国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

前端調(diào)用 Stable diffusion 秋葉啟動器 Web-Ui API

這篇具有很好參考價值的文章主要介紹了前端調(diào)用 Stable diffusion 秋葉啟動器 Web-Ui API。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點(diǎn)擊"舉報違法"按鈕提交疑問。

環(huán)境啟動

在啟動器啟動前,開啟啟用 API 就可以調(diào)用
前端調(diào)用 Stable diffusion 秋葉啟動器 Web-Ui API,前端,stable diffusion,ui
通過訪問 API DOCS 查看完整的接口地址。

請求方式

POST 請求體以 JSON 形式發(fā)送。
以 axios 為例:

const axios = axios.create({...})
const data = JSON.stringify(params)
axios .post('/sdapi/v1/txt2img', data)

接口說明

文生圖

地址:/sdapi/v1/txt2img
參數(shù)說明

"enable_hr": false, //是否啟用高分辨率模式 (High Resolution mode)。當(dāng)設(shè)置為 `true` 時,將使用高分辨率的生成模型。默認(rèn)值為 `false`。
"denoising_strength": 0, //噪聲抑制強(qiáng)度。該參數(shù)控制生成圖像的噪聲水平,較高的值可以減少噪聲,但可能會損失圖像的細(xì)節(jié)。默認(rèn)值為 `0`。
"firstphase_width": 0,//第一階段生成的圖像寬度。默認(rèn)值為 `0`,表示使用默認(rèn)的圖像寬度。
"firstphase_height": 0,//第一階段生成的圖像高度。默認(rèn)值為 `0`,表示使用默認(rèn)的圖像高度。
"hr_scale": 2,//高分辨率模式下的放大倍數(shù)。當(dāng)啟用高分辨率模式時,生成的圖像將以指定的倍數(shù)進(jìn)行放大。默認(rèn)值為 `2`。
"hr_upscaler": "string",//高分辨率模式下的上采樣器。該參數(shù)指定用于圖像上采樣的算法或模型。它可以是一個字符串,表示特定的上采樣器,或者是一個模型的標(biāo)識符。默認(rèn)值為 "string"。
"hr_second_pass_steps": 0,//高分辨率模式下的第二階段生成步數(shù)。默認(rèn)值為 `0`,表示只進(jìn)行一次生成過程。
"hr_resize_x": 0,//高分辨率模式下的水平調(diào)整大小。該參數(shù)用于調(diào)整生成的圖像的寬度。默認(rèn)值為 `0`,表示不進(jìn)行調(diào)整。
"hr_resize_y": 0,//高分辨率模式下的垂直調(diào)整大小。該參數(shù)用于調(diào)整生成的圖像的高度。默認(rèn)值為 `0`,表示不進(jìn)行調(diào)整。
"prompt": "",//用于生成的文本提示??梢蕴峁┮欢挝淖置枋龌騿栴},以引導(dǎo)圖像生成的方向。默認(rèn)為空字符串。
"styles": ["string"],//一個字符串?dāng)?shù)組,包含用于生成圖像的風(fēng)格模型的標(biāo)識符或名稱??梢蕴峁┮粋€或多個風(fēng)格模型,API將根據(jù)提供的風(fēng)格進(jìn)行圖像生成。
"seed": -1,//隨機(jī)種子。該參數(shù)用于控制生成過程的隨機(jī)性。不同的種子值會產(chǎn)生不同的圖像結(jié)果。默認(rèn)值為 `-1`,表示使用隨機(jī)種子。
"subseed": -1,//子種子 (Subseed)。該參數(shù)用于控制生成過程中的子隨機(jī)性。不同的子種子值會導(dǎo)致略微不同的圖像生成結(jié)果。默認(rèn)值為 `-1`,表示使用隨機(jī)子種子。
"subseed_strength": 0,//子種子強(qiáng)度。該參數(shù)控制子種子的影響力。較高的值會增加子種子的影響,從而導(dǎo)致更大的圖像變化。默認(rèn)值為 `0`。
"seed_resize_from_h": -1,//調(diào)整大小的種子高度。該參數(shù)指定生成過程中用于調(diào)整大小的種子圖像的高度。默認(rèn)值為 `-1`,表示不使用調(diào)整大小的種子圖像。
"seed_resize_from_w": -1,//調(diào)整大小的種子寬度。該參數(shù)指定生成過程中用于調(diào)整大小的種子圖像的寬度。默認(rèn)值為 `-1`,表示不使用調(diào)整大小的種子圖像。
