太乙是首个开源的中文Stable Diffusion模型，基于0.2亿筛选过的中文图文对训练，参数数量高达1B。
温馨提示：点击“应用介绍”边上的 【图生图（卡通） API】 【文生图（卡通） API】 【图生图 API】 【文生图 API】 可以查看对应的接口信息。包括接口的参数，费用以及相关的案例等；
本应用包括 8 个模型，均来在 ModelScope，并由第三方托管在 AIGCaaS 平台
“封神榜模型”将全方面的开源一系列NLP相关的预训练大模型。NLP社区中有着广泛的研究任务，这些任务可以被分为两类：通用任务和特殊任务。前者包括了自然语言理解(NLU)，自然语言生成(NLG)和自然语言转换(NLT)任务。后者涵盖了多模态，特定领域等任务。我们考虑了所有的这些任务，并且提供了在下游任务上微调好的相关模型，这使得计算资源有限的用户也可以轻松使用我们的基础模型。而且我们承诺，将对这些模型做持续的升级，不断融合最新的数据和最新的训练算法。通过IDEA研究院的努力，打造中文认知智能的通用基础设施，避免重复建设，为全社会节省算力。
同时，“封神榜”也希望各个公司、高校、机构加入到这个开源计划中，一起共建大模型开源体系。未来，当我们需要一个新的预训练模型，都应该是首先从这些开源大模型中选取一个最接近的，做继续训练，然后再把新的模型开源回这个体系。这样，每个人用最少的算力，就能得到自己的模型，同时这个开源大模型体系也能越来越大。
太乙系列
太乙系列模型主要应用于跨模态场景，包括文本图像生成，蛋白质结构预测, 语音-文本表示等。2022年11月1日，封神榜开源了第一个中文版本的 stable diffusion 模型“太乙 Stable Diffusion”。
当前应用包括了：
- 太乙-Stable-Diffusion-1B-中文-v0.1
| 需求 Demand | 任务 Task | 系列 Series | 模型 Model | 参数 Parameter | 额外 Extra |
|---|---|---|---|---|---|
| 特殊 Special | 多模态 Multimodal | 太乙 Taiyi | Stable Diffusion | 1B | Chinese |
- 太乙-Stable-Diffusion-1B-动漫-中文-v0.1
| 需求 Demand | 任务 Task | 系列 Series | 模型 Model | 参数 Parameter | 额外 Extra |
|---|---|---|---|---|---|
| 特殊 Special | 多模态 Multimodal | 太乙 Taiyi | Stable Diffusion | 1B | Chinese |
部分效果
太乙-Stable-Diffusion-1B-中文-v0.1
| 铁马冰河入梦来，3D绘画。 | 飞流直下三千尺，油画。 | 女孩背影，日落，唯美插画。 |
|---|---|---|
 |
 |
 |
太乙-Stable-Diffusion-1B-动漫-中文-v0.1
| 1个女孩,绿色头发,毛衣,看向阅图者,上半身,帽子,户外,下雪,高领毛衣 | 户外,天空,云,蓝天,无人,多云的天空,风景,日出,草原 | 建筑,科幻,城市,城市风景,摩天大楼,赛博朋克,人群 |
|---|---|---|
 |
 |
 |
温馨提示：
1. 本平台所提供 API 会产生相对应的金币消耗，这部分金币消耗是用于 API 调用时的 GPU 资源消耗，并非模型服务本身费用，模型均为开源模型，由第三方免费托管至本平台，如由第三方存在侵权行为等，请联系客服微信（B063-1206）进行处理；
2. 本平台在文章中可能会涉及到最佳实践，最佳案例以及相关带有"最"的描述，均指的是限定在本平台内，而非行业，不具有排他性；例如某文章如果说"这个实践操作可以算是最佳实践了"指的是仅限在当前平台内（AIGCaaS）中算是最佳实践，所以请各位在阅读时仔细辨别。另外，此处所说的"最佳"、"最"仅为举例，并不仅局限于这几个词，而是所有的类似词汇。
图生图（卡通）
总用量：12 次
图生图 API，通过上传图片信息与文本描述可以获得对应的图片处理结果
请求地址
https://api.aigcaas.cn/v2/application/taiyisd/api/ctimg2img
请求方式
post
请求参数
| 参数名 | 类型 | 位置 | 解释 |
|---|---|---|---|
| Nonce | string | headers | 防重放配置 随机字符串（最大长度64位，推荐20位）且10秒内不可重复 |
| Timestamp | string | headers | 发起请求时间戳 与服务器时间差小于10秒 |
| SecretID | string | headers | 密钥信息 密钥配置中的 secret_id 配置 |
| Token | string | headers | 签名结果 sha256(Timestamp, SecretKey, Nonce) |
| init_images | string | body | 图片 初始化图片，数组格式，例如["图片1", "图片2"]，每个图片字符串为图片的 Base64 编码，不需要包括图片描述信息，例如“data:image/png;base64” |
| resize_mode | number | body | 缩放模式 缩放模式功能其实是指将素材区域的图片以什么样的方式进行加载，每一种加载方式都会影响输出的图像尺寸结果。取值从0到3，分别表示拉伸/Just Resize（简单的将图片缩放至指定比例，不保证原图尺寸比），裁剪/Crop And Resize（将图片按比例进行缩放，多余的直接裁剪掉），填充/Resize And Fill（图片按比例进行缩放，缺少的部分填充），隐空间直接缩放/Latent upScale（其实与前面三个不同，这个是常用于图像超分辨率的快捷选项，低显存谨慎使用） |
| prompt | string | body | 提示词 绘画的文本描述（支持中文和英文描述），所支持的 lora 可以参考案例列表：https://www.aigcaas.cn/category/13.html |
| width | integer | body | 图片宽度 图片宽度，默认为512，一般情况下，尺寸越大品质越好，但是会更慢，而且会影响构图，例如一个人两个头等，推荐最大尺寸1080 |
| height | integer | body | 图片高度 图片宽度，默认为512，一般情况下，尺寸越大品质越好，但是会更慢，而且会影响构图，例如一个人两个头等，推荐最大尺寸1080 |
