MAI Image 2.7 API
Préparez vos modifications pour le modèle d’édition d’images Microsoft MAI Image 2.7. Dans le Playground MAI Image API, associez l’original à des consignes précises sur la scène, la lumière, le texte et les détails à conserver.
Configuration MAI Image 2.7 API
- Image source depuis un fichier ou une URL
- Consignes de retouche dans le prompt
- Configuration Form et JSON
Précisez les éléments à modifier et les détails à conserver.
Choisissez une image et décrivez les modifications.
Préparez des retouches ciblées avec MAI Image 2.7 API
Partez de votre image et d’un objectif précis. Dans l’espace de travail, distinguez les modifications souhaitées de la composition, des matières et des détails à conserver.
Exemple de la MAI Image 2.7 API : retouche d’image
Ces exemples montrent comment préparer une requête de retouche avec une image source et une consigne, puis interroger la tâche pour en récupérer le résultat.
- 1
Authentifier la requête MAI Image 2.7 API
Enregistrez votre clé API APIMart dans la variable d’environnement APIMART_API_KEY. Envoyez-la avec Authorization: Bearer <key> lors de la soumission de la retouche et de la consultation de la tâche.
- 2
Soumettre une tâche de retouche d’image
Envoyez POST /v1/images/generations avec model défini sur mai-image-2.7, une consigne de retouche dans prompt et une URL HTTP ou HTTPS de l’image source dans image_urls. Récupérez l’identifiant de tâche dans data[0].task_id de la réponse.
- 3
Récupérer l’image retouchée
Interrogez la tâche avec GET /v1/tasks/{task_id}. Si son statut est completed, lisez l’URL de l’image dans data.result.images[0].url[0]. Si le statut est failed, consultez la raison dans data.error.message.
Consultez la documentation APIMart pour l’authentification et l’utilisation générale de l’API APIMart.
curl -X POST https://api.apimart.ai/v1/images/generations \
-H "Authorization: Bearer $APIMART_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "mai-image-2.7",
"prompt": "Placez le produit de cette image sur un plan de travail en marbre, dans une douce lumière matinale, en conservant sa forme et son étiquette.",
"image_urls": [
"https://example.com/source-image.jpg"
]
}'import os
import time
import requests
API_BASE = "https://api.apimart.ai"
headers = {"Authorization": f"Bearer {os.environ['APIMART_API_KEY']}"}
# 1. Submit the generation task
payload = {
"model": "mai-image-2.7",
"prompt": "Placez le produit de cette image sur un plan de travail en marbre, dans une douce lumière matinale, en conservant sa forme et son étiquette.",
"image_urls": [
"https://example.com/source-image.jpg"
]
}
resp = requests.post(f"{API_BASE}/v1/images/generations", headers=headers, json=payload, timeout=60)
resp.raise_for_status()
task_id = resp.json()["data"][0]["task_id"]
# 2. Poll the task until it finishes
for _ in range(200):
task_resp = requests.get(f"{API_BASE}/v1/tasks/{task_id}", headers=headers, timeout=30)
task_resp.raise_for_status()
task = task_resp.json()["data"]
if task["status"] == "completed":
print(task["result"]["images"][0]["url"][0])
break
if task["status"] == "failed":
raise RuntimeError(task.get("error", {}).get("message", "generation failed"))
time.sleep(3)
else:
raise TimeoutError(f"task {task_id} did not finish in time; continue GET polling with this task ID")TASK_ID="task_xxx" # replace with the task_id returned by the POST request
curl "https://api.apimart.ai/v1/tasks/$TASK_ID" \
-H "Authorization: Bearer $APIMART_API_KEY"Paramètres de la MAI Image 2.7 API
| Paramètre | Type | Obligatoire | Par défaut | Description |
|---|---|---|---|---|
model | string | Oui | Par défaut: mai-image-2.7 | Valeur du modèle utilisée dans l’exemple de cette page : mai-image-2.7. |
prompt | string | Oui | Par défaut: — | Décrivez les modifications souhaitées et les éléments de l’image source à conserver. |
image_urls | array | Oui | Par défaut: — | Un tableau contenant exactement une URL HTTP ou HTTPS de l’image source à modifier. |
