Bilder aus Text-Prompts erzeugen

🤖/image/generate erzeugt mithilfe von KI Bilder aus Text-Prompts.

Anwendungsbeispiel

{
  "steps": {
    ":original": {
      "robot": "/upload/handle"
    },
    "inpainted": {
      "robot": "/image/generate",
      "use": [
        {
          "name": ":original",
          "as": "image"
        },
        {
          "name": ":original",
          "as": "mask"
        }
      ],
      "model": "google/nano-banana-pro",
      "prompt": "Replace the masked area with a breaching whale. Keep the rest of the image unchanged.",
      "format": "png"
    }
  }
}

Parameter

• interpolate

  boolean | Record<string, boolean>

  Steuert, ob einzelne Robot-Anweisungsfelder Assembly Variables interpolieren.

  Standardmäßig interpolieren die meisten Robot-Anweisungsfelder Assembly Variables. Mit dem Wert false behandeln Sie alle Anweisungsfelder als Literaltext. Wenn Sie stattdessen einen einzelnen Feldpfad auf false setzen, wird nur dieses Feld als Literaltext behandelt. Bei Feldern eines bestimmten Robots, die standardmäßig als Literaltext behandelt werden, aktivieren Sie die Interpolation wieder, indem Sie hierfür true festlegen oder für den jeweiligen Feldpfad den Wert true verwenden.

  Verwenden Sie Feldnamen wie path oder für verschachtelte Objekte Punktpfade wie ffmpeg.vf als Pfadangabe.

• output_meta

  Record<string, boolean> | boolean | Array<string>

  Damit können Sie eine Reihe von Metadaten festlegen, deren Berechnung mehr CPU-Ressourcen beansprucht. Sie sind daher standardmäßig deaktiviert, damit Ihre Assemblies schnell verarbeitet werden.

  Für Bilder können Sie diesem Objekt den Eintrag "has_transparency": true hinzufügen, um zu ermitteln, ob das Bild transparente Bereiche enthält. Mit dem Eintrag "dominant_colors": true können Sie außerdem ein Array mit hexadezimalen Farbcodes aus dem Bild extrahieren.

  Für Bilder können Sie auch den Eintrag "blurhash": true hinzufügen, um einen BlurHash⁠ zu extrahieren – eine kompakte Darstellung eines Platzhalters für das Bild, mit der Sie eine unscharfe Vorschau anzeigen können, während das vollständige Bild geladen wird.

  Für Videos können Sie den Parameter "colorspace": true hinzufügen, um den Farbraum des Ausgabevideos zu extrahieren.

  Für Videos können Sie außerdem den Eintrag "interlaced": true hinzufügen, um zu erkennen, ob das Video im Zeilensprungverfahren vorliegt. Dazu wird die ressourcenschonende ffprobe-Option field_order mit einem begrenzten Stichprobendurchlauf mithilfe von idet über die ersten Frames der Quelle kombiniert. Die Ergebnisse interlaced und field_order sowie das Diagnoseobjekt interlace_detection werden dabei unter file.meta ausgegeben. Dies ist rechenintensiv und wird entsprechend abgerechnet.

  Für Audio können Sie den Eintrag "mean_volume": true hinzufügen, um einen einzelnen Wert für die durchschnittliche Lautstärke der Audiodatei zu erhalten.

  Sie können diesen Parameter auch auf false setzen, um die Metadatenextraktion zu überspringen und das Transcoding zu beschleunigen.

• user_meta

  Record<string, any>(Standard: {})

  Fügt jeder von diesem Robot ausgegebenen Datei benutzerdefinierte Metadaten hinzu, ohne den Dateiinhalt zu verändern.

  Die Werte werden mit allen bereits in der Eingabedatei enthaltenen user_meta zusammengeführt. Wenn beide Objekte denselben Schlüssel enthalten, hat der Wert dieses Robots Vorrang. Assembly Variables werden unterstützt, zum Beispiel { "internal_file_id": "${file.id}" }.

• queue

  batch

  Wenn Sie die Queue auf „batch“ setzen, wird die Priorität der Jobs für diesen Step manuell herabgestuft. So vermeiden Sie, Priority Job Slots für Jobs zu belegen, die keine Wartezeit von null in der Queue benötigen.

