前端调用 Stable diffusion 秋叶启动器 Web-Ui API

这篇具有很好参考价值的文章主要介绍了前端调用 Stable diffusion 秋叶启动器 Web-Ui API。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

环境启动

在启动器启动前,开启启用 API 就可以调用
前端调用 Stable diffusion 秋叶启动器 Web-Ui API,前端,stable diffusion,ui
通过访问 API DOCS 查看完整的接口地址。

请求方式

POST 请求体以 JSON 形式发送。
以 axios 为例:

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

接口说明

文生图

地址:/sdapi/v1/txt2img
参数说明

"enable_hr": false, //是否启用高分辨率模式 (High Resolution mode)。当设置为 `true` 时,将使用高分辨率的生成模型。默认值为 `false`。
"denoising_strength": 0, //噪声抑制强度。该参数控制生成图像的噪声水平,较高的值可以减少噪声,但可能会损失图像的细节。默认值为 `0`。
"firstphase_width": 0,//第一阶段生成的图像宽度。默认值为 `0`,表示使用默认的图像宽度。
"firstphase_height": 0,//第一阶段生成的图像高度。默认值为 `0`,表示使用默认的图像高度。
"hr_scale": 2,//高分辨率模式下的放大倍数。当启用高分辨率模式时,生成的图像将以指定的倍数进行放大。默认值为 `2`。
"hr_upscaler": "string",//高分辨率模式下的上采样器。该参数指定用于图像上采样的算法或模型。它可以是一个字符串,表示特定的上采样器,或者是一个模型的标识符。默认值为 "string"。
"hr_second_pass_steps": 0,//高分辨率模式下的第二阶段生成步数。默认值为 `0`,表示只进行一次生成过程。
"hr_resize_x": 0,//高分辨率模式下的水平调整大小。该参数用于调整生成的图像的宽度。默认值为 `0`,表示不进行调整。
"hr_resize_y": 0,//高分辨率模式下的垂直调整大小。该参数用于调整生成的图像的高度。默认值为 `0`,表示不进行调整。
"prompt": "",//用于生成的文本提示。可以提供一段文字描述或问题,以引导图像生成的方向。默认为空字符串。
"styles": ["string"],//一个字符串数组,包含用于生成图像的风格模型的标识符或名称。可以提供一个或多个风格模型,API将根据提供的风格进行图像生成。
"seed": -1,//随机种子。该参数用于控制生成过程的随机性。不同的种子值会产生不同的图像结果。默认值为 `-1`,表示使用随机种子。
"subseed": -1,//子种子 (Subseed)。该参数用于控制生成过程中的子随机性。不同的子种子值会导致略微不同的图像生成结果。默认值为 `-1`,表示使用随机子种子。
"subseed_strength": 0,//子种子强度。该参数控制子种子的影响力。较高的值会增加子种子的影响,从而导致更大的图像变化。默认值为 `0`。
"seed_resize_from_h": -1,//调整大小的种子高度。该参数指定生成过程中用于调整大小的种子图像的高度。默认值为 `-1`,表示不使用调整大小的种子图像。
"seed_resize_from_w": -1,//调整大小的种子宽度。该参数指定生成过程中用于调整大小的种子图像的宽度。默认值为 `-1`,表示不使用调整大小的种子图像。
"sampler_name": "string",//采样器名称。该参数指定用于生成图像的采样器的名称或标识符。可以选择不同的采样器来获得不同的生成效果。默认值为 "string"。