"sampler_name": "string",//采樣器名稱。該參數(shù)指定用于生成圖像的采樣器的名稱或標(biāo)識符??梢赃x擇不同的采樣器來獲得不同的生成效果。默認(rèn)值為 "string"。
"batch_size": 1,//批量大小。該參數(shù)控制每次生成圖像的批量大小。默認(rèn)值為 `1`,表示每次生成一個圖像。
"n_iter": 1,//迭代次數(shù)。該參數(shù)指定生成過程的迭代次數(shù)。默認(rèn)值為 `1`,表示只進(jìn)行一次迭代。
"steps": 50,//步數(shù)。該參數(shù)指定每個迭代步驟中生成器和判別器的更新次數(shù)。較大的值可能會增加圖像生成的質(zhì)量,但也會增加計算時間。默認(rèn)值為 `50`。
"cfg_scale": 7,//配置縮放。該參數(shù)控制生成過程中的配置縮放。較高的值可以產(chǎn)生更高質(zhì)量的圖像,但也需要更多的計算資源。默認(rèn)值為 `7`。
"width": 512,//圖像寬度。該參數(shù)指定生成圖像的寬度。默認(rèn)值為 `512`。
"height": 512,//圖像高度。該參數(shù)指定生成圖像的高度。默認(rèn)值為 `512`。
"restore_faces": false,//是否修復(fù)面部。當(dāng)設(shè)置為 `true` 時,生成的圖像會盡可能地修復(fù)面部特征。默認(rèn)值為 `false`。
"tiling": false,//是否使用平鋪。當(dāng)設(shè)置為 `true` 時,生成器將使用平鋪技術(shù)來生成圖像。默認(rèn)值為 `false`
"do_not_save_samples": false,//是否保存生成樣本。當(dāng)設(shè)置為 `true` 時,生成的樣本將不會保存。默認(rèn)值為 `false`。
"do_not_save_grid": false,//是否保存生成的網(wǎng)格。當(dāng)設(shè)置為 `true` 時,生成的網(wǎng)格圖像將不會保存。默認(rèn)值為 `false`。
"negative_prompt": "string",//負(fù)面提示。該參數(shù)用于提供一個負(fù)面的文本提示,以影響生成過程朝負(fù)面方向發(fā)展。默認(rèn)值為 "string"。
"eta": 0,//η 值。該參數(shù)用于控制生成過程中噪聲分布的形狀。較大的值會產(chǎn)生更平滑的圖像,較小的值會產(chǎn)生更噪聲化的圖像。默認(rèn)值為 `0`。
"s_min_uncond": 0,//無條件最小步驟。該參數(shù)指定生成過程中的無條件最小步驟數(shù)。默認(rèn)值為 `0`。
"s_churn": 0,//攪動步驟數(shù)。該參數(shù)指定生成過程中的攪動步驟數(shù)。默認(rèn)值為 `0`。
"s_tmax": 0,//最大溫度步驟數(shù)。該參數(shù)指定生成過程中的最大溫度步驟數(shù)。默認(rèn)值為 `0`。
"s_tmin": 0,//最小溫度步驟數(shù)。該參數(shù)指定生成過程中的最小溫度步驟數(shù)。默認(rèn)值為 `0`。
"s_noise": 1,//噪聲步驟數(shù)。該參數(shù)指定生成過程中的噪聲步驟數(shù)。默認(rèn)值為 `1`。
"override_settings": {},//覆蓋設(shè)置。該參數(shù)允許覆蓋生成器和判別器的設(shè)置??梢蕴峁┮粋€對象,包含要覆蓋的特定設(shè)置。默認(rèn)為空對象 `{}`。
"override_settings_restore_afterwards": true,//是否在之后恢復(fù)覆蓋的設(shè)置。當(dāng)設(shè)置為 `true` 時,在生成過程之后會恢復(fù)覆蓋的設(shè)置。默認(rèn)值為 `true`。
"script_args": [],//腳本參數(shù)。該參數(shù)用于提供給腳本的額外參數(shù)。默認(rèn)為空數(shù)組 `[]`。
"sampler_index": "Euler",//采樣器索引。該參數(shù)指定使用的采樣器的索引或標(biāo)識符。默認(rèn)值為 "Euler"。
"script_name": "string",//1.  腳本名稱。該參數(shù)指定要運(yùn)行的特定腳本的名稱。默認(rèn)值為 "string"。
"send_images": true,//是否發(fā)送圖像。當(dāng)設(shè)置為 `true` 時,生成的圖像將被發(fā)送到輸出。默認(rèn)值為 `true`。
"save_images": false,//否保存圖像。當(dāng)設(shè)置為 `true` 時,生成的圖像將被保存。默認(rèn)值為 `false`。
"alwayson_scripts": {}//是一個用于指定始終運(yùn)行的腳本的參數(shù)。它允許在生成過程中始終運(yùn)行特定的腳本,以提供額外的控制或處理功能。

