网站服务器作用,wordpress 调取缩略图,公司网站开发设计,做网站哪些公司好一、Bedrock 简介
Amazon Bedrock 是 Amazon Web Services (AWS) 提供的一种生成式 AI 服务。通过 Bedrock#xff0c;用户可以方便地使用多种基础模型#xff08;Foundation Models#xff09;#xff0c;包括 OpenAI 的 GPT、Anthropic 的 Claude 等。这些模型可以用于各…一、Bedrock 简介
Amazon Bedrock 是 Amazon Web Services (AWS) 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。 选择 Stable Diffusion。 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。 点击 启用特定模型。 勾选 Claude 里的 Claude 3 Sonnet、Claude 3 Haiku、Claude、Claude Instant 四个模型。 再勾选 Stability Al 里的 SDXL 1.0。 填写 Anthropic 的应用场景详细信息。 点击提交。 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。 几分钟后模型状态正常变为 已授予访问权限 状态。 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。 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。 配置解释
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 2. 图生图
点击图片操作里选择编辑功能。 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。 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 3. 图像编辑
我们重新生成一个绿色茶园的背景图。 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 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AWS访问密钥
在 AWS控制台 的 安全凭证 里申请 安全密钥。 保存好我们的 访问密钥。 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解压完成后安装需要的包
pip3 install -r ~/environment/workshop/setup/requirements.txt -U配置访问密钥
aws configure按提示输入以下信息
AWS Access Key IDAWS Secret Access Key默认区域名称如 us-east-1输出格式如 json也可以直接为 None 3. 编写代码并调用
我们需要给 AWS 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}
}其中body 的参数含义如下
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 iosession boto3.Session()bedrock session.client(service_namebedrock-runtime) #creates a Bedrock clientbedrock_model_id stability.stable-diffusion-xl-v1 # set the foundation model
prompt a beautiful mountain landscape # the prompt to send to the model
seed 10body 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(bodybody, modelIdbedrock_model_id, acceptapplication/json, contentTypeapplication/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_okTrue)
image Image.open(io.BytesIO(image_data))
image.save(data/sd_generated_image.jpg)
调用这段代码
python3 bedrock_api.py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。 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
描述尽可能具体例如 “A detailed painting of a dragon flying over a mountain during sunset”。包含图片风格关键词如 “realistic”, “abstract”, “oil painting”。
② 设置参数
根据需求调整以下参数可以优化生成结果 分辨率通过设置 width 和 height 参数调整图像的宽高分辨率单位像素。提高分辨率如从默认的 512x512 提升到更高值可以增加图像细节但可能会延长生成时间。 文本提示和权重使用 text_prompts 参数提供描述性文字如场景或风格并通过 weight 调整对该提示的关注程度。权重值越高生成图像将越贴近描述。 引导强度通过 cfg_scale 控制模型对文本提示的遵循程度。较高的值如 10 或以上会更严格地匹配输入描述较低的值可能允许更具创造性的生成。 随机种子设置 seed 参数固定生成的随机性确保相同的输入条件下产生一致的图像结果。使用不同的种子值可以生成多样化的结果。 迭代次数调整 steps 参数来控制图像生成的细化过程。更多的迭代如从 50 提升到更高通常会提升图像质量但可能需要更长时间。 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。
