国产av日韩一区二区三区精品,成人性爱视频在线观看,国产,欧美,日韩,一区,www.成色av久久成人,2222eeee成人天堂

ホームページ バックエンド開発 Python チュートリアル Web API for FLUXの使い方【pro】:安定拡散オリジナルチームによる最新畫像生成AIモデル

Web API for FLUXの使い方【pro】:安定拡散オリジナルチームによる最新畫像生成AIモデル

Oct 20, 2024 pm 12:38 PM

導(dǎo)入

以前、「Stable Diffusion のオリジナル開発者による FLUX.1 イメージ ([dev]/[schnell]) 生成 AI モデルを MacBook (M2) で実行する」という記事を書きました。これは、Stable Diffusion の作成者によって設(shè)立された Black Forest Labs の FLUX.1 畫像生成モデルを?qū)g証しました。

2 か月後、FLUX 1.1 [pro] (コード名 Blueberry) がリリースされ、Web API へのパブリック アクセスが可能になりましたが、まだベータ版です。

本日、ベータ版 BFL API の一般公開に伴い、これまでで最も先進的かつ効率的なモデルである FLUX1.1 [プロ] をリリースします。このリリースは、クリエイター、開発者、企業(yè)にスケーラブルな最先端の生成テクノロジーを提供するという私たちの使命において、重要な前進を示しています。

參考: FLUX1.1 [プロ] と BFL API の発表 - Black Forest Labs

この投稿では、FLUX 1.1 [pro] Web API の使用方法を説明します。

すべてのコード例は Python で書かれています。

アカウントとAPIキーの作成

まずアカウントを登録し、API ページの 登録 オプションでログインします。

クレジットの価格はそれぞれ 0.01 ドルで、登録時に 50 クレジットを受け取りました (これは異なる場合があります)。

価格ページに基づくと、モデルのコストは次のとおりです:

  • FLUX 1.1 [プロ]: 畫像あたり 0.04 ドル
  • FLUX.1 [プロ]: 畫像あたり $0.05
  • FLUX.1 [開発]: 畫像あたり $0.025

ログインしたら、キーの追加 を選択し、任意の名前を入力して API キーを生成します。

Using the Web API for FLUX  [pro]: The Latest Image Generation AI Model by the Original Team of Stable Diffusion

キーは以下のように表示されます。

Using the Web API for FLUX  [pro]: The Latest Image Generation AI Model by the Original Team of Stable Diffusion

環(huán)境設(shè)定

オペレーティング システムとして macOS 14 Sonoma を使用しています。

Python のバージョンは次のとおりです:

$ python --version
Python 3.12.2

サンプル コードを?qū)g行するために、リクエストをインストールしました。

$ pip install requests

インストールされているバージョンを確認しました:

$ pip list | grep -e requests 
requests           2.31.0

ハードコーディングを避けるために、zshrc ファイルを編集して API キーを環(huán)境変數(shù)として保存しました。

$ open ~/.zshrc

環(huán)境変數(shù)に BFL_API_KEY という名前を付けました:

export BFL_API_KEY=<Your API Key Here>

コード例

以下は、「はじめに」のサンプル コードといくつかの追加コメントです。理想的には、ステータスを使用してエラーを処理する必要がありますが、簡単にするために変更しないままにしました。

import os
import requests
import time

# Request
request = requests.post(
    'https://api.bfl.ml/v1/flux-pro-1.1',
    headers={
        'accept': 'application/json',
        'x-key': os.environ.get("BFL_API_KEY"),
        'Content-Type': 'application/json',
    },
    json={
        'prompt': 'A cat on its back legs running like a human is holding a big silver fish with its arms. The cat is running away from the shop owner and has a panicked look on his face. The scene is situated in a crowded market.',
        'width': 1024,
        'height': 768,
    },
).json()
print(request)
request_id = request["id"]

# Wait for completion
while True:
    time.sleep(0.5)
    result = requests.get(
        'https://api.bfl.ml/v1/get_result',
        headers={
            'accept': 'application/json',
            'x-key': os.environ.get("BFL_API_KEY"),
        },
        params={
            'id': request_id,
        },
    ).json()
    if result["status"] == "Ready":
        print(f"Result: {result['result']['sample']}")
        break
    else:
        print(f"Status: {result['status']}")

この例では、プロンプトは次のとおりです:

後ろ足で人間のように走っている貓が、腕で大きな銀色の魚を抱えています。貓は店主から逃げ出し、パニックになった表情をしています。現(xiàn)場は混雑した市場にあります。

最終的な 結(jié)果 の形式は次のようになります。応答時間は、テストした他の API と比べて速かったです。

$ python --version
Python 3.12.2

サンプルには、生成されたイメージの URL が含まれています。テスト時には、このイメージは bflapistorage.blob.core.windows.net でホストされていました。

生成された畫像は次のとおりです:

Using the Web API for FLUX  [pro]: The Latest Image Generation AI Model by the Original Team of Stable Diffusion

結(jié)果はプロンプトとほぼ一致しており、緊迫感を捉えています。

代替プロンプトを試す

さまざまな畫像を生成するために、さまざまなプロンプトを試してみました。

日本の萌えヒロイン

プロンプト: 「日本の萌えヒロイン」、アニメ スタイルを使用。

$ pip install requests

Using the Web API for FLUX  [pro]: The Latest Image Generation AI Model by the Original Team of Stable Diffusion

日本の人気アニメのスイーツ

プロンプト: 「人気の日本のアニメに登場するお菓子」、アニメ スタイルを使用。

$ pip list | grep -e requests 
requests           2.31.0

Using the Web API for FLUX  [pro]: The Latest Image Generation AI Model by the Original Team of Stable Diffusion

修學(xué)旅行中の男子高校生

プロンプト: 「修學(xué)旅行中の男子高校生」、アニメ スタイルを使用。

$ open ~/.zshrc

Using the Web API for FLUX  [pro]: The Latest Image Generation AI Model by the Original Team of Stable Diffusion

ギターを弾くお姫様

プロンプト: 「ギターを弾くお姫様」、ファンタジー アート スタイルを使用。

export BFL_API_KEY=<Your API Key Here>

Using the Web API for FLUX  [pro]: The Latest Image Generation AI Model by the Original Team of Stable Diffusion

白いノートパソコンの上のかわいい妖精

プロンプト: 「白いラップトップの上にかわいい妖精」、寫真スタイルを使用。

import os
import requests
import time

# Request
request = requests.post(
    'https://api.bfl.ml/v1/flux-pro-1.1',
    headers={
        'accept': 'application/json',
        'x-key': os.environ.get("BFL_API_KEY"),
        'Content-Type': 'application/json',
    },
    json={
        'prompt': 'A cat on its back legs running like a human is holding a big silver fish with its arms. The cat is running away from the shop owner and has a panicked look on his face. The scene is situated in a crowded market.',
        'width': 1024,
        'height': 768,
    },
).json()
print(request)
request_id = request["id"]

# Wait for completion
while True:
    time.sleep(0.5)
    result = requests.get(
        'https://api.bfl.ml/v1/get_result',
        headers={
            'accept': 'application/json',
            'x-key': os.environ.get("BFL_API_KEY"),
        },
        params={
            'id': request_id,
        },
    ).json()
    if result["status"] == "Ready":
        print(f"Result: {result['result']['sample']}")
        break
    else:
        print(f"Status: {result['status']}")

Using the Web API for FLUX  [pro]: The Latest Image Generation AI Model by the Original Team of Stable Diffusion

28歳、黒髪おかっぱの日本人女性

プロンプト: 「黒髪おかっぱの 28 歳の日本人のきれいな女性」、寫真スタイルを使用。

$ python --version
Python 3.12.2

Using the Web API for FLUX  [pro]: The Latest Image Generation AI Model by the Original Team of Stable Diffusion

1980年代の香港のダウンタウン

プロンプト: 「1980 年代の香港のダウンタウン」、寫真スタイルを使用。

$ pip install requests

Using the Web API for FLUX  [pro]: The Latest Image Generation AI Model by the Original Team of Stable Diffusion

2020年の新宿歌舞伎町

プロンプト: 「2020 年の新宿歌舞伎町」、寫真スタイルを使用。

$ pip list | grep -e requests 
requests           2.31.0

Using the Web API for FLUX  [pro]: The Latest Image Generation AI Model by the Original Team of Stable Diffusion