| negative_prompt | string | body | 反面描述内容 反面描述内容 |
| sampler_index | string | body | 采样方法 采样方法，默认为Euler，其他可选参数：Euler a,Euler,LMS,Heun,DPM2,DPM2 a,DPM++ 2S a,DPM++ 2M,DPM++ SDE,DPM++ 2M SDE,DPM fast,DPM adaptive,LMS Karras,DPM2 Karras,DPM2 a Karras,DPM++ 2S a Karras,DPM++ 2M Karras,DPM++ SDE Karras,DPM++ 2M SDE Karras,DDIM,PLMS,UniPC |
| steps | number | body | 生成步数 生成步数，默认50，通常20步到25步左右最为合适 |
| seed | number | body | 随机种子数 控制生成图片是否可复现，用于在潜空间中生成最张量的种子，控制图像的内容，每生成一个图像都有自己的种子值，默认为-1 |
| mask | string | body | 遮罩 遮罩参数，需要时图片的 Base64 格式，但不需要包括图片描述信息，例如“data:image/png;base64” |
| mask_blur | number | body | 遮罩/蒙版模糊 遮罩/蒙版模糊参数，默认为4 |
| inpainting_fill | number | body | 蒙版遮住的内容 蒙版遮住的内容， 0填充， 1原图 2潜空间噪声 3潜空间数值零 |
| inpaint_full_res | string | body | 修补区 修复区域，false：整个图片，true：仅蒙版；默认为true |
| inpaint_full_res_padding | string | body | 修补区内边距 修补区内边距，默认为0 |
| inpainting_mask_invert | string | body | 蒙版模式 蒙版模式 0表示重绘蒙版内容，1表示重绘非蒙版内容，默认为0 |
| restore_faces | boolean | body | 恢复面部缺陷 应用了额外模型，该模型可以恢复面部缺陷，默认为 false |
| subseed | number | body | 附加种子值 附加种子值，测试更多种子码变化之用 |
| subseed_strength | number | body | 种子和variation seed之间的差值程度 种子和variation seed之间的差值程度，如果生成了两张图，可以通过第一个图为seed，第二个图为subseed，然后设置subseed strength在0-1之间的强度变化，那么会生成逐渐过渡的两个图。 |
| seed_resize_from_w | number | body | seed_resize_from_w 对应 UI 界面的 Resize seed from width；默认为-1 |
| seed_resize_from_h | number | body | seed_resize_from_h 对应 UI 界面的 Resize seed from height；默认为-1 |
| cfg_scale | number | body | CFG AI生图与你给的提示词的相关度，数值越高越会按照你说的内容下去生图。控制模型和prompt的匹配程度，1.忽视prompt， 3.更有创意，7，在prompt和freedom中取得平衡，15，遵守prompt，30，严格按照prompt |
| eta | number | body | 噪声种子 噪声种子（取值范围0.0-1.0） |
| styles | string | body | 风格 风格参数，格式为["string"] |
| denoising_strength | number | body | 降噪强度 降噪强度，取值范围是0-1，默认设置0.75。取值越大，说明图片变化越大，0表示图片几乎不变，1表示可能严重偏离原图。一般将该参数设置在0.6~0.8范围； |
| hr_scale | number | body | 缩放系数 缩放系数；默认为2 |
| tiling | string | body | 可平埔 生成可以平铺的周期性图像，默认为false |
| script_name | string | body | 脚本/命令名称 取值有prompt matrix（会生出一个表格图片，用于比对不同提示词生图的效果）, prompts from file or textbox（从写好提示词的文件生成图片）, x/y/z plot（用于比对不同提示词、采样方法、CFG Scale、种子码的组合所生图的效果），通常与脚本/命令参数（script_args）搭配使用 |
| script_args | string | body | 脚本/命令参数 一般用于 lor a模型或其他插件参数，例如：[0, true, true, "LoRA", "dingzhenlora_v1(fa7c1732cc95)", 1, 1] |
帮助详情
模型效果与案例请查看应用介绍
注意：为了让更多 Stable Diffusion WebUI 的用户可以快速与当前 API 兼容，所以当前 API 遵守了 Stable Diffusion WebUI 的规范，即参数的输入输出，都是和 Stable Diffusion WebUI 所暴露的参数保持一致：
1. 入参的具体参数和参数详情可以完全参考 Stable Diffusion WebUI
2. 输出结果中的图片参数，数一个数组，如果只有一张图则数组长度为1，如果有 n 张图，数组长度为 n，每个元素为图片 Base64 编码（需要用户手动补全 Base64 编码的图像标记data:image/png;base64,）
图生图 API，通过上传图片信息与文本描述可以获得对应的图片处理结果。
完整参数
在模型参数部分，尽管已经提供了大量的参数可供在线调试，但是这些参数依旧不完整，完整参数列表可以参考以下参数内容
{
"init_images": [
"string"
],
"resize_mode": 0,
"denoising_strength": 0.75,
"image_cfg_scale": 0,
