Stability.ai Diffusion 1.0 による画像からの画像生成 (マスキング)

Stability.ai Diffusion 1.0 モデルには、画像から画像を生成する推論呼び出しでマスクを使用するための以下の推論パラメータとモデルレスポンスがあります。

リクエストとレスポンス

リクエスト本文は、 InvokeModelまたは へのリクエストの bodyフィールドに渡されますInvokeModelWithResponseStream。

詳細については、https://platform.stability.ai/docs/api-reference#tag/v1generation/operation/masking を参照してください。

Request

Stability.ai Diffusion 1.0 モデルには、画像から画像を生成する (マスキング) 推論呼び出しの以下の推論パラメータがあります。

{
        "text_prompts": [
            {
                "text": string,
                "weight": float
            }
        ],
        "init_image" : string ,
        "mask_source" : string,
        "mask_image" : string,
        "cfg_scale": float,
        "clip_guidance_preset": string,
        "sampler": string,
        "samples" : int,
        "seed": int,
        "steps": int,
        "style_preset": string,
        "extras" : json object
}
                       

必須パラメータを以下に示します。

• text_prompt — (必須) 生成に使用するテキストプロンプトの配列。各要素は、プロンプトとプロンプトの重みを含むJSONオブジェクトです。

  • text — モデルに渡すプロンプト。

    最小値	最大値
    0	2000

  • weight — (オプション) モデルがプロンプトに適用するウェイト。0 未満の値は負のプロンプトを宣言します。負のプロンプトを使用して、特定の概念を避けるようモデルに伝えます。weight のデフォルト値は 1 です。

• init_image — (必須) 拡散プロセスの初期化に使用する base64 でエンコードされた画像。

• mask_source — (必須) マスクのソースを決定します。可能な値は以下のとおりです。

  • MASK_IMAGE_WHITE – のマスク画像の白いピクセルをマスクmask_imageとして使用します。白いピクセルが置き換えられ、黒いピクセルは変更されません。

  • MASK_IMAGE_BLACK – のマスク画像の黒いピクセルをマスクmask_imageとして使用します。黒いピクセルが置き換えられ、白いピクセルは変更されません。

  • INIT_IMAGE_ALPHA – 画像のアルファチャネルをマスクinit_imageとして使用し、完全に透明なピクセルが置き換えられ、完全に不透明なピクセルは変更されません。

• mask_image — (必須) init_image のソースイメージのマスクとして使用する Base64 でエンコードされたマスク画像。ソースイメージと同じサイズである必要があります。mask_source オプションを使用して、置き換えるかピクセルを指定します。

オプションのパラメータを以下に示します。

• cfg_scale — (オプション) 最終的な画像でプロンプトをどの程度表現するかを決定します。小さな数値を指定すると、生成結果におけるランダム性が増します。

  デフォルト	最小値	最大値
  7	0	35

• clip_guidance_preset – (オプション) 列挙型: FAST_BLUE, FAST_GREEN, NONE, SIMPLE, SLOW, SLOWER, SLOWEST。

• sampler — (オプション) 拡散処理に使用するサンプラー。この値を省略すると、モデルは自動的に適切なサンプラーを選択します。

  列挙型: DDIM, DDPM, K_DPMPP_2M, K_DPMPP_2S_ANCESTRAL, K_DPM_2, K_DPM_2_ANCESTRAL, K_EULER, K_EULER_ANCESTRAL, K_HEUN K_LMS。

• samples - (オプション) 生成する画像の数。現在、Amazon Bedrock は 1 つの画像の生成をサポートしています。samples の値を指定する場合、値は 1 である必要があります。 によって画像が生成されます。

  デフォルト	最小値	最大値
  1	1	1

• seed – (オプション) シードでは初期ノイズ設定を指定します。前回の実行と同じシードと設定を使用して推論を行えば、類似の画像を作成できます。この値を設定しないか、値が 0 の場合、乱数が設定されます。

  デフォルト	最小値	最大値
  0	0	4294967295

• steps – (オプション) 生成ステップでは、画像をサンプリングする回数を設定します。このステップの回数が大きいほど、より正確な結果が得られます。

  デフォルト	最小値	最大値
  30	10	50

• style_preset — (オプション) 画像モデルを特定のスタイルに導くスタイルプリセット。このスタイルプリセットのリストは変更される可能性があります。

  列挙型: 3d-model, analog-film, animé, cinematic, comic-book, digital-art, enhance, fantasy-art, isometric, line-art, low-poly, modeling-compound, neon-punk, origami, photographic, pixel-art, tile-texture

• extras — (オプション) エンジンに渡される追加のパラメータ。注意して使用してください。このようなパラメータは開発中または実験中の機能に使用され、警告なしに変更される可能性があります。

Response

Stability.ai Diffusion 1.0 モデルでは、テキストから画像を生成する推論呼び出しの以下のフィールドを返します。

{
    "result": string,
    "artifacts": [
        {
            "seed": int,
            "base64": string,
            "finishReason": string
        }
    ]
}

• result – 操作の結果。成功した場合、レスポンスは success です。

• artifacts – リクエストされた画像ごとに 1 つずつの画像の配列。

  • seed — 画像の生成に使用されたシードの値。

  • base64 — モデルが生成した base64 でエンコードされた画像。

  • finishedReason – 画像生成プロセスの結果。有効な値は次のとおりです。

    • SUCCESS – イメージ生成プロセスが成功しました。

    • ERROR - エラーが発生しました。

    • CONTENT_FILTERED – コンテンツフィルターがイメージをフィルタリングし、イメージがぼやけている可能性があります。