生成された畫像はすべて非常に高品質(zhì)でした。

非常に多くの高品質(zhì) AI 畫像を生成すると、現(xiàn)実がほとんど超現(xiàn)実的に感じられます。

結(jié)論

Black Forest Labs は、AI モデルの革新と強化を続けています。

今後のビデオ生成機能のリリースを楽しみにしています。

日本語オリジナル記事

Stable Diffusionのオリジナル開発陣による畫像生成AIモデル最新版FLUX 1.1 [pro]のWeb APIを呼んでいくつかの畫像を生成してみた

以上がWeb API for FLUXの使い方【pro】:安定拡散オリジナルチームによる最新畫像生成AIモデルの詳細內(nèi)容です。詳細については、PHP 中國語 Web サイトの他の関連記事を參照してください。

このウェブサイトの聲明
この記事の內(nèi)容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰屬します。このサイトは、それに相當する法的責任を負いません。盜作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡(luò)ください。

ホットAIツール

Undress AI Tool

Undress AI Tool

脫衣畫像を無料で

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード寫真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

寫真から衣服を削除するオンライン AI ツール。

Clothoff.io

Clothoff.io

AI衣類リムーバー

Video Face Swap

Video Face Swap

完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中國語版

SublimeText3 中國語版

中國語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統(tǒng)合開発環(huán)境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

Pythonの不適格またはPytestフレームワークは、自動テストをどのように促進しますか? Pythonの不適格またはPytestフレームワークは、自動テストをどのように促進しますか? Jun 19, 2025 am 01:10 AM

Pythonの不適格でPytestは、自動テストの書き込み、整理、および実行を簡素化する2つの広く使用されているテストフレームワークです。 1.両方とも、テストケースの自動発見をサポートし、明確なテスト構(gòu)造を提供します。 pytestはより簡潔で、テスト\ _から始まる関數(shù)が必要です。 2。それらはすべて組み込みのアサーションサポートを持っています:Unittestはアサートエクイアル、アサートトルー、およびその他の方法を提供しますが、Pytestは拡張されたアサートステートメントを使用して障害の詳細を自動的に表示します。 3.すべてがテストの準備とクリーニングを処理するためのメカニズムを持っています:un

Pythonは、NumpyやPandasなどのライブラリとのデータ分析と操作にどのように使用できますか? Pythonは、NumpyやPandasなどのライブラリとのデータ分析と操作にどのように使用できますか? Jun 19, 2025 am 01:04 AM

pythonisidealfordataanalysisduetonumpyandpandas.1)numpyexcelsatnumericalcompitations withfast、多次元路面およびベクトル化された分離likenp.sqrt()

動的なプログラミング技術(shù)とは何ですか?また、Pythonでそれらを使用するにはどうすればよいですか? 動的なプログラミング技術(shù)とは何ですか?また、Pythonでそれらを使用するにはどうすればよいですか? Jun 20, 2025 am 12:57 AM

動的プログラミング(DP)は、複雑な問題をより単純なサブ問題に分解し、結(jié)果を保存して繰り返し計算を回避することにより、ソリューションプロセスを最適化します。主な方法は2つあります。1。トップダウン(暗記):問題を再帰的に分解し、キャッシュを使用して中間結(jié)果を保存します。 2。ボトムアップ(表):基本的な狀況からソリューションを繰り返し構(gòu)築します。フィボナッチシーケンス、バックパッキングの問題など、最大/最小値、最適なソリューション、または重複するサブ問題が必要なシナリオに適しています。Pythonでは、デコレータまたはアレイを通じて実裝でき、再帰的な関係を特定し、ベンチマークの狀況を定義し、空間の複雑さを最適化することに注意する必要があります。

__iter__と__next__を使用してPythonにカスタムイテレーターを?qū)g裝するにはどうすればよいですか? __iter__と__next__を使用してPythonにカスタムイテレーターを?qū)g裝するにはどうすればよいですか? Jun 19, 2025 am 01:12 AM

カスタムイテレーターを?qū)g裝するには、クラス內(nèi)の__iter__および__next__メソッドを定義する必要があります。 __iter__メソッドは、ループなどの反復(fù)環(huán)境と互換性があるように、通常は自己の反復(fù)オブジェクト自體を返します。 __next__メソッドは、各反復(fù)の値を制御し、シーケンスの次の要素を返し、アイテムがもうない場合、停止例外をスローする必要があります。 statusステータスを正しく追跡する必要があり、無限のループを避けるために終了條件を設(shè)定する必要があります。 fileファイルラインフィルタリングなどの複雑なロジック、およびリソースクリーニングとメモリ管理に注意を払ってください。 simple単純なロジックについては、代わりにジェネレーター関數(shù)の収率を使用することを検討できますが、特定のシナリオに基づいて適切な方法を選択する必要があります。