"batch_size": 1,//批量大小。该参数控制每次生成图像的批量大小。默认值为 `1`,表示每次生成一个图像。
"n_iter": 1,//迭代次数。该参数指定生成过程的迭代次数。默认值为 `1`,表示只进行一次迭代。
"steps": 50,//步数。该参数指定每个迭代步骤中生成器和判别器的更新次数。较大的值可能会增加图像生成的质量,但也会增加计算时间。默认值为 `50`。
"cfg_scale": 7,//配置缩放。该参数控制生成过程中的配置缩放。较高的值可以产生更高质量的图像,但也需要更多的计算资源。默认值为 `7`。
"width": 512,//图像宽度。该参数指定生成图像的宽度。默认值为 `512`。
"height": 512,//图像高度。该参数指定生成图像的高度。默认值为 `512`。
"restore_faces": false,//是否修复面部。当设置为 `true` 时,生成的图像会尽可能地修复面部特征。默认值为 `false`。
"tiling": false,//是否使用平铺。当设置为 `true` 时,生成器将使用平铺技术来生成图像。默认值为 `false`
"do_not_save_samples": false,//是否保存生成样本。当设置为 `true` 时,生成的样本将不会保存。默认值为 `false`。
"do_not_save_grid": false,//是否保存生成的网格。当设置为 `true` 时,生成的网格图像将不会保存。默认值为 `false`。
"negative_prompt": "string",//负面提示。该参数用于提供一个负面的文本提示,以影响生成过程朝负面方向发展。默认值为 "string"。
"eta": 0,//η 值。该参数用于控制生成过程中噪声分布的形状。较大的值会产生更平滑的图像,较小的值会产生更噪声化的图像。默认值为 `0`。
"s_min_uncond": 0,//无条件最小步骤。该参数指定生成过程中的无条件最小步骤数。默认值为 `0`。
"s_churn": 0,//搅动步骤数。该参数指定生成过程中的搅动步骤数。默认值为 `0`。
"s_tmax": 0,//最大温度步骤数。该参数指定生成过程中的最大温度步骤数。默认值为 `0`。
"s_tmin": 0,//最小温度步骤数。该参数指定生成过程中的最小温度步骤数。默认值为 `0`。
"s_noise": 1,//噪声步骤数。该参数指定生成过程中的噪声步骤数。默认值为 `1`。
"override_settings": {},//覆盖设置。该参数允许覆盖生成器和判别器的设置。可以提供一个对象,包含要覆盖的特定设置。默认为空对象 `{}`。
"override_settings_restore_afterwards": true,//是否在之后恢复覆盖的设置。当设置为 `true` 时,在生成过程之后会恢复覆盖的设置。默认值为 `true`。
"script_args": [],//脚本参数。该参数用于提供给脚本的额外参数。默认为空数组 `[]`。
"sampler_index": "Euler",//采样器索引。该参数指定使用的采样器的索引或标识符。默认值为 "Euler"。
"script_name": "string",//1.  脚本名称。该参数指定要运行的特定脚本的名称。默认值为 "string"。
"send_images": true,//是否发送图像。当设置为 `true` 时,生成的图像将被发送到输出。默认值为 `true`。
"save_images": false,//否保存图像。当设置为 `true` 时,生成的图像将被保存。默认值为 `false`。
"alwayson_scripts": {}//是一个用于指定始终运行的脚本的参数。它允许在生成过程中始终运行特定的脚本,以提供额外的控制或处理功能。

