Microsoft AI: MAI-Image-2.5 Pro

MAI-Image-2.5 Pro は Microsoft の画像生成モデルで、モデル ID microsoft/mai-image-2.5-pro として登録されています。画像カテゴリに属し、プロバイダーによる説明では、Azure AI Foundry 経由で利用できる高品質な画像生成モデルとされています。すでに Microsoft のエコシステム内で作業している場合や、プロバイダー間で画像モデルを比較している場合、これは検討すべき Microsoft の選択肢です。

このモデルはテキストと画像の入力を受け取り、画像を返します。つまり、文章によるプロンプトで操作でき、そのプロンプトと一緒に参照画像を 1 枚指定することもできます。コンテキストウィンドウは 4096 トークンで、プロンプトと渡した参照素材をカバーします。出力は 1024 に制限され、生成は 1 リクエストにつき 1 枚の画像に限られるため、各呼び出しはバッチではなく単一の結果を生成します。アスペクト比は固定セットから選択できます: 1:1、4:3、3:4、16:9、9:16、3:2、2:3、または auto で、後から切り抜くのではなく、出力形状をそれが収まる枠に合わせることができます。

これらの機能は、かなり特定の用途を指し示しています。テキストから画像への作業は、通常の領域をカバーします: コンセプトアート、マーケティングビジュアル、イラスト、文章による説明からのフォトリアルなレンダリングです。画像入力の経路は、反復作業においてこのモデルをより興味深いものにします。参照画像とプロンプトを渡して、バリエーションを誘導したり、既存のアセットを再スタイル化したり、空白のページではなく出発点から方向性を探ったりできます。受け付けられる参照画像は 1 枚だけなので、これは複数画像の合成やコラージュ風のタスクではなく、単一アンカーのワークフローに適しています。固定のアスペクト比は、レイアウト、ストーリーボードのフレーム、ソーシャル向けフォーマットにサイズ変更なしでそのまま収まる出力が必要な場合に役立ちます。

api14 経由での呼び出しは、ゲートウェイ上の他のモデルと同じように動作し、OpenAI 互換 API をモデル ID microsoft/mai-image-2.5-pro で使用します。サポートされるリクエストパラメータは max_completion_tokens、max_tokens、temperature です。画像固有のオプションはそれらと並べて渡します: aspect_ratio は上記の enum 値のいずれかを取り、n は 1 に固定され、input_references は 0 から 1 枚の参照画像を受け付けます。既存の OpenAI クライアントコードがある場合、このモデルへの切り替えは、主にモデル ID を変更し、リクエストボディに画像パラメータを追加する作業になります。

検討すべき主な制約は、1 リクエストにつき出力画像が 1 枚であることと、参照画像が 1 枚に限られることです。パイプラインが 1 回の呼び出しで複数の画像を必要とする場合、または複数の参照を 1 回の生成に結合する必要がある場合は、複数のリクエストを発行するか、別のモデルを検討する必要があります。4096 トークンのコンテキストも控えめなので、非常に長いプロンプトや詳細な参照説明は切り詰める必要があるかもしれません。1 枚のアンカー画像と選択したアスペクト比を使った、わかりやすいプロンプト駆動の生成には、これはきれいに適合します。