圖生圖

地址:/sdapi/v1/img2img
其中 init_images 參數(shù)可以是服務(wù)文件路徑也可以是 base64文章來源地址http://www.zghlxwxcb.cn/news/detail-713314.html

"init_images": [ "string" ], // 包含初始化圖像的文件路徑或標(biāo)識符的列表,作為模型輸入的起點(diǎn)。
"resize_mode": 0, // 指定圖像的調(diào)整大小模式。0表示不調(diào)整大小,1表示等比例縮放,2表示強(qiáng)制調(diào)整為指定的尺寸。
"denoising_strength": 0.75, // 控制圖像去噪的強(qiáng)度。值介于0和1之間,較高的值表示更強(qiáng)的去噪效果。
"image_cfg_scale": 0, // 指定圖像的縮放比例。0表示原始尺寸,1表示將尺寸縮小一半,以此類推。
"mask": "string", // 指定遮罩圖像的文件路徑或標(biāo)識符,用于指定需要進(jìn)行特殊處理的區(qū)域。
"mask_blur": 4, // 控制遮罩模糊的程度。較高的值表示更模糊的遮罩邊緣。
"inpainting_fill": 0, // 指定圖像修復(fù)過程中填充缺失區(qū)域的方法。0表示不進(jìn)行填充,1表示根據(jù)周圍的內(nèi)容進(jìn)行填充,2表示根據(jù)指定的遮罩進(jìn)行填充。
"inpaint_full_res": true, // 指定是否在修復(fù)過程中使用完整分辨率的圖像。
"inpaint_full_res_padding": 0, // 如果使用完整分辨率的圖像進(jìn)行修復(fù),指定在圖像周圍添加的填充大小。
"inpainting_mask_invert": 0, // 控制修復(fù)過程中遮罩的反轉(zhuǎn)。0表示不反轉(zhuǎn),1表示反轉(zhuǎn)。
"initial_noise_multiplier": 0, // 指定在生成圖像之前向模型添加的噪聲的強(qiáng)度。較高的值可能會增加生成圖像的多樣性。
"prompt": "", // 指定生成圖像的提示或描述,用于引導(dǎo)模型生成特定類型的圖像。
"styles": [ "string" ] // 包含應(yīng)用于圖像生成的樣式的文件路徑或標(biāo)識符的列表,樣式可以影響生成圖像的外觀和風(fēng)格。
"seed": -1, // 隨機(jī)種子,用于控制生成的圖像結(jié)果的確定性。設(shè)置為-1表示使用隨機(jī)種子。
"subseed": -1, // 子種子,用于進(jìn)一步控制圖像生成的確定性。設(shè)置為-1表示使用隨機(jī)子種子。
"subseed_strength": 0, // 控制子種子的強(qiáng)度。較高的值表示更強(qiáng)的影響。
"seed_resize_from_h": -1, // 從給定高度調(diào)整隨機(jī)種子圖像的尺寸。
"seed_resize_from_w": -1, // 從給定寬度調(diào)整隨機(jī)種子圖像的尺寸。
"sampler_name": "string", // 采樣器的名稱,用于生成圖像。
"batch_size": 1, // 批處理大小,指定同時處理的圖像數(shù)量。
"n_iter": 1, // 迭代次數(shù),控制生成圖像的迭代次數(shù)。
"steps": 50, // 每個迭代步驟中生成圖像的步數(shù)。
"cfg_scale": 7, // 圖像生成的尺度配置。
"width": 512, // 生成圖像的寬度。
"height": 512, // 生成圖像的高度。
"restore_faces": false, // 是否還原圖像中的面部特征。
"tiling": false, // 是否使用平鋪生成圖像。
"do_not_save_samples": false, // 是否保存生成的圖像樣本。
"do_not_save_grid": false, // 是否保存生成的圖像網(wǎng)格。
"negative_prompt": "string", // 負(fù)面提示,用于限制生成圖像的內(nèi)容。
"eta": 0 // 控制圖像生成的平滑度。較高的值表示更平滑的圖像。
"s_min_uncond": 0, // 穩(wěn)定擴(kuò)散中無條件采樣的最小值。
"s_churn": 0, // 穩(wěn)定擴(kuò)散中圖像演變的速度。
"s_tmax": 0, // 穩(wěn)定擴(kuò)散中圖像演變的最大時間步長。
"s_tmin": 0, // 穩(wěn)定擴(kuò)散中圖像演變的最小時間步長。
"s_noise": 1, // 穩(wěn)定擴(kuò)散中添加的噪聲的強(qiáng)度。
"override_settings": {}, // 覆蓋默認(rèn)設(shè)置的特定參數(shù)。
"override_settings_restore_afterwards": true, // 是否在之后恢復(fù)覆蓋的默認(rèn)設(shè)置。
"script_args": [], // 腳本參數(shù),用于自定義腳本行為。
"sampler_index": "Euler", // 采樣器的索引,指定使用的采樣算法。
"include_init_images": false, // 是否在生成圖像中包含初始圖像。
"script_name": "string", // 腳本名稱,用于指定要執(zhí)行的腳本。
"send_images": true, // 是否發(fā)送生成的圖像。
"save_images": false, // 是否保存生成的圖像。
"alwayson_scripts": {} // 始終執(zhí)行的腳本,用于自定義持續(xù)運(yùn)行的行為。