"mask": "string",
"mask_blur": 4,
"inpainting_fill": 0,
"inpaint_full_res": true,
"inpaint_full_res_padding": 0,
"inpainting_mask_invert": 0,
"initial_noise_multiplier": 0,
"prompt": "",
"styles": [
"string"
],
"seed": -1,
"subseed": -1,
"subseed_strength": 0,
"seed_resize_from_h": -1,
"seed_resize_from_w": -1,
"sampler_name": "string",
"batch_size": 1,
"n_iter": 1,
"steps": 50,
"cfg_scale": 7,
"width": 512,
"height": 512,
"restore_faces": false,
"tiling": false,
"do_not_save_samples": false,
"do_not_save_grid": false,
"negative_prompt": "string",
"eta": 0,
"s_min_uncond": 0,
"s_churn": 0,
"s_tmax": 0,
"s_tmin": 0,
"s_noise": 1,
"override_settings": {},
"override_settings_restore_afterwards": true,
"script_args": [],
"sampler_index": "Euler",
"include_init_images": false,
"script_name": "string",
"send_images": true,
"save_images": false,
"alwayson_scripts": {}
}
如果执行成功获得到对应结果，对应输出结构为：
{
"images": [
"string"
],
"parameters": {},
"info": "string"
}
更多
更多关于 ControlNet，Lora 以及 Tagger 等相关插件的描述，可以参考Stable Diffusion 扩展文档
- 所支持的 lora 可以参考案例列表：https://www.aigcaas.cn/category/13.html
- 关于 Prompt 等相关案例和文档，可以参考：https://www.aigcaas.cn/article/492.html
- 在进行调试和执行时，可能出现的错误：https://www.aigcaas.cn/article/39.html
温馨提示：
1. 本平台所提供 API 会产生相对应的金币消耗，这部分金币消耗是用于 API 调用时的 GPU 资源消耗，并非模型服务本身费用，模型均为开源模型，由第三方免费托管至本平台，如由第三方存在侵权行为等，请联系客服微信（B063-1206）进行处理；
2. 本平台在文章中可能会涉及到最佳实践，最佳案例以及相关带有"最"的描述，均指的是限定在本平台内，而非行业，不具有排他性；例如某文章如果说"这个实践操作可以算是最佳实践了"指的是仅限在当前平台内（AIGCaaS）中算是最佳实践，所以请各位在阅读时仔细辨别。另外，此处所说的"最佳"、"最"仅为举例，并不仅局限于这几个词，而是所有的类似词汇。
文生图（卡通）
总用量：119 次
文生图 API，通过上传文本信息可以获得对应的图片内容
请求地址
https://api.aigcaas.cn/v2/application/taiyisd/api/cttext2img
请求方式
post
请求参数
| 参数名 | 类型 | 位置 | 解释 |
|---|---|---|---|
| Nonce | string | headers | 防重放配置 随机字符串（最大长度64位，推荐20位）且10秒内不可重复 |
| Timestamp | string | headers | 发起请求时间戳 与服务器时间差小于10秒 |
| SecretID | string | headers | 密钥信息 密钥配置中的 secret_id 配置 |
| Token | string | headers | 签名结果 sha256(Timestamp, SecretKey, Nonce) |
| prompt | string | body | 提示词 绘画的文本描述（支持中文和英文描述），所支持的 lora 可以参考案例列表：https://www.aigcaas.cn/category/13.html |
| width | integer | body | 图片宽度 图片宽度，默认为512，一般情况下，尺寸越大品质越好，但是会更慢，而且会影响构图，例如一个人两个头等，推荐最大尺寸1080 |
| height | integer | body | 图片高度 图片宽度，默认为512，一般情况下，尺寸越大品质越好，但是会更慢，而且会影响构图，例如一个人两个头等，推荐最大尺寸1080 |
| negative_prompt | string | body | 反面描述内容 反面描述内容 |
| sampler_index | string | body | 采样方法 采样方法，默认为Euler，其他可选参数：Euler a,Euler,LMS,Heun,DPM2,DPM2 a,DPM++ 2S a,DPM++ 2M,DPM++ SDE,DPM++ 2M SDE,DPM fast,DPM adaptive,LMS Karras,DPM2 Karras,DPM2 a Karras,DPM++ 2S a Karras,DPM++ 2M Karras,DPM++ SDE Karras,DPM++ 2M SDE Karras,DDIM,PLMS,UniPC |
| steps | number | body | 生成步数 生成步数，默认50，通常20步到25步左右最为合适 |
| seed | number | body | 随机种子数 控制生成图片是否可复现，用于在潜空间中生成最张量的种子，控制图像的内容，每生成一个图像都有自己的种子值，默认为-1 |
| restore_faces | boolean | body | 恢复面部缺陷 应用了额外模型，该模型可以恢复面部缺陷，默认为 false |