图生图

地址:/sdapi/v1/img2img
其中 init_images 参数可以是服务文件路径也可以是 base64文章来源地址https://www.toymoban.com/news/detail-713314.html

"init_images": [ "string" ], // 包含初始化图像的文件路径或标识符的列表,作为模型输入的起点。
"resize_mode": 0, // 指定图像的调整大小模式。0表示不调整大小,1表示等比例缩放,2表示强制调整为指定的尺寸。
"denoising_strength": 0.75, // 控制图像去噪的强度。值介于0和1之间,较高的值表示更强的去噪效果。
"image_cfg_scale": 0, // 指定图像的缩放比例。0表示原始尺寸,1表示将尺寸缩小一半,以此类推。
"mask": "string", // 指定遮罩图像的文件路径或标识符,用于指定需要进行特殊处理的区域。
"mask_blur": 4, // 控制遮罩模糊的程度。较高的值表示更模糊的遮罩边缘。
"inpainting_fill": 0, // 指定图像修复过程中填充缺失区域的方法。0表示不进行填充,1表示根据周围的内容进行填充,2表示根据指定的遮罩进行填充。
"inpaint_full_res": true, // 指定是否在修复过程中使用完整分辨率的图像。
"inpaint_full_res_padding": 0, // 如果使用完整分辨率的图像进行修复,指定在图像周围添加的填充大小。
"inpainting_mask_invert": 0, // 控制修复过程中遮罩的反转。0表示不反转,1表示反转。
"initial_noise_multiplier": 0, // 指定在生成图像之前向模型添加的噪声的强度。较高的值可能会增加生成图像的多样性。
"prompt": "", // 指定生成图像的提示或描述,用于引导模型生成特定类型的图像。
"styles": [ "string" ] // 包含应用于图像生成的样式的文件路径或标识符的列表,样式可以影响生成图像的外观和风格。
"seed": -1, // 随机种子,用于控制生成的图像结果的确定性。设置为-1表示使用随机种子。
"subseed": -1, // 子种子,用于进一步控制图像生成的确定性。设置为-1表示使用随机子种子。
"subseed_strength": 0, // 控制子种子的强度。较高的值表示更强的影响。
"seed_resize_from_h": -1, // 从给定高度调整随机种子图像的尺寸。
"seed_resize_from_w": -1, // 从给定宽度调整随机种子图像的尺寸。
"sampler_name": "string", // 采样器的名称,用于生成图像。
"batch_size": 1, // 批处理大小,指定同时处理的图像数量。
"n_iter": 1, // 迭代次数,控制生成图像的迭代次数。
"steps": 50, // 每个迭代步骤中生成图像的步数。
"cfg_scale": 7, // 图像生成的尺度配置。
"width": 512, // 生成图像的宽度。
"height": 512, // 生成图像的高度。
"restore_faces": false, // 是否还原图像中的面部特征。
"tiling": false, // 是否使用平铺生成图像。
"do_not_save_samples": false, // 是否保存生成的图像样本。
"do_not_save_grid": false, // 是否保存生成的图像网格。
"negative_prompt": "string", // 负面提示,用于限制生成图像的内容。
"eta": 0 // 控制图像生成的平滑度。较高的值表示更平滑的图像。
"s_min_uncond": 0, // 稳定扩散中无条件采样的最小值。
"s_churn": 0, // 稳定扩散中图像演变的速度。
"s_tmax": 0, // 稳定扩散中图像演变的最大时间步长。
"s_tmin": 0, // 稳定扩散中图像演变的最小时间步长。
"s_noise": 1, // 稳定扩散中添加的噪声的强度。
"override_settings": {}, // 覆盖默认设置的特定参数。
"override_settings_restore_afterwards": true, // 是否在之后恢复覆盖的默认设置。
"script_args": [], // 脚本参数,用于自定义脚本行为。
"sampler_index": "Euler", // 采样器的索引,指定使用的采样算法。
"include_init_images": false, // 是否在生成图像中包含初始图像。
"script_name": "string", // 脚本名称,用于指定要执行的脚本。
"send_images": true, // 是否发送生成的图像。
"save_images": false, // 是否保存生成的图像。
"alwayson_scripts": {} // 始终执行的脚本,用于自定义持续运行的行为。

到了这里,关于前端调用 Stable diffusion 秋叶启动器 Web-Ui API的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 基于嵌入式Tomcat的War包启动器

    最近针对java项目的部署方式进行整理,jenkins/tomcat/windows工具/linux脚本/web部署平台等等 发现war包通过tomcat部署比较繁琐,等待时间长,配置规则复杂对于小白很不友好,也难以接入到自定义的部署工具/平台中 之前开发的Jar包部署平台是servlet开发通过嵌入式tomcat部署,借此打

    2024年02月11日
    浏览(56)
  • AI绘画——本地配置webui启动器教程,支持一键启动/修复/更新/模型下载管理+Lora模型推荐

    秋葉aaaki的个人空间_哔哩哔哩_bilibili https://space.bilibili.com/12566101/?spm_id_from=333.999.0.0 感谢 秋葉aaaki大佬の免费开源 目录 1.获取资源整合包 2. 下载并配置webui启动器  3.启动器功能  4.一键启动,开始实战 5.效果演示  露出鸡脚哩  幻想景色加上lora模型xiaorenshu  刘亦菲图生图

