腾讯云高性能应用服务 HAI - 快速构建 Stable Diffusion 文生图 API 服务
文档简介：
本次我们使用 腾讯云高性能应用服务 HAI 体验快速搭建并使用 AI 模型 StableDiffusion ，实现思路如下:
提前通过高性能应用服务 HAI 部署成功 StableDiffusion 应用。
基于部署好的应用，利用体验 JupyterLab 进行 StableDiffusion API 的部署。
【腾讯云】高性能应用服务 HAI
咨询热线：400-826-7010，为您提供专业的售前咨询，让您快速了解云产品，助您轻松上云！
微信咨询
免费试用、价格特惠
本次我们使用 腾讯云高性能应用服务 HAI 体验快速搭建并使用 AI 模型 StableDiffusion ，实现思路如下:
提前通过高性能应用服务 HAI 部署成功 StableDiffusion 应用。
基于部署好的应用，利用体验 JupyterLab 进行 StableDiffusion API 的部署。
前提
在部署 API 服务之前，请确保您已成功部署 StableDiffusion 应用。详细步骤可参见 快速使用 Stable Diffusion 文生图应用。
部署 API 服务
1. 进入 jupyter_lab 控制台操作界面。
1.1 在实例列表中选择更多 > jupyter_lab 并进入该实例的详情页。
1.2 初步认识并操作 jupyter_lab。
1.3 选择使用终端命令行操作。
输入代码：
cd stable-diffusion-webuipython launch.py --nowebui --xformers --opt-split-attention --listen --port 7862
命令参数描述如下图：
|
命令
|
描述
|
|
--nowebui
|
以 API 模式启动。
|
|
--xformers
|
改善内存消耗和速度。
|
|
--opt-split-attention
|
Cross attention layer optimization 优化显着减少了内存使用。
|
|
--listen
|
默认启动绑定的 IP 是 127.0.0.1。
|
|
--port
|
默认端口是7860，可以配置并修改该参数，例如：--port 7862。
|
|
--gradio-auth username:password
|
如果希望给 WebUI 设置登录密码，可以配置该参数，例如：--gradio-auth GitLqr:123456。
|
操作截图如下图所示：
1.4 添加高性能应用服务 HAI 的端口配置，使外部网络能够顺利地访问该服务器提供的 API 服务。
1.4.1 在算力管理页面。单击实例空白进入详情设置页。
1.4.2 在端口配置弹窗中，单击编辑规则。
1.4.3 在安全组规则页面中，在入站规则页签单击添加规则。
配置参考如下：
来源：0.0.0.0/0协议端口：TCP:7862 (根据您配置的端口填写)
2. 启动 StableDiffusion API 接口使用指南
2.1 配置完成后，在浏览器地址栏输入服务器 IP 地址:端口号/docs 可查看相关的 API 接口使用指南。
官方提供的常用 API 如下：
/sdapi/v1/txt2img文字生图 POST/sdapi/v1/img2img图片生图 POST/sdapi/v1/options获取设置 GET | 更新设置 POST（可用来更新远端的模型）/sdapi/v1/sd-models获取所有的模型 GET
2.2 查看相关接口示例 (/sdapi/v1/txt2img ) 。
常用输入如下：
{"denoising_strength": 0,"prompt": "puppy dogs","negative_prompt": "","seed": -1,"batch_size": 2,"n_iter": 1,"steps": 50,"cfg_scale": 7,"width": 512,"height": 512,"restore_faces": false,"tiling": false,"sampler_index": "Euler"}
可复制以上参数到 Request body 中。
|
名称
|
说明
|
|
prompt
|
提示词
|
|
negative_prompt
|
反向提示词
|
|
seed
|
种子，随机数
|
|
batch_size
|
每次张数
|
|
n_iter
|
生成批次
|
|
steps
|
生成步数
|
|
cfg_scale
|
关键词相关性
|
|
width
|
宽度
|
|
height
|
高度
|
|
restore_faces
|
脸部修复
|
|
tiling
|
可平铺
|
|
sampler_index
|
采样方法
|
请求 API 接口成功截图如下：
返回的格式如下：
{"images": [...]，// 这里是一个base64格式的字符串数组，根据请求的图片数量而定"parameters": { ... },//此处为输入的body"info": "{...}"// 返回的图片的信息}
当看到类似上图的消息时，说明已经成功与远端的服务器进行连接！如果希望验证结果的图片的实际展示效果，可以复制 images 中的其中一张图片的 base64 格式的字符串，到相关的网站下转换为 jpg 格式。
3. 使用 Python 向高性能应用服务 HAI 提供的 StableDiffusionAPI 发送请求。
以下演示如何使用 Python 向 StableDiffusion API 发出请求。向应用程序的 txt2img（即文本到图像）API 发送 POST 请求以简单地生成图像。
我们将使用 requests 包，如果您还没有安装，请使用安装脚本：
pip install requests
我们可以发送一个包含提示的请求作为一个简单的字符串。服务器将返回一个图像作为 base64 编码的 PNG 文件，我们需要对其进行解码。 要解码 base64 图像，我们只需使用 base64.b64decode(b64_image)。 以下使用 Python 作为脚本代码测试：
import jsonimport base64import requestsyour_ip = '0.0.0.0' # HAI服务器IP地址your_port =7862 # SD api 监听的端口def submit_post(url: str,data: dict):"""Submit a POST request to the given URL withthe given data."""return requests.post(url,data=json.dumps(data))def save_encoded_image(b64_image: str,output_path: str):"""Save the given image to the given outputpath."""with open(output_path,"wb") asimage_file:image_file.write(base64.b64decode(b64_image))if __name__ == '__main__':#/sdapi/v1/txt2imgtxt2img_url = f'http://{your_ip}:{your_port}/sdapi/v1/txt2img'data = {'prompt': 'a pretty cat,cyberpunk art,kerem beyit,verycute robot zen,Playful,Independent,beeple |','negative_prompt':'(deformed,distorted,disfigured:1.0),poorlydrawn,bad anatomy,wrong anatomy,extra
limb,missing limb,floating limbs,(mutatedhands and fingers:1.5),disconnectedlimbs,mutation,mutated
,ugly,disgusting,blurry,amputation,flowers,human,man,woman',
'Steps':50,'Seed':1791574510}response = submit_post(txt2img_url,data)save_encoded_image(response.json()['images'][0],'cat.png')
请记住，您的结果会与上述示例有所不同。 如果遇到问题，请仔细检查运行 StableDiffusionAPI 应用程序的终端的输出。 如果您遇到404 Not Found 的问题，请仔细检查 URL 是否输入正确并指向正确的地址（例如 127.0.0.1）。
服务端可查看每一次接口调用详情：