| subseed | number | body | 附加种子值 附加种子值，测试更多种子码变化之用 |
| subseed_strength | number | body | 种子和variation seed之间的差值程度 种子和variation seed之间的差值程度，如果生成了两张图，可以通过第一个图为seed，第二个图为subseed，然后设置subseed strength在0-1之间的强度变化，那么会生成逐渐过渡的两个图。 |
| seed_resize_from_w | number | body | seed_resize_from_w 对应 UI 界面的 Resize seed from width；默认为-1 |
| seed_resize_from_h | number | body | seed_resize_from_h 对应 UI 界面的 Resize seed from height；默认为-1 |
| cfg_scale | number | body | CFG AI生图与你给的提示词的相关度，数值越高越会按照你说的内容下去生图。控制模型和prompt的匹配程度，1.忽视prompt， 3.更有创意，7，在prompt和freedom中取得平衡，15，遵守prompt，30，严格按照prompt |
| eta | number | body | 噪声种子 噪声种子（取值范围0.0-1.0） |
| styles | string | body | 风格 风格参数，格式为["string"] |
| enable_hr | boolean | body | 高清修复（Hires. fix） 可以提升图片的画质，但是会耗费更多VRAM |
| denoising_strength | number | body | 降噪强度 降噪强度，取值范围是0-1，默认设置0.75。取值越大，说明图片变化越大，0表示图片几乎不变，1表示可能严重偏离原图。一般将该参数设置在0.6~0.8范围； |
| hr_scale | number | body | 缩放系数 缩放系数；默认为2 |
| hr_upscaler | string | body | 要使用的放大器 高清修复模式下要使用的放大器 |
| hr_second_pass_steps | number | body | 高清修复步数 高清修复步数 |
| hr_resize_x | number | body | 高清修复制定尺寸 x 高清修复制定尺寸 x |
| hr_resize_y | number | body | 高清修复制定尺寸 y 高清修复制定尺寸 y |
| hr_prompt | string | body | 高清修复提示词 高清修复提示词 |
| hr_negative_prompt | string | body | 高清修复反面描述内容 高清修复反面描述内容 |
| tiling | string | body | 可平埔 生成可以平铺的周期性图像，默认为false |
| script_name | string | body | 脚本/命令名称 取值有prompt matrix（会生出一个表格图片，用于比对不同提示词生图的效果）, prompts from file or textbox（从写好提示词的文件生成图片）, x/y/z plot（用于比对不同提示词、采样方法、CFG Scale、种子码的组合所生图的效果），通常与脚本/命令参数（script_args）搭配使用 |
| script_args | string | body | 脚本/命令参数 一般用于 lor a模型或其他插件参数，例如：[0, true, true, "LoRA", "dingzhenlora_v1(fa7c1732cc95)", 1, 1] |
帮助详情
模型效果与案例请查看应用介绍
注意：为了让更多 Stable Diffusion WebUI 的用户可以快速与当前 API 兼容，所以当前 API 遵守了 Stable Diffusion WebUI 的规范，即参数的输入输出，都是和 Stable Diffusion WebUI 所暴露的参数保持一致：
1. 入参的具体参数和参数详情可以完全参考 Stable Diffusion WebUI
2. 输出结果中的图片参数，数一个数组，如果只有一张图则数组长度为1，如果有 n 张图，数组长度为 n，每个元素为图片 Base64 编码（需要用户手动补全 Base64 编码的图像标记data:image/png;base64,）
3. 为了让当前模型更有可玩性，当前模型支持 ControlNet 插件，并可以通过当前 API 直接使用
文生图 API，通过上传文本信息可以获得对应的图片内容。
完整参数
在模型参数部分，尽管已经提供了大量的参数可供在线调试，但是这些参数依旧不完整，完整参数列表可以参考以下参数内容
{
"enable_hr": false,
"denoising_strength": 0,
"firstphase_width": 0,
"firstphase_height": 0,
"hr_scale": 2,
"hr_upscaler": "string",
"hr_second_pass_steps": 0,
"hr_resize_x": 0,
"hr_resize_y": 0,
"hr_sampler_name": "string",
"hr_prompt": "",
"hr_negative_prompt": "",
"prompt": "",
"styles": [
"string"
],
"seed": -1,
"subseed": -1,
"subseed_strength": 0,
"seed_resize_from_h": -1,
"seed_resize_from_w": -1,
"sampler_name": "string",
"batch_size": 1,
"n_iter": 1,
"steps": 50,
"cfg_scale": 7,
"width": 512,
"height": 512,
"restore_faces": false,
"tiling": false,
"do_not_save_samples": false,
"do_not_save_grid": false,
"negative_prompt": "string",
"eta": 0,
"s_min_uncond": 0,
"s_churn": 0,
"s_tmax": 0,
"s_tmin": 0,
"s_noise": 1,
