当前位置：首页 > news >正文

Python 调用 Stabilityai API在本地生成图像

news 2025/6/23 22:19:08

Python 调用 Stabilityai API在本地生成图像

- 摘要
- 功能
代码结构
关键技术
代码下载
立即体验

摘要

本程序利用硅基流动目前的免费 stabilityai/stable-diffusion-2-1 模型API，生成图像并下载到本地，用户可以通过输入描述性提示词来获取相应的图像。使用Python编写，依赖于requests库进行HTTP请求，并使用os库处理文件系统操作。

功能

用户输入：程序提示用户输入描述图像的提示词，例如：‘an island near sea, with seagulls, moon
shining over the sea, light house, boats int he background, fish
flying over the sea’。输入提示词时，不要少了前后的单引号哦。
API请求：使用用户输入的提示词构建请求负载，并向指定的API发送POST请求以生成图像。（代码中有）
响应处理：解析API的响应，提取生成的图像URL。
文件保存：将生成的图像下载并保存到本地文件系统，文件名基于用户输入的前10个字符命名。
目录管理：在保存图像之前，检查并创建必要的目录。
代码结构

代码结构

以下是应用程序的主要代码结构：

# -*- coding: utf-8 -*-
import requests
import osurl = "https://api.siliconflow.cn/v1/images/generations"# 提示用户输入描述图片的提示词
try:user_input = input("\n请输入描述图片的提示词，例如：'blue sky': ").strip()  # 用户输入需要引号user_prompt = "'{}'".format(user_input)  
except Exception as e:print("输入提示词时发生错误: {}".format(e))exit(1)  # 退出程序payload = {"model": "deepseek-ai/Janus-Pro-7B","prompt": user_prompt,  # 使用用户输入的提示词"seed": 4999999999
}
headers = {"Authorization": "Bearer <token>",  #<token> 替换成你在硅基流动里的 API-KEY, 文末有如何获得。"Content-Type": "application/json"
}response = requests.request("POST", url, json=payload, headers=headers)# 解析响应以获取图像URL
response_json = response.json()  # 使用 json() 方法解析响应
image_url = response_json['data'][0]['url']  # 从 data 数组中获取 URL# 定义保存图像的本地文件名
local_filename = os.path.join("images", "{}.png".format(user_input[:10]))  # 使用用户输入的前10个字符命名# 创建图像目录（如果不存在）
if not os.path.exists(os.path.dirname(local_filename)):os.makedirs(os.path.dirname(local_filename))# 下载图像并保存到本地
with requests.get(image_url, stream=True) as img_response:img_response.raise_for_status()  # 检查请求错误with open(local_filename, 'wb') as f:for chunk in img_response.iter_content(chunk_size=8192):f.write(chunk)print("Image saved to {local_filename}")

关键技术

HTTP请求：使用requests库简化HTTP请求的发送和响应处理。
JSON解析：通过response.json()方法轻松解析API返回的JSON数据。
文件操作：使用os库处理文件路径和目录创建，确保图像能够正确保存。
总结
本应用程序展示了如何通过API生成图像，并将其保存到本地。用户友好的输入提示和自动化的文件管理使得该应用程序易于使用，适合需要快速生成图像的场景。