Solicitud y respuesta Exclusivo Edición Controlar

Servicios de imágenes de Stability AI

Puede usar Stability AI Image Services con Amazon Bedrock para acceder a trece herramientas de edición de imágenes especializadas. Estas herramientas están diseñadas para acelerar los flujos de trabajo creativos profesionales. Con Stability AI Image Services, puede generar imágenes a partir de un boceto, reestructurar y cambiar el estilo de una imagen existente. También puede eliminar y reemplazar objetos dentro de una imagen.

En esta sección se describe cómo realizar llamadas de inferencia a los servicios de imagen de Stability AI mediante el InvokeModel. En esta sección también se proporcionan ejemplos de código en Python y ejemplos de imágenes antes y después de usar los servicios de imágenes de Stability AI.

Los servicios de imágenes de Stability AI están disponibles en las siguientes categorías:

Edición: servicios de edición de AI-based imágenes, incluida la pintura con máscaras (relleno generativo) o con palabras. Incluye herramientas para la colocación y publicidad de productos, así como herramientas básicas, como la eliminación de fondos.
Control: puede aceptar indicaciones, mapas y otras guías. Estos servicios utilizan ControlNets tecnologías similares basadas en modelos de difusión estable.

nota

Al suscribirse a cualquier servicio de edición o control de Stability AI Image Service, se inscribe automáticamente en los trece servicios de imagen de Stability AI disponibles.

Solicitud y respuesta

El cuerpo de la solicitud se pasa al body campo de una solicitud a. InvokeModel

Campo del cuerpo de la solicitud de invocación del modelo

Cuando realices una InvokeModel llamada con Stability AI Image Services, rellena el campo del cuerpo con un objeto JSON similar al siguiente.


{
    'prompt': 'Create an image of a panda'
}

Campo del cuerpo de respuestas a la invocación del modelo

Cuando realizas una InvokeModel llamada con Stability AI Image Services, la respuesta es similar a la siguiente


{
    'seeds': [2130420379], 
    'finish_reasons': [null], 
    'images': ['...']
}

seeds: (cadena) lista de semillas utilizadas para generar imágenes para el modelo.
finish_reasons: enumeración que indica si la solicitud se ha filtrado o no. null indica que la solicitud se ha realizado correctamente. Valores posibles actuales: "Filter reason: prompt", "Filter reason: output image", "Filter reason: input image", "Inference error", null.
images: lista de imágenes generadas en formato de cadena base64.

Para obtener más información, consulte https://platform.us.stability.ai/docs/api-reference # tag/v1generation.

Exclusivo

En la siguiente sección se describen los exclusivos servicios de imágenes de Stability AI.

Creative Upscale toma imágenes de entre 64 x 64 y 1 megapíxel y las amplía a una resolución de 4K. Este servicio puede aumentar la escala de las imágenes de 20 a 40 veces y, al mismo tiempo, preservar y, a menudo, mejorar la calidad. Creative Upscale funciona mejor con imágenes muy degradadas y no con fotografías de 1 megapíxel o más, ya que realiza reimaginaciones intensivas.

Creative Upscale tiene los siguientes parámetros obligatorios:

mensaje: lo que desea ver en la imagen de salida. Una petición descriptiva y fuerte que defina claramente los elementos, los colores y los sujetos permitirá obtener mejores resultados. Para controlar el peso de una palabra determinada, use el formato (word:weight), donde word es la palabra cuyo peso quiere controlar y weight es un valor. Los valores 0 y 1,0 restan énfasis a la palabra y los valores comprendidos entre 1,1 y 2 enfatizan la palabra. Por ejemplo: el cielo era nítido (azul:0,3) y (verde:1,8) representaría un cielo azul y verde, pero más verde que azul. Mínimo 0 caracteres y máximo 10 000 caracteres.
image — (cadena) La imagen de Base64 que se va a escalar. Cada lado de la imagen debe tener al menos 64 píxeles. El recuento total de píxeles debe estar entre 4.096 y 1.048.576 píxeles. Formatos compatibles: jpeg, png, webp.