"override_settings": {},
"override_settings_restore_afterwards": true,
"script_args": [],
"sampler_index": "Euler",
"script_name": "string",
"send_images": true,
"save_images": false,
"alwayson_scripts": {}
}
如果执行成功获得到对应结果，对应输出结构为：
{
"images": [
"string"
],
"parameters": {},
"info": "string"
}
更多
更多关于 ControlNet，Lora 以及 Tagger 等相关插件的描述，可以参考Stable Diffusion 扩展文档
- 所支持的 lora 可以参考案例列表：https://www.aigcaas.cn/category/13.html
- 关于 Prompt 等相关案例和文档，可以参考：https://www.aigcaas.cn/article/492.html
- 在进行调试和执行时，可能出现的错误：https://www.aigcaas.cn/article/39.html
温馨提示：
1. 本平台所提供 API 会产生相对应的金币消耗，这部分金币消耗是用于 API 调用时的 GPU 资源消耗，并非模型服务本身费用，模型均为开源模型，由第三方免费托管至本平台，如由第三方存在侵权行为等，请联系客服微信（B063-1206）进行处理；
2. 本平台在文章中可能会涉及到最佳实践，最佳案例以及相关带有"最"的描述，均指的是限定在本平台内，而非行业，不具有排他性；例如某文章如果说"这个实践操作可以算是最佳实践了"指的是仅限在当前平台内（AIGCaaS）中算是最佳实践，所以请各位在阅读时仔细辨别。另外，此处所说的"最佳"、"最"仅为举例，并不仅局限于这几个词，而是所有的类似词汇。
图生图
总用量：10 次
图生图 API，通过上传图片信息与文本描述可以获得对应的图片处理结果
请求地址
https://api.aigcaas.cn/v2/application/taiyisd/api/defaultimg2img
请求方式
post
请求参数
| 参数名 | 类型 | 位置 | 解释 |
|---|---|---|---|
| Nonce | string | headers | 防重放配置 随机字符串（最大长度64位，推荐20位）且10秒内不可重复 |
| Timestamp | string | headers | 发起请求时间戳 与服务器时间差小于10秒 |
| SecretID | string | headers | 密钥信息 密钥配置中的 secret_id 配置 |
| Token | string | headers | 签名结果 sha256(Timestamp, SecretKey, Nonce) |
| init_images | string | body | 图片 初始化图片，数组格式，例如["图片1", "图片2"]，每个图片字符串为图片的 Base64 编码，不需要包括图片描述信息，例如“data:image/png;base64” |
| resize_mode | number | body | 缩放模式 缩放模式功能其实是指将素材区域的图片以什么样的方式进行加载，每一种加载方式都会影响输出的图像尺寸结果。取值从0到3，分别表示拉伸/Just Resize（简单的将图片缩放至指定比例，不保证原图尺寸比），裁剪/Crop And Resize（将图片按比例进行缩放，多余的直接裁剪掉），填充/Resize And Fill（图片按比例进行缩放，缺少的部分填充），隐空间直接缩放/Latent upScale（其实与前面三个不同，这个是常用于图像超分辨率的快捷选项，低显存谨慎使用） |
| prompt | string | body | 提示词 绘画的文本描述（支持中文和英文描述），所支持的 lora 可以参考案例列表：https://www.aigcaas.cn/category/13.html |
| width | integer | body | 图片宽度 图片宽度，默认为512，一般情况下，尺寸越大品质越好，但是会更慢，而且会影响构图，例如一个人两个头等，推荐最大尺寸1080 |
| height | integer | body | 图片高度 图片宽度，默认为512，一般情况下，尺寸越大品质越好，但是会更慢，而且会影响构图，例如一个人两个头等，推荐最大尺寸1080 |
| negative_prompt | string | body | 反面描述内容 反面描述内容 |
| sampler_index | string | body | 采样方法 采样方法，默认为Euler，其他可选参数：Euler a,Euler,LMS,Heun,DPM2,DPM2 a,DPM++ 2S a,DPM++ 2M,DPM++ SDE,DPM++ 2M SDE,DPM fast,DPM adaptive,LMS Karras,DPM2 Karras,DPM2 a Karras,DPM++ 2S a Karras,DPM++ 2M Karras,DPM++ SDE Karras,DPM++ 2M SDE Karras,DDIM,PLMS,UniPC |
| steps | number | body | 生成步数 生成步数，默认50，通常20步到25步左右最为合适 |
| seed | number | body | 随机种子数 控制生成图片是否可复现，用于在潜空间中生成最张量的种子，控制图像的内容，每生成一个图像都有自己的种子值，默认为-1 |
| mask | string | body | 遮罩 遮罩参数，需要时图片的 Base64 格式，但不需要包括图片描述信息，例如“data:image/png;base64” |
| mask_blur | number | body | 遮罩/蒙版模糊 遮罩/蒙版模糊参数，默认为4 |
| inpainting_fill | number | body | 蒙版遮住的内容 蒙版遮住的内容， 0填充， 1原图 2潜空间噪声 3潜空间数值零 |
| inpaint_full_res | string | body | 修补区 修复区域，false：整个图片，true：仅蒙版；默认为true |
| inpaint_full_res_padding | string | body | 修补区内边距 修补区内边距，默认为0 |
