสภาพแวดล้อมใหม่ ห้ามเพิ่มข้อความเพิ่มเติม
วิธีทดสอบที่ทำซ้ำได้ เพื่อประเมินโมเดลอย่างมีนัยสำคัญ ให้ใช้ภาพต้นทางและคำสั่งเดียวกันกับตัวแก้ไขที่แข่งขันกัน
สำหรับการคัดกรองเบื้องต้น รวบรวมงานตัวแทน 20 ถึง 50 งาน ครอบคลุมการเปลี่ยนผลิตภัณฑ์ ไทโปกราฟี ปรับแสงใหม่ การบูรณะ และองค์ประกอบหลายวัตถุ นี่คือชุดเริ่มต้นที่ใช้งานจริง ไม่ใช่ข้อกำหนดขนาดตัวอย่างที่ได้รับการตรวจสอบทางสถิติ
ตรวจงานผลลัพธ์ตาม 4 มิติ:
ความถูกต้องตามคำสั่ง: โมเดลทำการเปลี่ยนแปลงตามที่ขอหรือไม่?
การคงรายละเอียด: องค์ประกอบที่ไม่ได้แก้ไขยังคงสอดคล้องหรือไม่?
ความสมจริงทางภาพ: แสง มุมมอง และองค์ประกอบภาพดูเป็นธรรมชาติหรือไม่?
การยอมรับเอาต์พุต: คุณสามารถใช้ผลลัพธ์โดยไม่ต้องแก้เพิ่มเติมหรือไม่?
สำหรับการประเมินที่มุ่งสู่การผลิต ควรบันทึกเวลาแฝงและต้นทุนเมื่อมี API ที่เหมาะสม
มี API ของ MAI-Image-2.7-Preview หรือไม่ และราคาเท่าไร? ณ วันที่ 28 ตุลาคม 2026 Microsoft ยังไม่ประกาศเอ็นด์พอยต์ API สาธารณะ ราคา หรือวันที่พร้อมใช้งานทั่วไปสำหรับ MAI Image 2.7 Artificial Analysis แสดงฉลากพรีวิวว่า No API available
สำหรับการวางแผนใช้งานจริง รายละเอียดที่ยังไม่ชัดเจน ได้แก่ รหัสโมเดลสำหรับปรับใช้ ข้อจำกัดภาพ ขีดจำกัดอัตรา การคิดค่าบริการ และเงื่อนไขการใช้งานเฉพาะพรีวิว
Microsoft ระบุว่าความสามารถ text-to-image จะมาเร็วๆ นี้ หากแอปของคุณต้องการทั้งการสร้างและการแก้ไขตอนนี้ ให้เลือก API ที่มีเอกสารรองรับ และพิจารณา 2.7 เป็นผู้สมัครสำหรับการประเมินแยกต่างหาก
สำหรับนักพัฒนาที่ต้องการการแก้ไขภาพในงานผลิตวันนี้ CometAPI มี API สำหรับทางเลือกที่ได้รับการยืนยันหลายรายการ
สิ่งนี้ช่วยให้คุณตรวจสอบเวิร์กโฟลว์การแก้ไขได้ทันที และประเมิน MAI Image 2.7 แยกต่างหากเมื่อ Microsoft จัดเตรียมอินเทอร์เฟซสำหรับนักพัฒนาที่รองรับ
รันคำขอนี้ใน Bash โดยมีคีย์ CometAPI ที่ถูกต้องและมีไฟล์ product.png ในไดเรกทอรีปัจจุบัน มันจะบันทึกการตอบกลับแบบ JSON ไปยัง edit-response.json
export COMETAPI_KEY="YOUR_COMETAPI_KEY"
curl --fail-with-body \
"https://api.cometapi.com/v1/images/edits" \
-H "Authorization: Bearer $COMETAPI_KEY" \
-F "model=gpt-image-2.5-sunburst" \
-F "image[]=@product.png" \
-F "prompt=Preserve the product, logo, and camera angle. Replace only the background with a premium studio environment. Match the original lighting naturally." \
-F "quality=high" \
-F "output_format=png" \
--output edit-response.json
ตามรูปแบบการตอบกลับของ CometAPI ภาพที่แก้ไขจะถูกส่งกลับเป็นค่า Base64 ใน data[0].b64_json ให้ถอดรหัสค่านั้นเป็นไฟล์ PNG; การตอบกลับ JSON เองไม่ใช่ภาพ หาก cURL รายงานข้อผิดพลาด HTTP ให้ตรวจสอบเนื้อหาการตอบกลับก่อนลองใหม่
ตัวชี้วัดการประเมินเพื่อการผลิต มาตรวัดที่มีประโยชน์สำหรับประสิทธิภาพในงานผลิตคือ “ต้นทุนต่อภาพที่ได้รับการยอมรับ” ไม่ใช่เพียง “ต้นทุนต่อคำขอ”
ตัวอย่างเช่น สมมุติว่าบริการแก้ไขภาพผลิตภาพ 100 ภาพ ที่ต้นทุนเฉลี่ยภาพละ $0.10
หากมีเพียง 70 ภาพผ่านการตรวจคุณภาพ:
Cost per accepted image = $10 / 70 = approximately $0.143.