Los siguientes parámetros son opcionales:

creatividad: (número) Indica el grado de creatividad que debe tener el modelo a la hora de ampliar una imagen. Los valores más altos harán que se añadan más detalles a la imagen durante la ampliación. Intervalo entre 0,1 y 0,5. Predeterminado: 0.3
negative_prompt — (cadena) Un texto que describe lo que no desea ver en la imagen de salida. Esta es una característica avanzada. Máximo 10000 caracteres.
seed: (número) valor específico que se utiliza para determinar la asignación al azar de la generación. (Omita este parámetro o pase 0 para usar una semilla aleatoria). Intervalo: de 0 a 4294967294. Valor predeterminado: 0.
output_format — (cadena) dicta el tipo de contenido de la imagen generada. Enum: jpeg, png, webp. Valor predeterminado: png.
style_preset: guía el modelo de imagen hacia un estilo particular. Enum: 3d-model, analog-film, anime, cinematic, modeling-art, enhance, fantasy-art, isometric, line-art, low-poly, modeling-compound, neon-punk, origami, photographic, pixel-art, tile-texture.

API


import base64
import json
import requests
import io
import os
from PIL import Image

image = "./content/input.jpg"

region = "us-east-1"
model_id = "us.stability.stable-creative-upscale-v1:0"
url = f"https://bedrock-runtime.{region}.amazonaws.com/model/{model_id}/invoke"
api_key = os.getenv("AWS_BEARER_TOKEN_BEDROCK") # https://docs.aws.amazon.com/bedrock/latest/userguide/getting-started-api-keys.html
headers = {
    "Content-Type":"application/json",
    "Authorization":f"Bearer {api_key}"
}

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "prompt": "This dreamlike digital art captures a vibrant, kaleidoscopic Big Ben in London",
        "creativity": 0.30
    }
    response = requests.request("POST", url, json=params, headers=headers)
    response.raise_for_status()
    model_response = json.loads(response.text)
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")
    print("Successfully saved image.")

except Exception as e:
    print(e)

Python


import boto3
import base64
import io
import json
from PIL import Image

image = "./content/input.jpg"

region = "us-east-1"
model_id = "us.stability.stable-creative-upscale-v1:0"

bedrock = boto3.client("bedrock-runtime", region_name=region)

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "prompt": "This dreamlike digital art captures a vibrant, kaleidoscopic Big Ben in London",
        "creativity": 0.30
    }
    request = json.dumps(params)
    response = bedrock.invoke_model(modelId=model_id, body=request)
    model_response = json.loads(response["body"].read())
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")
    print("Successfully saved image.")

except Exception as e:
    print(e)

La siguiente tabla muestra las imágenes de entrada y salida de una operación de Creative Upscale. La frase utilizada es: Este arte digital onírico captura un vibrante y caleidoscópico Big Ben de Londres.

Input	Output
«La icónica torre del Big Ben contra un cielo nublado» de Willemijn Doelman. Con licencia de CC

Conservative Upscale toma imágenes de entre 64 x 64 y 1 megapíxel y las amplía a una resolución de 4K. Este servicio puede aumentar la escala de las imágenes de 20 a 40 veces conservando todos los aspectos. Conservative Upscale minimiza las alteraciones de la imagen y no debe usarse para reimaginar una imagen.

Conservative Upscale tiene los siguientes parámetros obligatorios:

prompt: lo que desea ver en la imagen de salida. Una petición descriptiva y fuerte que defina claramente los elementos, los colores y los sujetos permitirá obtener mejores resultados. Para controlar el peso de una palabra determinada, use el formato (word:weight), donde word es la palabra cuyo peso quiere controlar y weight es un valor. Los valores 0 y 1,0 restan énfasis a la palabra y los valores comprendidos entre 1,1 y 2 enfatizan la palabra. Por ejemplo: el cielo era nítido (azul:0,3) y (verde:1,8) representaría un cielo azul y verde, pero más verde que azul. Mínimo 0 caracteres y máximo 10 000 caracteres.
image — (cadena) La imagen de Base64 que se va a escalar. Cada lado de la imagen debe tener al menos 64 píxeles. El número total de píxeles no puede superar los 9 437 184 píxeles. La relación de aspecto debe estar entre comprendida entre 1:2.5 y 2.5:1. Formatos compatibles: jpeg, png, webp.

Los siguientes parámetros son opcionales:

creatividad — (número) Indica qué tan creativo debe ser el modelo al escalar una imagen. Los valores más altos harán que se añadan más detalles a la imagen durante la ampliación. Intervalo entre 0,1 y 0,5. Predeterminado: 0.35
negative_prompt — (cadena) Un texto que describe lo que no desea ver en la imagen de salida. Esta es una característica avanzada. Máximo 10000 caracteres.
seed: (número) valor específico que se utiliza para determinar la asignación al azar de la generación. (Omita este parámetro o pase 0 para usar una semilla aleatoria). Intervalo: de 0 a 4294967294. Valor predeterminado: 0.
output_format — (cadena) dicta el tipo de contenido de la imagen generada. Enum: jpeg, png, webp. Valor predeterminado: png.