到了這里,關(guān)于前端調(diào)用 Stable diffusion 秋葉啟動器 Web-Ui API的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點(diǎn)僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實不符,請點(diǎn)擊違法舉報進(jìn)行投訴反饋,一經(jīng)查實,立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

相關(guān)文章

  • 基于嵌入式Tomcat的War包啟動器

    最近針對java項目的部署方式進(jìn)行整理,jenkins/tomcat/windows工具/linux腳本/web部署平臺等等 發(fā)現(xiàn)war包通過tomcat部署比較繁瑣,等待時間長,配置規(guī)則復(fù)雜對于小白很不友好,也難以接入到自定義的部署工具/平臺中 之前開發(fā)的Jar包部署平臺是servlet開發(fā)通過嵌入式tomcat部署,借此打

    2024年02月11日
    瀏覽(36)
  • AI繪畫——本地配置webui啟動器教程,支持一鍵啟動/修復(fù)/更新/模型下載管理+Lora模型推薦

    AI繪畫——本地配置webui啟動器教程,支持一鍵啟動/修復(fù)/更新/模型下載管理+Lora模型推薦

    秋葉aaaki的個人空間_嗶哩嗶哩_bilibili https://space.bilibili.com/12566101/?spm_id_from=333.999.0.0 感謝 秋葉aaaki大佬の免費(fèi)開源 目錄 1.獲取資源整合包 2. 下載并配置webui啟動器 ?3.啟動器功能 ?4.一鍵啟動,開始實戰(zhàn) 5.效果演示? 露出雞腳哩 ?幻想景色加上lora模型xiaorenshu ?劉亦菲圖生圖

    2024年02月03日
    瀏覽(26)
  • ISCSI:后端卷以LVM 的方式配置 ISCSI 目標(biāo)啟動器

    準(zhǔn)備考試整理相關(guān)筆記 博文內(nèi)容涉及使用 LVM 做ISCSI 目標(biāo)后端塊存儲 Demo 理解不足小伙伴幫忙指正 對每個人而言,真正的職責(zé)只有一個:找到自我。然后在心中堅守其一生,全心全意,永不停息。所有其它的路都是不完整的,是人的逃避方式,是對大眾理想的懦弱回歸,是隨

    2024年02月08日
    瀏覽(26)
  • 手寫超級好用的rabbitmq-spring-boot-start啟動器

    手寫超級好用的rabbitmq-spring-boot-start啟動器

    手寫超級好用的rabbitmq-spring-boot-start啟動器 ??由于springBoot官方提供的默認(rèn)的rabbitMq自動裝配不是那么好用,一個項目中只能配置使用一個rabbitMq的服務(wù)器,隊列也需要編碼的方式定義,這種繁雜且不易使用,用一次需要寫一次硬編碼,之前有一個想法是,能不能使用springB