• force_accept

  boolean(Standard: false)

  Erzwingt, dass ein Robot einen Dateityp akzeptiert, den er sonst ignorieren würde.

  Standardmäßig ignorieren Robots Dateien, deren Typ sie nicht kennen. 🤖/video/encode ignoriert beispielsweise problemlos Eingabebilder.

  Wenn Sie den Parameter force_accept auf true setzen, können Sie erzwingen, dass Robots alle übergebenen Dateien akzeptieren. Dies führt in der Regel zu Fehlern und sollte nur zur Fehlersuche oder zur Behandlung von Grenzfällen verwendet werden.

• ignore_errors

  boolean | Array<meta | execute>(Standard: [])

  Fehler in bestimmten Verarbeitungsphasen ignorieren.

  Wenn Sie hierfür ["meta"] festlegen, ignoriert der Robot Fehler bei der Metadatenextraktion.

  Wenn Sie hierfür ["execute"] festlegen, ignoriert der Robot Fehler während der Hauptausführungsphase.

  Wenn Sie hierfür true festlegen, entspricht dies ["meta", "execute"] und Fehler in beiden Phasen werden ignoriert.

• use

  string | Array<string> | Array<object> | object

  Gibt an, welche Steps als Eingabe verwendet werden sollen.

  Stellen Sie für Inpainting sowohl das Quellbild als auch die Maske über use bereit, in der Regel so:

  {
    "use": [
      { "name": ":original", "as": "image" },
      { "name": ":original", "as": "mask" }
    ]
  }
  

  Bewährte Verfahren:

  • Kennzeichnen Sie die Eingaben für Quellbild und Maske explizit mit as (oder aussagekräftigen Upload-Feldnamen)
  • Konzentrieren Sie den Prompt darauf, was sich im maskierten bzw. transparenten Bereich ändern soll
  • Verwenden Sie die Voreinstellungen des Robots für die Modell- und Anbieterauswahl, sofern Sie keinen konkreten Bedarf haben

• model

  string

  Das zu verwendende KI-Modell. Standardmäßig wird google/nano-banana verwendet. Zu den unterstützten Modellen gehören flux-1.1-pro-ultra, flux-schnell, recraft-v3, google/nano-banana, google/nano-banana-2, google/nano-banana-pro, openai/gpt-image-2 und stability-ai/stable-diffusion-inpainting. Aus Gründen der Abwärtskompatibilität wird auch der veraltete Alias gpt-image-2 akzeptiert.

• prompt — erforderlich

  string

  Prompt, der das gewünschte Bild beschreibt. Beschreiben Sie beim Inpainting, was im maskierten bzw. transparenten Bereich erscheinen soll und dass der Rest unverändert bleiben soll.

• format

  jpeg | jpg | png | gif | webp | svg

  Ausgabeformat. Die Standardeinstellung hängt vom Modell ab: png für Google-Modelle und openai/gpt-image-2, svg für recraft-v3 und jpeg für andere Modelle. Google-Modelle geben derzeit ausschließlich PNG zurück.

• seed

  string | number

  Seed für den Zufallszahlengenerator.

• aspect_ratio

  string

  Gewünschtes Seitenverhältnis der Ausgabe. Bei Google-Modellen können auch Breite und Höhe verwendet werden; die Ausrichtung wird automatisch abgeleitet, wenn aspect_ratio nicht angegeben ist.

• height

  string | number

  Gewünschte Ausgabehöhe in Pixeln (wird hauptsächlich von Google-Bildmodellen und openai/gpt-image-2 verwendet).

• width

  string | number

  Gewünschte Ausgabebreite in Pixeln (wird hauptsächlich von Google-Bildmodellen und openai/gpt-image-2 verwendet).

• style

  string

  Stil des erzeugten Bilds.

• num_outputs

  string | number

  Anzahl der zu erzeugenden Ausgabevarianten (1-10).

• provider

  string(Standard: "auto")

  Wählt anhand Ihrer Anfrage den besten Anbieter aus.

Demos

Verwandte Blogbeiträge