pengenalan

Sebelum ini, saya menulis artikel bertajuk "Menjalankan Model AI Generasi Imej FLUX.1 ([dev]/[schnell]) oleh Pembangun Asal Stable Diffusion pada MacBook (M2)." Ia menunjukkan model penjanaan imej FLUX.1 daripada Black Forest Labs, yang diasaskan oleh pencipta Stable Diffusion.

Kini, dua bulan kemudian, FLUX 1.1 [pro] (nama kod Blueberry) telah dikeluarkan, bersama-sama dengan akses awam kepada API webnya, walaupun masih dalam versi beta.

Hari ini, kami mengeluarkan FLUX1.1 [pro], model kami yang paling maju dan cekap, di samping ketersediaan umum API BFL beta. Keluaran ini menandakan satu langkah ke hadapan yang penting dalam misi kami untuk memperkasakan pencipta, pembangun dan perusahaan dengan teknologi generatif yang boleh skala dan terkini.

Rujukan: Mengumumkan FLUX1.1 [pro] dan BFL API - Black Forest Labs

Dalam siaran ini, saya akan menunjukkan cara menggunakan API web FLUX 1.1 [pro].

Semua contoh kod ditulis dalam Python.

Mencipta Akaun dan Kunci API

Mulakan dengan mendaftar akaun dan log masuk pada halaman API di bawah pilihan Daftar.

Kredit berharga $0.01 setiap satu, dan saya menerima 50 kredit semasa pendaftaran (ini mungkin berbeza-beza).

Berdasarkan halaman Harga, kos model adalah seperti berikut:

• FLUX 1.1 [pro]: $0.04 setiap imej
• FLUX.1 [pro]: $0.05 setiap imej
• FLUX.1 [dev]: $0.025 setiap imej

Setelah anda log masuk, jana kunci API dengan memilih Tambah Kunci dan masukkan nama pilihan anda.

Kunci anda akan muncul seperti yang ditunjukkan di bawah.

Persediaan Persekitaran

Saya menggunakan macOS 14 Sonoma sebagai sistem pengendalian saya.

Versi Python ialah:

$ python --version
Python 3.12.2

Untuk menjalankan kod sampel, saya memasang permintaan:

$ pip install requests

Saya mengesahkan versi yang dipasang:

$ pip list | grep -e requests 
requests           2.31.0

Untuk mengelakkan pengekodan keras, saya menyimpan kunci API sebagai pembolehubah persekitaran dengan mengedit fail zshrc.

$ open ~/.zshrc

Saya menamakan pembolehubah persekitaran BFL_API_KEY:

export BFL_API_KEY=<Your API Key Here>

Contoh Kod

Di bawah ialah kod sampel daripada Bermula, dengan beberapa ulasan tambahan. Sebaik-baiknya, ia harus mengendalikan ralat menggunakan status, tetapi saya membiarkannya tidak berubah untuk kesederhanaan.

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']}")

Dalam contoh ini, gesaannya ialah:

Kucing di kaki belakangnya berlari seperti manusia sedang memegang ikan perak besar dengan tangannya. Kucing itu melarikan diri dari pemilik kedai dan wajahnya kelihatan panik. Tempat kejadian terletak di pasar yang sesak.

Format keputusan akhir kelihatan seperti ini. Masa tindak balas adalah lebih pantas berbanding dengan API lain yang telah saya uji.

$ python --version
Python 3.12.2

sampel mengandungi URL imej yang dijana, yang dihoskan pada bflapistorage.blob.core.windows.net semasa saya mengujinya.

Berikut ialah imej yang dijana:

Hasilnya hampir sepadan dengan gesaan, menangkap rasa terdesak.

Bereksperimen dengan Gesaan Alternatif

Saya mencuba gesaan yang berbeza untuk menghasilkan imej yang pelbagai.

Heroin Moe Jepun

Gesaan: "Srikandi moe Jepun," menggunakan gaya anime.

$ pip install requests

Gula-gula dari Anime Jepun Popular

Prompt: "Gula-gula yang muncul dalam anime Jepun popular," menggunakan gaya anime.

$ pip list | grep -e requests 
requests           2.31.0

Pelajar Sekolah Menengah Lelaki dalam Lawatan Sekolah

Gesaan: "Pelajar sekolah menengah lelaki dalam perjalanan sekolah," menggunakan gaya anime.

$ open ~/.zshrc

Puteri Bermain Gitar

Gesaan: "Seorang puteri bermain gitar," menggunakan gaya seni fantasi.

export BFL_API_KEY=<Your API Key Here>

Peri Comel di Atas Komputer Riba Putih

Prompt: "Seorang pari-pari comel di atas komputer riba putih," menggunakan gaya fotografi.

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']}")

Wanita Jepun Berusia 28 Tahun Berambut Bobbed Hitam

Prompt: "Wanita cantik Jepun berusia 28 tahun dengan rambut bob hitam," menggunakan gaya fotografi.

$ python --version
Python 3.12.2

Pusat Bandar Hong Kong pada tahun 1980-an

Prompt: "Pusat bandar Hong Kong pada tahun 1980-an," menggunakan gaya fotografi.

$ pip install requests

Shinjuku Kabukicho pada tahun 2020

Gesaan: "Shinjuku Kabukicho pada 2020," menggunakan gaya fotografi.

$ pip list | grep -e requests 
requests           2.31.0

Semua imej yang dijana adalah berkualiti luar biasa.

Selepas menjana begitu banyak imej AI berkualiti tinggi, realiti hampir terasa nyata.

Kesimpulan

Black Forest Labs terus berinovasi dan mempertingkatkan model AInya.

Saya menantikan keluaran keupayaan penjanaan video pada masa hadapan.

Artikel Asal Jepun

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こ畫を像を生成してみた

Atas ialah kandungan terperinci Menggunakan API Web untuk FLUX [pro]: Model AI Penjanaan Imej Terkini oleh Pasukan Asal Penyebaran Stabil. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!