| inpainting_mask_invert | string | body | 蒙版模式 蒙版模式 0表示重绘蒙版内容，1表示重绘非蒙版内容，默认为0 |
| restore_faces | boolean | body | 恢复面部缺陷 应用了额外模型，该模型可以恢复面部缺陷，默认为 false |
| subseed | number | body | 附加种子值 附加种子值，测试更多种子码变化之用 |
| subseed_strength | number | body | 种子和variation seed之间的差值程度 种子和variation seed之间的差值程度，如果生成了两张图，可以通过第一个图为seed，第二个图为subseed，然后设置subseed strength在0-1之间的强度变化，那么会生成逐渐过渡的两个图。 |
| seed_resize_from_w | number | body | seed_resize_from_w 对应 UI 界面的 Resize seed from width；默认为-1 |
| seed_resize_from_h | number | body | seed_resize_from_h 对应 UI 界面的 Resize seed from height；默认为-1 |
| cfg_scale | number | body | CFG AI生图与你给的提示词的相关度，数值越高越会按照你说的内容下去生图。控制模型和prompt的匹配程度，1.忽视prompt， 3.更有创意，7，在prompt和freedom中取得平衡，15，遵守prompt，30，严格按照prompt |
| eta | number | body | 噪声种子 噪声种子（取值范围0.0-1.0） |
| styles | string | body | 风格 风格参数，格式为["string"] |
| denoising_strength | number | body | 降噪强度 降噪强度，取值范围是0-1，默认设置0.75。取值越大，说明图片变化越大，0表示图片几乎不变，1表示可能严重偏离原图。一般将该参数设置在0.6~0.8范围； |
| hr_scale | number | body | 缩放系数 缩放系数；默认为2 |
| tiling | string | body | 可平埔 生成可以平铺的周期性图像，默认为false |
| script_name | string | body | 脚本/命令名称 取值有prompt matrix（会生出一个表格图片，用于比对不同提示词生图的效果）, prompts from file or textbox（从写好提示词的文件生成图片）, x/y/z plot（用于比对不同提示词、采样方法、CFG Scale、种子码的组合所生图的效果），通常与脚本/命令参数（script_args）搭配使用 |
| script_args | string | body | 脚本/命令参数 一般用于 lor a模型或其他插件参数，例如：[0, true, true, "LoRA", "dingzhenlora_v1(fa7c1732cc95)", 1, 1] |
帮助详情
模型效果与案例请查看应用介绍
注意：为了让更多 Stable Diffusion WebUI 的用户可以快速与当前 API 兼容，所以当前 API 遵守了 Stable Diffusion WebUI 的规范，即参数的输入输出，都是和 Stable Diffusion WebUI 所暴露的参数保持一致：
1. 入参的具体参数和参数详情可以完全参考 Stable Diffusion WebUI
2. 输出结果中的图片参数，数一个数组，如果只有一张图则数组长度为1，如果有 n 张图，数组长度为 n，每个元素为图片 Base64 编码（需要用户手动补全 Base64 编码的图像标记data:image/png;base64,）
图生图 API，通过上传图片信息与文本描述可以获得对应的图片处理结果。
完整参数
在模型参数部分，尽管已经提供了大量的参数可供在线调试，但是这些参数依旧不完整，完整参数列表可以参考以下参数内容
{
"init_images": [
"string"
],
"resize_mode": 0,
"denoising_strength": 0.75,
"image_cfg_scale": 0,
"mask": "string",
"mask_blur": 4,
"inpainting_fill": 0,
"inpaint_full_res": true,
"inpaint_full_res_padding": 0,
"inpainting_mask_invert": 0,
"initial_noise_multiplier": 0,
"prompt": "",
"styles": [
"string"
],
"seed": -1,
"subseed": -1,
"subseed_strength": 0,
"seed_resize_from_h": -1,
"seed_resize_from_w": -1,
"sampler_name": "string",
"batch_size": 1,
"n_iter": 1,
"steps": 50,
"cfg_scale": 7,
"width": 512,
"height": 512,
"restore_faces": false,
"tiling": false,
"do_not_save_samples": false,
"do_not_save_grid": false,
"negative_prompt": "string",
"eta": 0,
"s_min_uncond": 0,
"s_churn": 0,
"s_tmax": 0,
"s_tmin": 0,
"s_noise": 1,
"override_settings": {},
"override_settings_restore_afterwards": true,
"script_args": [],
"sampler_index": "Euler",
"include_init_images": false,
"script_name": "string",
"send_images": true,
"save_images": false,
"alwayson_scripts": {}
}
如果执行成功获得到对应结果，对应输出结构为：