    2024年02月03日
    浏览(57)
  • ISCSI:后端卷以LVM 的方式配置 ISCSI 目标启动器

    准备考试整理相关笔记 博文内容涉及使用 LVM 做ISCSI 目标后端块存储 Demo 理解不足小伙伴帮忙指正 对每个人而言,真正的职责只有一个:找到自我。然后在心中坚守其一生,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,是对大众理想的懦弱回归,是随

    2024年02月08日
    浏览(41)
  • 手写超级好用的rabbitmq-spring-boot-start启动器

    手写超级好用的rabbitmq-spring-boot-start启动器   由于springBoot官方提供的默认的rabbitMq自动装配不是那么好用,一个项目中只能配置使用一个rabbitMq的服务器,队列也需要编码的方式定义,这种繁杂且不易使用,用一次需要写一次硬编码,之前有一个想法是,能不能使用springB

    2024年04月13日
    浏览(51)
  • 【MC教程】iPad启动Java版mc(无需越狱)(保姆级?) Jitterbug启动iOS我的世界Java版启动器 PojavLauncher

    本教程不需要iPad或者iPhone越狱 教程视频链接:https://www.bilibili.com/video/BV1wW4y1b7QM/ 众所周知,苹果上的应用是ipa文件(相当于安卓的apk文件),在下载非app store上的应用就是在下载对应的ipa文件,然后对于本期教程需要知道以下两点。 在苹果设备上,光有ipa文件还不够,还需

    2023年04月25日
    浏览(49)
  • win10系统提示:“重新启动以修复驱动器错误”解决办法

    最近一段时间台式机的window10系统突然提示:“重新启动以修复驱动器错误”。博主本来置之不理,但是系统自动重启了,然后也没自动修复成功,伴随而来的是两天频繁的蓝屏现象。过去的很长一段时间里,都没有出现过该问题,因此花了两天解决 系统蓝屏和驱动错误的问

    2024年02月04日
    浏览(50)
  • 解决 Minecraft 官方启动器 报错找不到 launcher.dll / LoadErrorNotPresent 的解决方法

    如果你用的是Windows 10操作系统基本上不用看这个文章了,应该帮不到你,Windows 10的更新中应该是自带这个补丁的。 在 Windows 7 SP1 系统上,安装 Minecraft官方启动器 之后,启动启动器时出现报错信息。 点击确定之后出现 查询日志 %appdata%.minecraft 下的 launcher_log.txt 有显示 SSL

    2024年02月07日
    浏览(161)
  • aigc 启动器 sd-webui-aki-v4 decode_base64_to_file

    SD-WebUI启动器 绘世-启动器 | 万物档案 decode_base64_to_file报错: 报错2: 4.*版本报错, gradio-3.41.2-py3-none-any.whl 不报错 报错2: 报错的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 实现代码:

    2024年04月11日
    浏览(57)
  • 秋叶大神的Stable Diffusion整合包

    前段时间在研究Stable Diffusion本地化部署,但是对于新手小白来说算是比较难得,不过没关系,我在B站发现了秋叶大神的Stable Diffusion整合包,我在用很方便,必须分享出来。 Stable Diffusion整合包下载地址链接: 链接:https://pan.quark.cn/s/39d40cc919b0 下载成功后先点击启动器运行依赖

    2024年02月13日
    浏览(37)
  • Stable Diffusion——stable diffusion基础原理详解与安装秋叶整合包进行出图测试

    在2022年,人工智能创作内容(AIGC)成为了AI领域的热门话题之一。在ChatGPT问世之前,AI绘画以其独特的创意和便捷的创作工具迅速走红,引起了广泛关注。随着一系列以Stable Diffusion、Midjourney、NovelAI等为代表的文本生成图像的跨模态应用相继涌现与Stable Diffusion的开源,Stab

    2024年02月21日
    浏览(46)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包