Pythonプログラミング言語とそのエコシステムの新たな傾向または將來の方向性は何ですか? Pythonプログラミング言語とそのエコシステムの新たな傾向または將來の方向性は何ですか? Jun 19, 2025 am 01:09 AM

Pythonの將來の傾向には、パフォーマンスの最適化、より強力なタイププロンプト、代替ランタイムの増加、およびAI/MLフィールドの継続的な成長が含まれます。第一に、CPYTHONは最適化を続け、スタートアップのより速い時間、機能通話の最適化、および提案された整數(shù)操作を通じてパフォーマンスを向上させ続けています。第二に、タイプのプロンプトは、コードセキュリティと開発エクスペリエンスを強化するために、言語とツールチェーンに深く統(tǒng)合されています。第三に、PyscriptやNuitkaなどの代替のランタイムは、新しい機能とパフォーマンスの利點を提供します。最後に、AIとデータサイエンスの分野は拡大し続けており、新興図書館はより効率的な開発と統(tǒng)合を促進します。これらの傾向は、Pythonが常に技術(shù)の変化に適応し、その主要な位置を維持していることを示しています。

ソケットを使用してPythonでネットワークプログラミングを?qū)g行するにはどうすればよいですか? ソケットを使用してPythonでネットワークプログラミングを?qū)g行するにはどうすればよいですか? Jun 20, 2025 am 12:56 AM

Pythonのソケットモジュールは、クライアントおよびサーバーアプリケーションの構(gòu)築に適した低レベルのネットワーク通信機能を提供するネットワークプログラミングの基礎(chǔ)です。基本的なTCPサーバーを設(shè)定するには、Socket.Socket()を使用してオブジェクトを作成し、アドレスとポートをバインドし、.listen()を呼び出して接続をリッスンし、.accept()を介してクライアント接続を受け入れる必要があります。 TCPクライアントを構(gòu)築するには、ソケットオブジェクトを作成し、.connect()を呼び出してサーバーに接続する必要があります。次に、.sendall()を使用してデータと.recv()を送信して応答を受信します。複數(shù)のクライアントを処理するには、1つを使用できます。スレッド:接続するたびに新しいスレッドを起動します。 2。非同期I/O:たとえば、Asyncioライブラリは非ブロッキング通信を?qū)g現(xiàn)できます。注意すべきこと

Pythonクラスの多型 Pythonクラスの多型 Jul 05, 2025 am 02:58 AM

Pythonオブジェクト指向プログラミングのコアコンセプトであるPythonは、「1つのインターフェイス、複數(shù)の実裝」を指し、異なるタイプのオブジェクトの統(tǒng)一処理を可能にします。 1。多型は、メソッドの書き換えを通じて実裝されます。サブクラスは、親クラスの方法を再定義できます。たとえば、Animal ClassのSOCK()方法は、犬と貓のサブクラスに異なる実裝を持っています。 2.多型の実用的な用途には、グラフィカルドローイングプログラムでdraw()メソッドを均一に呼び出すなど、コード構(gòu)造を簡素化し、スケーラビリティを向上させる、ゲーム開発における異なる文字の共通の動作の処理などが含まれます。 3. Pythonの実裝多型を満たす必要があります:親クラスはメソッドを定義し、子クラスはメソッドを上書きしますが、同じ親クラスの継承は必要ありません。オブジェクトが同じ方法を?qū)g裝する限り、これは「アヒル型」と呼ばれます。 4.注意すべきことには、メンテナンスが含まれます

Pythonでリストをスライスするにはどうすればよいですか? Pythonでリストをスライスするにはどうすればよいですか? Jun 20, 2025 am 12:51 AM

Pythonリストスライスに対するコアの答えは、[start:end:step]構(gòu)文をマスターし、その動作を理解することです。 1.リストスライスの基本形式はリスト[start:end:step]です。ここで、開始は開始インデックス(含まれています)、endはend index(含まれていません)、ステップはステップサイズです。 2。デフォルトで開始を省略して、0から開始を開始し、デフォルトで終了して終了し、デフォルトでステップを1に省略します。 3。my_list[:n]を使用して最初のnアイテムを取得し、my_list [-n:]を使用して最後のnアイテムを取得します。 4.ステップを使用して、my_list [:: 2]などの要素をスキップして、均一な數(shù)字と負のステップ値を取得できます。 5.一般的な誤解には、終了インデックスが含まれません

See all articles