{
"images": [
"string"
],
"parameters": {},
"info": "string"
}
更多
更多关于 ControlNet，Lora 以及 Tagger 等相关插件的描述，可以参考Stable Diffusion 扩展文档
- 所支持的 lora 可以参考案例列表：https://www.aigcaas.cn/category/13.html
- 关于 Prompt 等相关案例和文档，可以参考：https://www.aigcaas.cn/article/492.html
- 在进行调试和执行时，可能出现的错误：https://www.aigcaas.cn/article/39.html
温馨提示：
1. 本平台所提供 API 会产生相对应的金币消耗，这部分金币消耗是用于 API 调用时的 GPU 资源消耗，并非模型服务本身费用，模型均为开源模型，由第三方免费托管至本平台，如由第三方存在侵权行为等，请联系客服微信（B063-1206）进行处理；
2. 本平台在文章中可能会涉及到最佳实践，最佳案例以及相关带有"最"的描述，均指的是限定在本平台内，而非行业，不具有排他性；例如某文章如果说"这个实践操作可以算是最佳实践了"指的是仅限在当前平台内（AIGCaaS）中算是最佳实践，所以请各位在阅读时仔细辨别。另外，此处所说的"最佳"、"最"仅为举例，并不仅局限于这几个词，而是所有的类似词汇。
文生图
总用量：85 次
文生图 API，通过上传文本信息可以获得对应的图片内容
请求地址
https://api.aigcaas.cn/v2/application/taiyisd/api/defaulttext2img
请求方式
post
请求参数
| 参数名 | 类型 | 位置 | 解释 |
|---|---|---|---|
| Nonce | string | headers | 防重放配置 随机字符串（最大长度64位，推荐20位）且10秒内不可重复 |
| Timestamp | string | headers | 发起请求时间戳 与服务器时间差小于10秒 |
| SecretID | string | headers | 密钥信息 密钥配置中的 secret_id 配置 |
| Token | string | headers | 签名结果 sha256(Timestamp, SecretKey, Nonce) |
| prompt | string | body | 提示词 绘画的文本描述（支持中文和英文描述），所支持的 lora 可以参考案例列表：https://www.aigcaas.cn/category/13.html |
| width | integer | body | 图片宽度 图片宽度，默认为512，一般情况下，尺寸越大品质越好，但是会更慢，而且会影响构图，例如一个人两个头等，推荐最大尺寸1080 |
| height | integer | body | 图片高度 图片宽度，默认为512，一般情况下，尺寸越大品质越好，但是会更慢，而且会影响构图，例如一个人两个头等，推荐最大尺寸1080 |
| negative_prompt | string | body | 反面描述内容 反面描述内容 |
| sampler_index | string | body | 采样方法 采样方法，默认为Euler，其他可选参数：Euler a,Euler,LMS,Heun,DPM2,DPM2 a,DPM++ 2S a,DPM++ 2M,DPM++ SDE,DPM++ 2M SDE,DPM fast,DPM adaptive,LMS Karras,DPM2 Karras,DPM2 a Karras,DPM++ 2S a Karras,DPM++ 2M Karras,DPM++ SDE Karras,DPM++ 2M SDE Karras,DDIM,PLMS,UniPC |
| steps | number | body | 生成步数 生成步数，默认50，通常20步到25步左右最为合适 |
| seed | number | body | 随机种子数 控制生成图片是否可复现，用于在潜空间中生成最张量的种子，控制图像的内容，每生成一个图像都有自己的种子值，默认为-1 |
| restore_faces | boolean | body | 恢复面部缺陷 应用了额外模型，该模型可以恢复面部缺陷，默认为 false |
| subseed | number | body | 附加种子值 附加种子值，测试更多种子码变化之用 |
| subseed_strength | number | body | 种子和variation seed之间的差值程度 种子和variation seed之间的差值程度，如果生成了两张图，可以通过第一个图为seed，第二个图为subseed，然后设置subseed strength在0-1之间的强度变化，那么会生成逐渐过渡的两个图。 |
| seed_resize_from_w | number | body | seed_resize_from_w 对应 UI 界面的 Resize seed from width；默认为-1 |
| seed_resize_from_h | number | body | seed_resize_from_h 对应 UI 界面的 Resize seed from height；默认为-1 |
| cfg_scale | number | body | CFG AI生图与你给的提示词的相关度，数值越高越会按照你说的内容下去生图。控制模型和prompt的匹配程度，1.忽视prompt， 3.更有创意，7，在prompt和freedom中取得平衡，15，遵守prompt，30，严格按照prompt |
| eta | number | body | 噪声种子 噪声种子（取值范围0.0-1.0） |
| styles | string | body | 风格 风格参数，格式为["string"] |
| enable_hr | boolean | body | 高清修复（Hires. fix） 可以提升图片的画质，但是会耗费更多VRAM |
| denoising_strength | number | body | 降噪强度 降噪强度，取值范围是0-1，默认设置0.75。取值越大，说明图片变化越大，0表示图片几乎不变，1表示可能严重偏离原图。一般将该参数设置在0.6~0.8范围； |
| hr_scale | number | body | 缩放系数 缩放系数；默认为2 |
