介紹

之前，我寫過一篇題為“由 Stable Diffusion 的原始開發(fā)人員在 MacBook (M2) 上運行 FLUX.1 圖像 ([dev]/[schnell]) 生成 AI 模型”的文章。它演示了 Black Forest Labs 的 FLUX.1 圖像生成模型，該模型由 Stable Diffusion 的創(chuàng)建者創(chuàng)建。

現(xiàn)在，兩個月后，FLUX 1.1 [pro]（代號 Blueberry）已經(jīng)發(fā)布，并且公開訪問其 Web API，盡管它仍處于測試階段。

今天，我們發(fā)布了 FLUX1.1 [pro]，這是我們迄今為止最先進、最高效的模型，同時發(fā)布了 beta BFL API。此版本標志著我們在為創(chuàng)作者、開發(fā)者和企業(yè)提供可擴展、最先進的生成技術的使命中向前邁出了重要一步。

參考：宣布推出 FLUX1.1 [pro] 和 BFL API - Black Forest Labs

在這篇文章中，我將演示如何使用 FLUX 1.1 [pro] Web API。

所有代碼示例均使用Python編寫。

創(chuàng)建帳戶和 API 密鑰

首先注冊一個帳戶并登錄注冊選項下的API頁面。

每個積分的價格為 0.01 美元，我在注冊時收到了 50 個積分（可能會有所不同）。

根據(jù)定價頁面，模型成本如下：

• FLUX 1.1 [專業(yè)版]：每張圖像 0.04 美元
• FLUX.1 [專業(yè)版]：每張圖片 0.05 美元
• FLUX.1 [開發(fā)]：每張圖像 0.025 美元

登錄后，選擇添加密鑰并輸入您選擇的名稱來生成 API 密鑰。

您的密鑰將如下所示。

環(huán)境設置

我使用 macOS 14 Sonoma 作為我的操作系統(tǒng)。

Python 版本是：

$ python --version
Python 3.12.2

為了運行示例代碼，我安裝了請求：

$ pip install requests

我確認安裝的版本：

$ pip list | grep -e requests 
requests           2.31.0

為了避免硬編碼，我通過編輯 zshrc 文件將 API 密鑰保存為環(huán)境變量。

$ open ~/.zshrc

我將環(huán)境變量命名為BFL_API_KEY:

export BFL_API_KEY=<Your API Key Here>

示例代碼

下面是入門中的示例代碼，以及一些附加注釋。理想情況下，它應該使用狀態(tài)來處理錯誤，但為了簡單起見，我將其保留不變。

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']}")

本例中，提示符為：

一只像人一樣用后腿奔跑的貓，手臂上抱著一條銀色的大魚。貓正從店主身邊逃跑，臉上露出驚慌的表情。場景位于擁擠的市場。

最終的結果格式如下所示。與我測試過的其他 API 相比，響應時間更快。

$ python --version
Python 3.12.2

樣本包含生成圖像的URL，當我測試它時，該圖像托管在bflapistorage.blob.core.windows.net上。

這是生成的圖像：

結果與提示非常吻合，抓住了緊迫感。

嘗試替代提示

我嘗試了不同的提示來生成不同的圖像。

日本萌女主角

提示：“日本萌女主角”，使用動漫風格。

$ pip install requests

日本熱門動漫中的甜點

提示：“日本流行動漫中出現(xiàn)的糖果”，使用動漫風格。

$ pip list | grep -e requests 
requests           2.31.0

修學旅行的男高中生

提示：“修學旅行的男高中生”，使用動漫風格。

$ open ~/.zshrc

彈吉他的公主

提示：“彈吉他的公主”，使用奇幻藝術風格。

export BFL_API_KEY=<Your API Key Here>

白色筆記本電腦上的可愛仙女

提示：“白色筆記本電腦上的可愛仙女”，使用攝影風格。

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']}")

28 歲的日本女性，黑色短發(fā)

提示：“28歲日本黑短發(fā)美女”，使用攝影風格。

$ python --version
Python 3.12.2

20世紀80年代的香港市中心

提示：“1980年代的香港市中心”，使用攝影風格。

$ pip install requests

2020年的新宿歌舞伎町

提示：“2020年新宿歌舞伎町”，使用攝影風格。

$ pip list | grep -e requests 
requests           2.31.0

所有生成的圖像都具有卓越的質量。

在生成如此多高質量的 AI 圖像后，現(xiàn)實幾乎感覺超現(xiàn)實。

結論

黑森林實驗室不斷創(chuàng)新和增強其人工智能模型。

我很期待未來發(fā)布的視頻生成功能。

日本原創(chuàng)文章

穩(wěn)定擴散のオリジナル開発陣による肖像生成AIモデル最新版FLUX 1.1 [pro]のWeb APIを呼んでいくつかの肖像を生成してみた

以上是使用 Web API for FLUX [pro]：Stable Diffusion 原創(chuàng)團隊最新的圖像生成 AI 模型的詳細內(nèi)容。更多信息請關注PHP中文網(wǎng)其他相關文章！