หากคุณภาพการแก้ไขดีขึ้นจนทำให้สัดส่วนการยอมรับเพิ่มเป็น 90% ที่ต้นทุนต่อคำขอเท่าเดิม ต้นทุนที่มีประสิทธิภาพจะลดลงเป็นประมาณ $0.111 ต่อภาพที่ได้รับการยอมรับ
ตัวอย่างสมมุตินี้แยกผลของอัตราการยอมรับ; สมมุติฐานอินพุต $0.10 ไม่ใช่ใบเสนอราคาของโมเดลใดๆ
ตัวอย่างนี้ชี้ให้เห็นว่าความแม่นยำในการแก้ไขอาจสำคัญพอๆ กับราคาหัวข้อของ API
คำถามที่พบบ่อย
ควรจัดการอย่างไรหากโลโก้บิดเบือนในผลลัพธ์จาก MAI-Image-2.7-Preview? ย้อนกลับไปยังภาพต้นฉบับ จำกัดขอบเขตการเปลี่ยนแปลงที่ร้องขอ และระบุอย่างชัดเจนว่าโลโก้และข้อความบนบรรจุภัณฑ์ต้องไม่เปลี่ยน เปรียบเทียบภาพครอปที่เกี่ยวข้องกับต้นฉบับที่ความละเอียดเต็ม หากโมเดลยังคงเปลี่ยนรายละเอียดที่สำคัญต่อแบรนด์ ให้คงองค์ประกอบเหล่านั้นผ่านขั้นตอนคอมโพสิตแยกต่างหากหรือใช้โปรแกรมแก้ไขแบบดั้งเดิมกับบริเวณนั้น ผลลัพธ์ที่ดูสวยงามไม่เพียงพอเมื่อโลโก้ต้องเป๊ะ
การแก้ไขซ้ำๆ ด้วย MAI-Image-2.7-Preview อาจสะสมข้อผิดพลาดหรือไม่? การแก้ไขแบบสร้างซ้ำอาจก่อให้เกิด “ดริฟต์” แม้ว่าผลลัพธ์แต่ละครั้งจะดูสมเหตุสมผล เก็บต้นฉบับไว้และบันทึกเวอร์ชันหลังจากการแก้ไขที่ยอมรับแต่ละครั้ง สำหรับความแปรผันใหม่ ให้เปรียบเทียบการเริ่มจากต้นฉบับกับการต่อจากเอาต์พุตล่าสุด แล้วเลือกเส้นทางที่รักษารายละเอียดตามข้อกำหนดของโครงการ อย่าคิดว่าความสำเร็จในก่อนหน้ารับประกันความสอดคล้องในลำดับที่ยาวขึ้น
จะเปรียบเทียบผลลัพธ์ของ MAI-Image-2.7-Preview อย่างยุติธรรมได้อย่างไร? ซ่อนชื่อโมเดลระหว่างการรีวิวและสุ่มลำดับเอาต์พุต ตกลงเกณฑ์การปฏิเสธก่อนที่ผู้รีวิวจะเห็นภาพ และบันทึกทั้งความล้มเหลวและเอาต์พุตที่ชอบ หากอนุญาตให้ลองใหม่ ให้จัดงบประมาณการลองใหม่เท่ากันสำหรับทุกโมเดลและนับทุกความพยายามในคำนวณต้นทุน วิธีนี้ลดโอกาสลำเอียงเพราะเลือกผลลัพธ์ที่โดดเด่นเพียงครั้งเดียว
การบูรณะด้วย MAI-Image-2.7-Preview รักษาความจริงทางประวัติศาสตร์หรือไม่? ภาพที่บูรณะอาจมีรายละเอียดที่ดูสมเหตุสมผลซึ่งไม่ปรากฏในต้นฉบับ เก็บต้นฉบับไว้เคียงกับเวอร์ชันแก้ไข และแยกความแตกต่างระหว่างการปรับปรุงเชิงความงามกับการเติมแต่งข้อเท็จจริง สำหรับงานจดหมายเหตุหรือสารคดี ให้บันทึกการเปลี่ยนแปลงที่ร้องขอและระบุรายละเอียดที่เกิดจากการสร้าง แทนที่จะปฏิบัติต่อภาพที่บูรณะว่าเป็นหลักฐานใหม่เกี่ยวกับฉากดั้งเดิม
บทสรุป พิจารณา MAI-Image-2.7-Preview หากเวิร์กโฟลว์ของคุณขึ้นกับการแก้ไขภาพอย่างมีนัยสำคัญโดยยังคงรายละเอียดภาพสำคัญ ใช้ภาพต้นทางที่เป็นตัวแทนเพื่อวัดคุณภาพการคงรายละเอียดและอัตราการยอมรับเอาต์พุต หากคุณต้องการผสาน API วันนี้ ให้เลือกโมเดลที่พร้อมใช้งาน และกลับมาพิจารณา 2.7 อีกครั้งเมื่อ Microsoft เผยแพร่การเข้าถึงสำหรับนักพัฒนาและราคา