API


import base64
import json
import requests
import io
import os
from PIL import Image

image = "./content/input.jpg"

region = "us-east-1"
model_id = "us.stability.stable-conservative-upscale-v1:0"
url = f"https://bedrock-runtime.{region}.amazonaws.com/model/{model_id}/invoke"
api_key = os.getenv("AWS_BEARER_TOKEN_BEDROCK") # https://docs.aws.amazon.com/bedrock/latest/userguide/getting-started-api-keys.html
headers = {
    "Content-Type":"application/json",
    "Authorization":f"Bearer {api_key}"
}

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "prompt": "This dreamlike digital art captures a vibrant, kaleidoscopic Big Ben in London",
        "creativity": 0.30
    }
    response = requests.request("POST", url, json=params, headers=headers)
    response.raise_for_status()
    model_response = json.loads(response.text)
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")
    print("Successfully saved image.")

except Exception as e:
    print(e)

Python


import boto3
import base64
import io
import json
from PIL import Image

image = "./content/input.jpg"

region = "us-east-1"
model_id = "us.stability.stable-conservative-upscale-v1:0"

bedrock = boto3.client("bedrock-runtime", region_name=region)

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "prompt": "This dreamlike digital art captures a vibrant, kaleidoscopic Big Ben in London",
        "creativity": 0.30
    }
    request = json.dumps(params)
    response = bedrock.invoke_model(modelId=model_id, body=request)
    model_response = json.loads(response["body"].read())
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")
    print("Successfully saved image.")

except Exception as e:
    print(e)

La siguiente tabla muestra las imágenes de entrada y salida de una operación de Conservative Upscale. La frase utilizada es: Este arte digital onírico captura un vibrante y caleidoscópico Big Ben de Londres.

Input	Output
«La icónica torre del Big Ben contra un cielo nublado» de Willemijn Doelman. Con licencia de CC

Fast Upscale mejora 4 veces la resolución de la imagen gracias a la IA predictiva y generativa. Este servicio ligero y rápido es ideal para mejorar la calidad de las imágenes comprimidas, lo que lo hace adecuado para publicaciones en redes sociales y otras aplicaciones.

Fast Upscale tiene los siguientes parámetros obligatorios:

image — (cadena) La imagen de Base64 que se va a escalar. El ancho debe estar entre 32 y 1536 píxeles. La altura debe estar entre 32 y 1536 píxeles. El recuento total de píxeles debe estar entre 1.024 y 1.048.576 píxeles. Formatos compatibles: jpeg, png, webp.
output_format: (cadena) dicta el tipo de contenido de la imagen generada. Enum: jpeg, png, webp. Valor predeterminado: png.

API


import base64
import json
import requests
import io
import os
from PIL import Image

image = "./content/input.jpg"

region = "us-east-1"
model_id = "us.stability.stable-fast-upscale-v1:0"
url = f"https://bedrock-runtime.{region}.amazonaws.com/model/{model_id}/invoke"
api_key = os.getenv("AWS_BEARER_TOKEN_BEDROCK") # https://docs.aws.amazon.com/bedrock/latest/userguide/getting-started-api-keys.html
headers = {
    "Content-Type":"application/json",
    "Authorization":f"Bearer {api_key}"
}

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64
    }
    response = requests.request("POST", url, json=params, headers=headers)
    response.raise_for_status()
    model_response = json.loads(response.text)
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")
    print("Successfully saved image.")

except Exception as e:
    print(e)

Python


import boto3
import base64
import io
import json
from PIL import Image

image = "./content/input.jpg"

region = "us-east-1"
model_id = "us.stability.stable-fast-upscale-v1:0"

bedrock = boto3.client("bedrock-runtime", region_name=region)

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64
    }
    request = json.dumps(params)
    response = bedrock.invoke_model(modelId=model_id, body=request)
    model_response = json.loads(response["body"].read())
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")
    print("Successfully saved image.")

except Exception as e:
    print(e)

La siguiente tabla muestra las imágenes de entrada y salida de una operación de Fast Upscale.

Input	Output
«La icónica torre del Big Ben contra un cielo nublado» de Willemijn Doelman. Con licencia de CC

Edición

En la siguiente sección se describen los servicios de edición de imágenes de Stability AI.

La característica Relleno de zonas modifica las imágenes de forma inteligente rellenando o sustituyendo áreas específicas por contenido nuevo en función del contenido de la imagen de una máscara.