| hr_upscaler | string | body | 要使用的放大器 高清修复模式下要使用的放大器 |
| hr_second_pass_steps | number | body | 高清修复步数 高清修复步数 |
| hr_resize_x | number | body | 高清修复制定尺寸 x 高清修复制定尺寸 x |
| hr_resize_y | number | body | 高清修复制定尺寸 y 高清修复制定尺寸 y |
| hr_prompt | string | body | 高清修复提示词 高清修复提示词 |
| hr_negative_prompt | string | body | 高清修复反面描述内容 高清修复反面描述内容 |
| tiling | string | body | 可平埔 生成可以平铺的周期性图像，默认为false |
| script_name | string | body | 脚本/命令名称 取值有prompt matrix（会生出一个表格图片，用于比对不同提示词生图的效果）, prompts from file or textbox（从写好提示词的文件生成图片）, x/y/z plot（用于比对不同提示词、采样方法、CFG Scale、种子码的组合所生图的效果），通常与脚本/命令参数（script_args）搭配使用 |
| script_args | string | body | 脚本/命令参数 一般用于 lor a模型或其他插件参数，例如：[0, true, true, "LoRA", "dingzhenlora_v1(fa7c1732cc95)", 1, 1] |
帮助详情
模型效果与案例请查看应用介绍
注意：为了让更多 Stable Diffusion WebUI 的用户可以快速与当前 API 兼容，所以当前 API 遵守了 Stable Diffusion WebUI 的规范，即参数的输入输出，都是和 Stable Diffusion WebUI 所暴露的参数保持一致：
1. 入参的具体参数和参数详情可以完全参考 Stable Diffusion WebUI
2. 输出结果中的图片参数，数一个数组，如果只有一张图则数组长度为1，如果有 n 张图，数组长度为 n，每个元素为图片 Base64 编码（需要用户手动补全 Base64 编码的图像标记data:image/png;base64,）
3. 为了让当前模型更有可玩性，当前模型支持 ControlNet 插件，并可以通过当前 API 直接使用
文生图 API，通过上传文本信息可以获得对应的图片内容。
完整参数
在模型参数部分，尽管已经提供了大量的参数可供在线调试，但是这些参数依旧不完整，完整参数列表可以参考以下参数内容
{
"enable_hr": false,
"denoising_strength": 0,
"firstphase_width": 0,
"firstphase_height": 0,
"hr_scale": 2,
"hr_upscaler": "string",
"hr_second_pass_steps": 0,
"hr_resize_x": 0,
"hr_resize_y": 0,
"hr_sampler_name": "string",
"hr_prompt": "",
"hr_negative_prompt": "",
"prompt": "",
"styles": [
"string"
],
"seed": -1,
"subseed": -1,
"subseed_strength": 0,
"seed_resize_from_h": -1,
"seed_resize_from_w": -1,
"sampler_name": "string",
"batch_size": 1,
"n_iter": 1,
"steps": 50,
"cfg_scale": 7,
"width": 512,
"height": 512,
"restore_faces": false,
"tiling": false,
"do_not_save_samples": false,
"do_not_save_grid": false,
"negative_prompt": "string",
"eta": 0,
"s_min_uncond": 0,
"s_churn": 0,
"s_tmax": 0,
"s_tmin": 0,
"s_noise": 1,
"override_settings": {},
"override_settings_restore_afterwards": true,
"script_args": [],
"sampler_index": "Euler",
"script_name": "string",
"send_images": true,
"save_images": false,
"alwayson_scripts": {}
}
如果执行成功获得到对应结果，对应输出结构为：
{
"images": [
"string"
],
"parameters": {},
"info": "string"
}
更多
更多关于 ControlNet，Lora 以及 Tagger 等相关插件的描述，可以参考Stable Diffusion 扩展文档
- 所支持的 lora 可以参考案例列表：https://www.aigcaas.cn/category/13.html
- 关于 Prompt 等相关案例和文档，可以参考：https://www.aigcaas.cn/article/492.html
- 在进行调试和执行时，可能出现的错误：https://www.aigcaas.cn/article/39.html
温馨提示：
1. 本平台所提供 API 会产生相对应的金币消耗，这部分金币消耗是用于 API 调用时的 GPU 资源消耗，并非模型服务本身费用，模型均为开源模型，由第三方免费托管至本平台，如由第三方存在侵权行为等，请联系客服微信（B063-1206）进行处理；
2. 本平台在文章中可能会涉及到最佳实践，最佳案例以及相关带有"最"的描述，均指的是限定在本平台内，而非行业，不具有排他性；例如某文章如果说"这个实践操作可以算是最佳实践了"指的是仅限在当前平台内（AIGCaaS）中算是最佳实践，所以请各位在阅读时仔细辨别。另外，此处所说的"最佳"、"最"仅为举例，并不仅局限于这几个词，而是所有的类似词汇。
13500993691
2023年4月15日 04:17好应用