[控场AI]
· 5 分钟阅读· 2,980 字

微软MAI-Image-2.7系列上线AI Gateway:支持2048px与透明背景

微软MAI-Image-2.7系列上线AI Gateway:支持2048px与透明背景

微软 MAI-Image-2.7 双版本上线 AI Gateway,支持 2048 像素与透明背景。

微软在 AI Gateway 上线 MAI-Image-2.7 与 MAI-Image-2.7-Flash 公开预览,开发者无需微软账户,仅凭一个 AI Gateway API Key 即可调用文生图与图像编辑。两模型按“质量”与“速度/成本”分层:标准版面向最终交付资产,Flash 版用于提示词探索与批量变体生成。共同升级包括最大 2048x2048 像素输出,以及生成与编辑均原生支持透明背景,可直接合成到设计稿而无需抠图。编辑支持最多五张参考图,覆盖产品、人像与版式场景,并具备写实生成与文字渲染能力。接入可通过 AI SDK 6+ 或 AI CLI 完成。

微软的图像生成模型家族迎来新成员。MAI-Image-2.7 与 MAI-Image-2.7-Flash 现已在 AI Gateway 上开放公开预览,开发者无需微软账户,仅凭一个 AI Gateway API Key 就能调用文本生图与图像编辑能力。

MAI-Image-2.7 与 MAI-Image-2.7-Flash 上线 AI Gateway

两个版本,两种取舍

此次发布的核心是把"质量"和"速度/成本"拆成两条产品线,让开发者按场景选型:

  • MAI-Image-2.7(模型 ID:microsoft/mai-image-2.7):面向最终交付资产,优先保证图像质量。
  • MAI-Image-2.7-Flash(模型 ID:microsoft/mai-image-2.7-flash):面向提示词探索与批量变体生成,强调更快、更低成本的出图。

这种双档位策略在图像模型市场已经相当常见——高质量的用于成品,轻量的用于试错。对团队而言,实际工作流往往是用 Flash 快速跑几十个提示词方向,锁定方向后再用标准版出终稿,能在预算和效果之间取得平衡。

所谓图像生成中的“双档位”分层,本质上是把模型规模与推理计算量做成可配置的产品梯度。高质量档通常采用更大参数量的扩散 Transformer 或更长的采样步数,单张图推理成本可达轻量版的数倍;轻量档则通过蒸馏、步数压缩或较小主干网络换取秒级出图。业界常见做法是高质量版面向终稿交付,轻量版承担“草稿—筛选—放大”的前置环节,从而把昂贵的计算集中投在少数已确定的候选上。

关键能力:更大画幅与透明背景

两个模型共同带来了两项实用的能力升级:

最大输出提升至 2048 x 2048 像素。这一分辨率对电商主图、社交媒体素材、产品展示图等场景已经够用,减少了生成后再做超分的环节。

生成与编辑均支持透明背景。这是本次更新中对工作流影响最大的一点——透明 PNG 意味着生成结果可以直接叠加到设计稿、合成到其他背景上,而不必再去抠图。在 AI SDK 中,只需把 providerOptions.azure.background 设置为 'transparent' 即可。

透明背景(alpha 通道)在扩散模型的训练中一直是难点,因为主流训练数据多为 RGB 三通道图像,缺少可靠的 alpha 标注。常见的工程解法是在潜空间额外引入第四通道、或用遮罩条件引导模型区分前景与背景,再配合后处理保证边缘半透明过渡自然。原生输出带 alpha 的结果,比先出白底图再做抠图少了一次质量损失,也避免了毛发、玻璃、烟雾等半透明物体抠图时的边缘瑕疵,这对合成类工作流意义明显。

编辑能力与参考图机制

除了文生图,两个模型都支持对现有图像做定向编辑,覆盖产品、人像和版式三类常见需求。模型支持最多五张参考图,用于指导编辑方向,或把多个主体组合进同一张画面。

官方给出的示例很能说明用法:先生成一张"玻璃香水瓶,影棚产品摄影"的图(顺带设置为透明背景),再以这张图为参考,输入提示词"把瓶子放在大理石台面上"完成场景替换。整个流程只用同一个 API Key 和两次调用。

此外,两个模型都具备写实图像生成与文字渲染能力——文字渲染一直是图像模型的薄弱环节,能否稳定渲染文字,直接影响海报、banner 这类含文案素材的可用性。

多参考图条件注入通常依赖参考图编码器把每张图压缩为若干视觉 token,再与文本 token 一同送入注意力层,由模型隐式决定“保什么、改什么”。参考图数量越多,上下文越长,显存与延迟也随之上升,因此五张往往是一个在表达力与成本之间的折中上限。这类能力与传统的 inpainting(掩码重绘)不同:后者需要用户精确圈定修改区域,前者则更多依靠提示词语义定位,使用门槛更低但对复杂空间关系的控制力稍弱。

怎么接入

接入方式保持了 AI Gateway 一贯的轻量风格:设置 AI_GATEWAY_API_KEY 环境变量,然后通过 AI SDK 6 或更高版本使用任一模型 ID。

import { generateImage } from 'ai';
import { writeFileSync } from 'node:fs';

const { image } = await generateImage({
  model: 'microsoft/mai-image-2.7',
  prompt: 'A glass perfume bottle, studio product shot',
  size: '2048x2048',
  providerOptions: {
    azure: { background: 'transparent' },
  },
});

writeFileSync('bottle.png', image.uint8Array);

做图像编辑时,把原图作为参考图传入,并用结构化 prompt 描述改动:

const { image } = await generateImage({
  model: 'microsoft/mai-image-2.7-flash',
  prompt: {
    text: 'Place the bottle on a marble counter',
    images: [readFileSync('bottle.png')],
  },
});

偏好命令行的开发者也可以用 AI CLI,安装后用 ai image 命令配合 -m、--size、-i、-o 等参数完成同样的生成与编辑任务,无需写代码。

值得关注的几个信号

免微软账户是降低门槛的关键一步。过去调用 Azure 系图像能力往往需要配置 Azure 资源与凭证,如今单靠 AI Gateway 的 Key 即可,对个人开发者和小团队更友好。

透明背景原生支持,暗示工作流定位。把透明 PNG 作为一等能力,说明这批模型瞄准的不只是"生成一张好看的图",而是嵌入到设计、电商、广告素材的生产管线中。

双模型分层反映成本敏感度。图像生成的成本压力真实存在,Flash 版本的存在让开发者可以在不牺牲探索效率的前提下控制支出。

目前两个模型均处于公开预览阶段,开发者可以在模型 playground 中直接试用,或参考官方的图像生成指南完成集成。

AI Gateway 这类聚合层的作用值得单独说明:它在应用与各模型供应商之间提供统一的鉴权、计费与调用协议,开发者无需为每家模型分别申请凭证、对接 SDK。对多模型并存的市场而言,这种抽象层降低了迁移成本——更换模型只需改一个模型 ID 字符串。不过聚合层也可能带来额外一跳延迟与功能透传的滞后,供应商新特性需经网关适配后才能使用,这是选型时需要权衡的一面。

#MAI-Image-2.7#MAI-Image-2.7-Flash#AI Gateway#微软图像生成模型#透明背景图像生成#AI SDK 图像编辑#2048x2048 图像生成
分享:

相关推荐