Project Icon

sd-webui-go

Golang版Stable Diffusion WebUI API集成

sd-webui-go是一个基于Golang的Stable Diffusion WebUI SDK,支持对象导向操作的API调用。SDK提供'intersvc'和'go-swagger'双模式操作,'intersvc'高度封装API接口,简化使用,'go-swagger'具备更广泛接口支持但操作复杂度更高。项目支持扩展API,配有详细的示例代码和贡献指南,便于开发者快速上手。

sd-webui-go

SD-WEBUI-GO

Golang SDK for stable-diffusion-webui 的 API

贡献者中有 AUTOMATIC1111,这是我的一个小玩笑😂。

在此,诚挚感谢 AUTOMATIC1111 对 AIGC 的巨大贡献

license go release GoReportCard Discord Server

这是一个基于 stable-diffusion-webui 的 Go 语言版本 SDK。在您的代码中,可以通过面向对象的操作直接使用 stable-diffusion-webui 的 API 接口,而不需要处理繁琐的 JSON。

支持扩展 API !

您可以在这个 wiki 页面 查看 intersvc 的支持列表。

使用方法

有两种方法可以使用这个 SDK。

  • 使用 'intersvc',它为 'sd-webui' 提供了高度封装的 API 接口。使用此方法感觉像是在直接使用 'sd-webui' 的 Go 语言版本。

  • 使用 'go-swagger',虽然仍然涉及面向对象的操作,但比 'intersvc' 略复杂。

第二种方法几乎支持所有接口,而第一种方法正逐步得到支持。

实际上,大部分接口可以通过 'intersvc' 使用,但需要定义响应。'sd-webui' 的 API 文档没有提供响应的内容,所以需要手动定义。您可以参考下面的 "参与" 部分的具体说明。

go-swagger 的 text2img

package main

import (
	"encoding/base64"
	"fmt"

	SdClient "github.com/SpenserCai/sd-webui-go"
	SdApiOperation "github.com/SpenserCai/sd-webui-go/stablediffusion/client/operations"
	SdApiModel "github.com/SpenserCai/sd-webui-go/stablediffusion/models"
)

func MustBeNil(err error) {
	if err != nil {
		panic(err)
	}
}

var URL = "127.0.0.1:7860"

func main() {
	sdClient := SdClient.NewStableDiffInterface(URL)

	rd := SdApiOperation.NewText2imgapiSdapiV1Txt2imgPostParams()
	rd.Body = &SdApiModel.StableDiffusionProcessingTxt2Img{
		Prompt:         "dog",
		NegativePrompt: "ugly",
		ScriptArgs:     []interface{}{},
	}

	resp, err := sdClient.Client.Operations.Text2imgapiSdapiV1Txt2imgPost(rd)
	MustBeNil(err)

	for i, s := range resp.Payload.Images {
		b, err := base64.StdEncoding.DecodeString(s)
		MustBeNil(err)
		err = os.WriteFile(fmt.Sprintf("%d.png", i), b, 0644)
		MustBeNil(err)
	}
}

intersvc 的 deoldify

import (
	SdClient "github.com/SpenserCai/sd-webui-go"
	"github.com/SpenserCai/sd-webui-go/intersvc"
)

func main() {
	// 创建客户端
	sdClient := SdClient.NewStableDiffInterface("127.0.0.1:7860")

	var f_factor int64 = 20
	var artistic bool = false

	// 设置请求
	deoldify_inter := &intersvc.DeoldifyImage{
		RequestItem: &intersvc.DeoldifyImageRequest{
			InputImage:   "https://media.discordapp.net/attachments/1138408545277190237/1138508881635577947i7krs1njekla1.jpg",
			RenderFactor: &f_factor,
			Artistic:     &artistic,
		},
	}


	deoldify_inter.Action(sdClient)
	if deoldify_inter.Error != nil {
		panic(deoldify_inter.Error)
	}

	response := deoldify_inter.GetResponse()
}

完整示例代码: intersvc_example

go-swagger 的 deoldify

import (
	"encoding/base64"
	"os"
	
	SdClient "github.com/SpenserCai/sd-webui-go"
	intersvc "github.com/SpenserCai/sd-webui-go/intersvc"
	SdApiOperation "github.com/SpenserCai/sd-webui-go/stablediffusion/client/operations"
	SdApiModel "github.com/SpenserCai/sd-webui-go/stablediffusion/models"
)

type DeoldifyResponse struct {
	Image string `json:"image"`
}

func main() {
	var (
		err error
	)

	// 初始化客户端
	sdClient := SdClient.NewStableDiffInterface("127.0.0.1:7860")

	var f_factor int64 = 20
	var artistic bool = false

	// 设置请求数据
	RequestData := SdApiOperation.NewDeoldifyImageDeoldifyImagePostParams()
	RequestData.Body = &SdApiModel.BodyDeoldifyImageDeoldifyImagePost{
		InputImage:   "https://media.discordapp.net/attachments/1138408545277190237/1138508881635577947/i7krs1njekla1.jpg",
		RenderFactor: &f_factor,
		Artistic:     &artistic,
	}

	// 发送请求
	Response, err := sdClient.Client.Operations.DeoldifyImageDeoldifyImagePost(RequestData)
	if err != nil {
		panic(err)
	}

	// 转换响应
	deoldifyRep, err := intersvc.ConvertResponse(Response.Payload, &DeoldifyResponse{})
	if err != nil {
		panic(err)
	}

    response := deoldifyRep.(*DeoldifyResponse)
}

完整示例代码: go-swagger_example

参与

大部分 intersvc 的代码是使用代码生成器生成的。但是,由于 sd-webui 的 API 文档中缺乏响应信息,这些需要手动编写。

如何提交 PR

您需要 fork 当前代码库的 dev 分支,进行必要的代码更新,在自己的仓库中创建一个名为 dev-[model filename] 的分支,然后提交一个 pull request 到当前代码库的 dev 分支。

如何定义响应模型

sd-webui-go/intersvc 中您可以看到一些像 ***_model.go 的文件。这些文件定义了响应模型。您可以参照以下示例来定义响应模型。

type DeoldifyImageResponse struct {
	
}

type DeoldifyImageResponse struct {
	Image string `json:"image"`
}
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号