Stability.ai 穩定擴散 3.5 大型 - Amazon Bedrock

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

Stability.ai 穩定擴散 3.5 大型

穩定擴散 3.5 大型模型使用 80 億個參數，並支援 100 萬像素解析度輸出，用於產生text-to-image和image-to-image。

請求內文會在請求的 body欄位中傳遞給 InvokeModel。

模型調用請求內文欄位

當您使用穩定擴散 3.5 大型模型進行 InvokeModel 呼叫時，請以如下所示的 JSON 物件填入內文欄位。

  • prompt – （字串） 所需輸出影像的文字描述。最多 10，000 個字元。

    下限 最大

    0

    10,000

模型調用回應內文欄位

當您使用穩定擴散 3.5 大型模型進行InvokeModel呼叫時，回應如下所示

{
    'seeds': [2130420379], 
    "finish_reasons":[null], 
    "images":["..."]
}

完整原因不是 的回應null會如下所示：

{
    "finish_reasons":["Filter reason: prompt"]
}

  • seeds – （字串） 用於為模型產生映像的種子清單。

  • finish_reasons – Enum 指出請求是否已篩選。 null會指出請求成功。目前可能的值："Filter reason: prompt", "Filter reason: output image", "Filter reason: input image", "Inference error", null。

  • 映像 – base64 字串格式的產生映像清單。

Text to image

Stability.ai Stable Diffusion 3.5 Large 模型具有下列文字text-to-image推論呼叫的推論參數。

  • prompt （字串） – 所需輸出影像的文字描述。最多 10，000 個字元。

    下限 最大
    0 10,000

選用參數

  • aspect_ratio （字串） – 控制所產生影像的長寬比。僅適用於text-to-image請求。列舉：16：9、1：1、21：9、2：3、3：2、4：5、5：4、9：16、9：21。預設 1：1。

  • mode （字串） (GenerationMode) - 預設：text-to-image。列舉：image-to-image或text-to-image。控制這是text-to-image還是image-to-image產生，這會影響需要哪些參數：

    • text-to-image 只需要提示參數。

    • image-to-image需要提示、影像和強度參數。

  • seed (number) – 用於控制產生隨機性的值。範圍從 0 到 4294967294。預設 0 （隨機種子）。

    下限 最大 預設
    0 4294967294 0

  • negative_prompt （字串） – 描述要從輸出映像中排除之元素的文字。最多 10，000 個字元。

    下限 最大
    0 10,000

  • cfg_scale (number) – 控制對提示文字的遵循。較高的值會增加提示遵循。範圍 1 到 10。預設 4。

    下限 最大 預設
    1 10 4

  • style_preset （字串） – 套用特定的視覺效果樣式。Enum： 3d-model、類比影片、anime、電影、漫畫書、數位藝術、增強、幻想藝術、等角、線藝術、低聚、建模複合、霓虹像素、origami、相片、像素藝術、圖磚紋理。

  • output_format （字串） – 輸出影像格式。列舉：jpeg、png、Webp。預設 png。


import boto3
import json

bedrock = boto3.client('bedrock-runtime', region_name='us-west-2')
response = bedrock.invoke_model(
    modelId='us.stability.sd3-5-large-v1:0',
    body=json.dumps({
        'prompt': 'A car made out of vegetables.'
    })
)
Image to image

Stability.ai Stable Diffusion 3.5 Large 模型具有下列適用於image-to-image推論呼叫的推論參數。

  • prompt （字串） – 所需輸出影像的文字描述。最多 10，000 個字元。

    下限 最大
    0 10,000

  • image （字串） – Base64-encoded輸入影像。每邊至少 64 個像素。支援的格式：jpeg、png、Webp。

  • mode （字串） (GenerationMode) - 預設：text-to-image。列舉：image-to-image或text-to-image。控制這是text-to-image還是image-to-image產生，這會影響需要哪些參數：

    • text-to-image 只需要提示參數。

    • image-to-image需要提示、影像和強度參數。

  • strength （數字） – 控制輸入影像對輸出的影響。範圍 0 到 1。值 0 會保留輸入影像，值 1 會忽略輸入影像。

    下限 最大
    0 1

  • seed (number) – 用於控制產生隨機性的值。範圍從 0 到 4294967294。預設 0 （隨機種子）。

    下限 最大 預設
    0 4294967294 0

  • negative_prompt （字串） – 描述要從輸出映像中排除之元素的文字。最多 10，000 個字元。

    下限 最大
    0 10,000

  • cfg_scale (number) – 控制對提示文字的遵循。較高的值會增加提示遵循。範圍 1 到 10。預設 4。

    下限 最大 預設
    1 10 4

  • style_preset （字串） – 套用特定的視覺效果樣式。Enum： 3d-model、類比影片、anime、電影、漫畫書、數位藝術、增強、幻想藝術、等角、線藝術、低聚、建模複合、霓虹像素、origami、相片、像素藝術、圖磚紋理。

  • output_format （字串） – 輸出影像格式。列舉：jpeg、png、Webp。預設 png。


import boto3
import base64
import json

# Load and encode image
with open('input_image.jpg', 'rb') as image_file:
    image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

bedrock = boto3.client('bedrock-runtime', region_name='us-west-2')
response = bedrock.invoke_model(
    modelId='us.stability.sd3-5-large-v1:0',
    body=json.dumps({
        'prompt': 'A car made out of vegetables.',
        'image': image_base64,
        'strength': 0.7
    })
)