    2024年04月13日
    瀏覽(22)
  • 【MC教程】iPad啟動Java版mc(無需越獄)(保姆級?) Jitterbug啟動iOS我的世界Java版啟動器 PojavLauncher

    【MC教程】iPad啟動Java版mc(無需越獄)(保姆級?) Jitterbug啟動iOS我的世界Java版啟動器 PojavLauncher

    本教程不需要iPad或者iPhone越獄 教程視頻鏈接:https://www.bilibili.com/video/BV1wW4y1b7QM/ 眾所周知,蘋果上的應(yīng)用是ipa文件(相當(dāng)于安卓的apk文件),在下載非app store上的應(yīng)用就是在下載對應(yīng)的ipa文件,然后對于本期教程需要知道以下兩點(diǎn)。 在蘋果設(shè)備上,光有ipa文件還不夠,還需

    2023年04月25日
    瀏覽(22)
  • win10系統(tǒng)提示:“重新啟動以修復(fù)驅(qū)動器錯誤”解決辦法

    win10系統(tǒng)提示:“重新啟動以修復(fù)驅(qū)動器錯誤”解決辦法

    最近一段時間臺式機(jī)的window10系統(tǒng)突然提示:“重新啟動以修復(fù)驅(qū)動器錯誤”。博主本來置之不理,但是系統(tǒng)自動重啟了,然后也沒自動修復(fù)成功,伴隨而來的是兩天頻繁的藍(lán)屏現(xiàn)象。過去的很長一段時間里,都沒有出現(xiàn)過該問題,因此花了兩天解決 系統(tǒng)藍(lán)屏和驅(qū)動錯誤的問

    2024年02月04日
    瀏覽(32)
  • 解決 Minecraft 官方啟動器 報錯找不到 launcher.dll / LoadErrorNotPresent 的解決方法

    解決 Minecraft 官方啟動器 報錯找不到 launcher.dll / LoadErrorNotPresent 的解決方法

    如果你用的是Windows 10操作系統(tǒng)基本上不用看這個文章了,應(yīng)該幫不到你,Windows 10的更新中應(yīng)該是自帶這個補(bǔ)丁的。 在 Windows 7 SP1 系統(tǒng)上,安裝 Minecraft官方啟動器 之后,啟動啟動器時出現(xiàn)報錯信息。 點(diǎn)擊確定之后出現(xiàn) 查詢?nèi)罩?%appdata%.minecraft 下的 launcher_log.txt 有顯示 SSL

    2024年02月07日
    瀏覽(143)
  • aigc 啟動器 sd-webui-aki-v4 decode_base64_to_file

    SD-WebUI啟動器 繪世-啟動器 | 萬物檔案 decode_base64_to_file報錯: 報錯2: 4.*版本報錯,?gradio-3.41.2-py3-none-any.whl 不報錯 報錯2: 報錯的gradio版本: pip install gradio-3.41.2-py3-none-any.whl sd-webui-aki-v4 from gradio.processing_utils import decode_base64_to_image python 實現(xiàn)代碼:

    2024年04月11日
    瀏覽(90)
  • 秋葉大神的Stable Diffusion整合包

    秋葉大神的Stable Diffusion整合包

    前段時間在研究Stable Diffusion本地化部署,但是對于新手小白來說算是比較難得,不過沒關(guān)系,我在B站發(fā)現(xiàn)了秋葉大神的Stable Diffusion整合包,我在用很方便,必須分享出來。 Stable Diffusion整合包下載地址鏈接: 鏈接:https://pan.quark.cn/s/39d40cc919b0 下載成功后先點(diǎn)擊啟動器運(yùn)行依賴

    2024年02月13日
    瀏覽(22)
  • Stable Diffusion——stable diffusion基礎(chǔ)原理詳解與安裝秋葉整合包進(jìn)行出圖測試

    Stable Diffusion——stable diffusion基礎(chǔ)原理詳解與安裝秋葉整合包進(jìn)行出圖測試

    在2022年,人工智能創(chuàng)作內(nèi)容(AIGC)成為了AI領(lǐng)域的熱門話題之一。在ChatGPT問世之前,AI繪畫以其獨(dú)特的創(chuàng)意和便捷的創(chuàng)作工具迅速走紅,引起了廣泛關(guān)注。隨著一系列以Stable Diffusion、Midjourney、NovelAI等為代表的文本生成圖像的跨模態(tài)應(yīng)用相繼涌現(xiàn)與Stable Diffusion的開源,Stab

    2024年02月21日
    瀏覽(25)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包