AIGC实践-使用Amazon Bedrock的SDXL模型进行文生图

id="article_content" class="article_content clearfix"> id="content_views" class="markdown_views prism-atom-one-light">

一、Bedrock 简介

Amazon Bedrock 是 Amazon Web Services 提供的一种生成式 AI 服务。通过 Bedrock，用户可以方便地使用多种基础模型（Foundation Models），包括 OpenAI 的 GPT、Anthropic 的 Claude 等。这些模型可以用于各种生成式 AI 应用，包括文生图任务。本文将介绍如何使用 Amazon Bedrock 的 SDXL模型 的 API 实现文生图。

二、开通Bedrock相应模型的使用权限

访问 亚马逊官网，登录账号后，服务菜单里选择 Machine Learning，选择 Amazon Bedrock。

在这里插入图片描述

选择 Stable Diffusion。

在这里插入图片描述

首次使用需要开通相应模型的使用权限。点击 "请求模型访问权限"。

在这里插入图片描述

点击 "启用特定模型"。

在这里插入图片描述

勾选 Claude 里的 Claude 3 Sonnet、Claude 3 Haiku、Claude、Claude Instant 四个模型。

在这里插入图片描述

再勾选 Stability Al 里的 SDXL 1.0。

在这里插入图片描述

填写 Anthropic 的应用场景详细信息。

在这里插入图片描述

点击提交。

在这里插入图片描述

提交完之后，我们刚刚勾选的五个模型会变成 "正在进行" 状态，需要等待几分钟。

在这里插入图片描述

几分钟后，模型状态正常，变为 "已授予访问权限" 状态。

在这里插入图片描述

三、SDXL模型支持的几种模式

操场里点击图像，选择模型。类别选择 Stability AI，模型选择 SDXL 1.0，推理默认 按需 即可。选择好点击 应用。

在这里插入图片描述

我们进入到了图像操场页面，在这里我们可以通过调整配置生成满足不同要求的图片。

在这里插入图片描述
配置解释：

class="table-box">
操作内容
模式模型生成新图像（生成）或编辑（编辑）在参考图像中提供的图像
否定提示不希望模型生成的项目或概念，例如卡通或暴力
推理图像上传图像作为图像生成或编辑的参考
响应图像生成图像的输出设置，例如质量、方向、大小和要生成的图像数量
高级配置要传递给模型的推理参数

下面是 SDXL 1.0 模型 支持的几种模式：

1. 文生图

调整配置为：

  • 操作: 生成图像
  • 提示词: a serene beach at sunset
  • 提示强度: 10
  • 生成步骤: 30
  • 种子: 10

点击运行，生成效果如图：

在这里插入图片描述

2. 图生图

点击图片，操作里选择编辑功能。

在这里插入图片描述

可以看到右侧推理图像已经填入我们刚刚生成的图像。将 操作 选择为 生成变体。

在这里插入图片描述

调整配置为：

  • 操作: 生成变体
  • 提示词: add vibrant hues to the sky, enhance reflections on the water
  • 负面提示词: dull colors, lack of sunset details, unrealistic sky gradients, poorly rendered reflections
  • 提示强度: 30
  • 生成步骤: 50
  • 种子: 321

点击运行，生成效果如图：

在这里插入图片描述

3. 图像编辑

我们重新生成一个绿色茶园的背景图。

在这里插入图片描述

操作选择 编辑 ，选择需要替换的区域，输入提示词、选择提示强度，生成图片。

比如，我们要增加一只羊。

调整配置为：

  • 操作: 编辑
  • 提示词: add a sheep
  • 提示强度: 10

在这里插入图片描述

通过 Amazon Bedrock Stability AI SDXL 1.0 的 文生图、图生图、图像编辑 功能，我们可以开启简洁高效的视觉创作之旅，让创意变得触手可及。

四、调用Bedrock里Stability的API

我们使用 Jupyter 来实现 Bedrock 里 Stability 的API调用。

1. 创建访问密钥

在 控制台 的 安全凭证 里申请 安全密钥。

在这里插入图片描述

保存好我们的 访问密钥。

在这里插入图片描述

2. 安装相关环境

创建一个python环境，执行下面命令：

cd ~/environment/
curl 'https://dev-media.amazoncloud.cn/doc/workshop.zip' --output workshop.zip
unzip workshop.zip
 class="hljs-button signin active" data-title="登录复制" data-report-click="{"spm":"1001.2101.3001.4334"}">
  • 1
  • 2
  • 3

在这里插入图片描述

解压完成后，安装需要的包：

pip3 install -r ~/environment/workshop/setup/requirements.txt -U
 class="hljs-button signin active" data-title="登录复制" data-report-click="{"spm":"1001.2101.3001.4334"}">
  • 1

在这里插入图片描述

配置访问密钥：

aws configure
 class="hljs-button signin active" data-title="登录复制" data-report-click="{"spm":"1001.2101.3001.4334"}">

