在亚马逊云科技上用Stable Diffusion 3.5 Large生成赛博朋克风图片（下）

背景介绍

在2024年的亚马逊云科技re:Invent大会上提前预告发布的Stable Diffusion 3.5 Large，现在已经在Amazon Bedrock上线了！各位开发者们现在可以使用该模型，根据文本提示词文生图生成高质量的图片，并且支持多种图片风格生成，助力媒体、游戏、广告和零售等行业的开发者们加速概念艺术、视觉特效以及精修产品宣传图的生成创作。

2024年10月，图像生成模型厂商Stability AI发布了Stable Diffusion 3.5 Large，这是Stable Diffusion系列中目前最强大的模型，拥有81亿个参数，值得一提的是该模型也是在Amazon SageMaker HyperPod上进行训练的，该模型可以生成极高的图像质量并具有出色的提示词匹配能力。Stable Diffusion 3.5 Large可增效开发者们在故事插画制作、概念艺术创作以及视觉特效应用的快速原型开发。大家可以快速生成高质量的高达1兆像素图片，适用于媒体营销活动、社交媒体文章插图和广告，既可以节省时间和资源，又能以上场景中的增强图像创意效果。

在本系列的上篇中，我们介绍了在亚马逊云科技控制台中，通过Stable Diffusion 3.5 Large模型生成图片的具体步骤操作，手把手和大家生成了一个赛博朋克风的图片。在本系列的下篇中，我们将通过API调用的方式进行图片生成，并展示Stable Diffusion 3.5 Large模型更多的图片生成场景。

如果调用Python SDK API生成图片？

下面小李哥会分享通过两种方式调用Stable Diffusion 3.5 Large生成图片。首先要介绍的是通过aws cli命令行调用图片生成的api - invoke-model。我们接下来会在命令工具中通过一条命令获取生成的图像，并将输出的JSON格式响应以标准格式输出，并使用jq工具提取编码后的图像，最后将其解码并将结果写入img.png文件，直接打开即可获取输出的图像。

以下是 AWS CLI 命令的示例：

$ aws bedrock-runtime invoke-model \--model-id stability.sd3-5-large-v1:0 \--body "{\"prompt\":\"High-energy street scene in a neon-lit Tokyo alley at night, where steam rises from food carts, and colorful neon signs illuminate the rain-slicked pavement.\",\"mode\":\"text-to-image\",\"aspect_ratio\":\"1:1\",\"output_format\":\"jpeg\",\"seed\":0}" \--cli-binary-format raw-in-base64-out \--region us-west-2 \
/dev/stdout | jq -r '.images[0]' | base64 --decode > img.jpg

如果大家希望在生成式AI应用中集成Stable Diffusion 3.5 Large模型，可以使用亚马逊云科技的SDK for Python（Boto3）。接下来我将分享调用模型生成图片的代码段，使用的模型是Stable Image Ultra 1.1（该模型的底层架构即为Stable Diffusion 3.5 Large）。下面这个代码段会在请求中添加文本到图像的提示词，并调用Amazon Bedrock生成图像，使用的模型ID为“stability.stable-image-ultra-v1:1”。

import base64
import boto3
import json
import osMODEL_ID = "stability.stable-image-ultra-v1:1"bedrock_runtime = boto3.client("bedrock-runtime", region_name="us-west-2")print("Enter a prompt for the text-to-image model:")
prompt = input()body = {"prompt": prompt,"mode": "text-to-image"
}
response = bedrock_runtime.invoke_model(modelId=MODEL_ID, body=json.dumps(body))model_response = json.loads(response["body"].read())base64_image_data = model_response["images"][0]i, output_dir = 1, "output"
if not os.path.exists(output_dir):os.makedirs(output_dir)
while os.path.exists(os.path.join(output_dir, f"img_{i}.png")):i += 1image_data = base64.b64decode(base64_image_data)image_path = os.path.join(output_dir, f"img_{i}.png")
with open(image_path, "wb") as file:file.write(image_data)print(f"The generated image has been saved to {image_path}")

该代码段生成的图像会被存储在本地文件系统的目录中，如果该目录不存在，程序会自动创建一个文件夹目录。为了避免覆盖已有的文件，代码会检查目录中是否存在同名文件，并自动将新生成的图片命名为img_<number>.png 格式，确保文件名称的唯一性。

想要了解更多关于调用Bedrock上的模型生成内容的细节，大家可以访问Amazon Bedrock Invoke API代码示例页面，学习如何使用不同的编程语言来构建不同种类的生成式AI应用。

其他风格/场景图片生成展示

以下是使用 Stable Diffusion 3.5 Large 生成的一些其他场景的示例图片：

提示词1：生成学生正使用Amazon Bedrock的图片

Prompt: Full-body university students working on a tech project with the words Stable Diffusion 3.5 in Amazon Bedrock, cheerful cursive typography font in the foreground.

提示词2：生成三种不同颜色的药剂

Prompt: Photo of three potions: the first potion is blue with the label "MANA", the second potion is red with the label "HEALTH", the third potion is green with the label "POISON". Old apothecary.