按提示输入以下信息：

在这里插入图片描述

3. 编写代码并调用

我们需要传一个 JSON 串，官网示例参数如下：

{
 "modelId": "stability.stable-diffusion-xl-v1",
 "contentType": "application/json",
 "accept": "application/json",
 "body": "{\"text_prompts\":[{\"text\":\"this is where you place your input text\",\"weight\":1}],\"cfg_scale\":10,\"seed\":0,\"steps\":50,\"width\":512,\"height\":512}"
}
 class="hljs-button signin active" data-title="登录复制" data-report-click="{"spm":"1001.2101.3001.4334"}">

在这里插入图片描述
其中，body 的参数含义如下：

class="table-box">
参数值含义作用
text_prompts[{ "text": "this is where you place your input text", "weight": 1 }]文本提示- "text": 输入的描述文字，模型将根据这个文字生成图像。
- "weight": 权重，控制模型对文本的关注程度。
cfg_scale10引导强度数值越高，生成的图像越严格按照文本提示进行；数值较低时生成内容更具创造性和自由度。
seed0随机种子控制生成的随机性；相同种子和相同输入生成一致图像，不同种子生成不同结果。
steps50迭代步骤数步骤数越多，生成的图像质量越高，但耗时越长。
width512图像宽度(像素)设置生成图像的横向分辨率。
height512图像高度(像素)设置生成图像的纵向分辨率。

下面我们来编写代码：

选择 workshop/labs/api/bedrock_api.py 编写代码：

import json
import boto3
import base64
import os
from PIL import Image
import io

session = boto3.Session()

bedrock = session.client(service_name='bedrock-runtime') #creates a Bedrock client

bedrock_model_id = "stability.stable-diffusion-xl-v1"  # set the foundation model
prompt =  "a beautiful mountain landscape"  # the prompt to send to the model
seed = 10

body = json.dumps({
    "text_prompts": [{"text": prompt}],
    "seed": seed,
    "cfg_scale": 10,
    "steps": 30,
})  # build the request payload

# send the payload to Bedrock
response = bedrock.invoke_model(
    body=body, modelId=bedrock_model_id, accept='application/json', contentType='application/json')

# read the response
response_body = json.loads(response.get('body').read())
base64_image_data = response_body.get("artifacts")[0]["base64"]
print(f"{base64_image_data[0:80]}...")
# Convert base64 image data to an image and save it to a file
image_data = base64.b64decode(base64_image_data)
os.makedirs("data", exist_ok=True)
image = Image.open(io.BytesIO(image_data))
image.save('data/sd_generated_image.jpg')

 class="hljs-button signin active" data-title="登录复制" data-report-click="{"spm":"1001.2101.3001.4334"}"> class="hide-preCode-box">

调用这段代码：

python3 bedrock_api.py
 class="hljs-button signin active" data-title="登录复制" data-report-click="{"spm":"1001.2101.3001.4334"}">

在这里插入图片描述

调用成功后，我们可以看到， workshop/labs/api/data/ 目录下生成了图片：sd_generated_image.jpg。

在这里插入图片描述

4. 调试和优化

① 检查输入提示

生成的图片质量与输入提示（Prompt）的清晰度和详细程度密切相关。建议：

② 设置参数

根据需求，调整以下参数，可以优化生成结果：

前述特定亚马逊云科技生成式人工智能相关的服务仅在亚马逊云科技海外区域可用，亚马逊云科技 中国仅为帮助您了解行业前沿技术和发展海外业务选择推介该服务。

五、总结

Amazon Bedrock 为文生图功能提供了高效且灵活的解决方案，整合了多个顶尖的基础模型（如 Stable Diffusion SDXL 1.0），能够满足从创意设计到生产应用的多样化需求。通过其直观的 API 接口，开发者可以轻松调用模型，快速实现图像生成，并结合参数优化获得高质量的输出。

data-report-view="{"mod":"1585297308_001","spm":"1001.2101.3001.6548","dest":"https://damon.blog.csdn.net/article/details/144009629","extend1":"pc","ab":"new"}">> id="blogExtensionBox" style="width:400px;margin:auto;margin-top:12px" class="blog-extension-box"> class="blog_extension blog_extension_type2" id="blog_extension"> class="extension_official" data-report-click="{"spm":"1001.2101.3001.6471"}" data-report-view="{"spm":"1001.2101.3001.6471"}"> class="blog_extension_card_cont"> 交个朋友 | 技术交流 | 相互学习 class="blog_extension_card_cont_r"> 微信名片
注：本文转载自blog.csdn.net的Damon小智的文章"https://blog.csdn.net/weixin_41793160/article/details/144009629"。版权归原作者所有，此博客不拥有其著作权，亦不承担相应法律责任。如有侵权，请联系我们删除。
复制链接
复制链接
相关推荐
发表评论

评论记录：

未查询到任何数据！