Relleno de zonas tiene los siguientes parámetros obligatorios:

mensaje: lo que desea ver en la imagen de salida. Una petición descriptiva y fuerte que defina claramente los elementos, los colores y los sujetos permitirá obtener mejores resultados. Para controlar el peso de una palabra determinada, use el formato (word:weight), donde word es la palabra cuyo peso quiere controlar y weight es un valor. Los valores 0 y 1,0 restan énfasis a la palabra y los valores comprendidos entre 1,1 y 2 enfatizan la palabra. Por ejemplo: el cielo era nítido (azul:0,3) y (verde:1,8) representaría un cielo azul y verde, pero más verde que azul. Mínimo 0 caracteres y máximo 10 000 caracteres.
image — (cadena) La imagen de Base64 que se va a pintar. Cada lado de la imagen debe tener al menos 64 píxeles. El número total de píxeles no puede superar los 9 437 184 píxeles. La relación de aspecto debe estar entre comprendida entre 1:2.5 y 2.5:1. Formatos compatibles: jpeg, png, webp.

Los siguientes parámetros son opcionales:

style_preset (cadena): guía el modelo de imagen hacia un estilo concreto. Enum: 3d-model, analog-film, anime, cinematic, modeling-art, enhance, fantasy-art, isometric, line-art, low-poly, modeling-compound, neon-punk, origami, photographic, pixel-art, tile-texture.
negative_prompt — (cadena) Un resumen de texto que describe lo que no desea ver en la imagen de salida. Esta es una característica avanzada. Máximo 10000 caracteres.
seed: (número) valor específico que se utiliza para determinar la asignación al azar de la generación. (Omita este parámetro o pase 0 para usar una semilla aleatoria). Intervalo: de 0 a 4294967294. Valor predeterminado: 0.
output_format — (cadena) dicta el tipo de contenido de la imagen generada. Enum: jpeg, png, webp. Valor predeterminado: png.
mask — (string) Controla la intensidad del proceso de pintura por píxel. Puede controlarlo mediante una segunda imagen (transferida a este parámetro) o mediante el canal alfa del parámetro de imagen.
- Pasar una máscara: la imagen que se pasa a este parámetro debe ser una imagen en blanco y negro que represente, en cualquier píxel, la intensidad de la pintura en función del grado de oscuridad o claridad del píxel dado. Los píxeles completamente negros representan la ausencia de relleno, mientras que los píxeles completamente blancos representan la intensidad de relleno máxima. En el caso de que la máscara tenga un tamaño diferente al del parámetro de la imagen, se redimensionará automáticamente.
- Compatibilidad con el canal alfa: si no proporcionas una máscara explícita, se derivará una del canal alfa del parámetro de imagen. Los píxeles transparentes se rellenarán mientras que los opacos se preservarán. En el caso de que se proporcione una imagen con un canal alfa junto con una máscara, la máscara tendrá prioridad.
grow_mask: aumenta los bordes de la máscara hacia afuera en todas las direcciones según el número de píxeles especificado. El área expandida alrededor de la máscara se difuminará, lo que puede ayudar a suavizar la transición entre el contenido rellenado y la imagen original. El intervalo está entre 0 y 20. Valor predeterminado: 5. Pruebe este parámetro si observa bordes irregulares o uniones visibles alrededor del contenido rellenado. Tenga en cuenta que un crecimiento excesivo puede ocultar los detalles más sutiles de la máscara y and/or fusionar las regiones enmascaradas cercanas.

API


import base64
import json
import requests
import io
import os
from PIL import Image

image = "./content/input.png"
mask = "./content/mask.png"

region = "us-east-1"
model_id = "us.stability.stable-image-inpaint-v1:0"
url = f"https://bedrock-runtime.{region}.amazonaws.com/model/{model_id}/invoke"
api_key = os.getenv("AWS_BEARER_TOKEN_BEDROCK") # https://docs.aws.amazon.com/bedrock/latest/userguide/getting-started-api-keys.html
headers = {
    "Content-Type":"application/json",
    "Authorization":f"Bearer {api_key}"
}

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')
    with open(mask, "rb") as mask_file:
        mask_base64 = base64.b64encode(mask_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "mask": mask_base64,
        "prompt": "artificer of time and space"
    }
    response = requests.request("POST", url, json=params, headers=headers)
    response.raise_for_status()
    model_response = json.loads(response.text)
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")

    print("Successfully saved image.")

except Exception as e:
    print(e)

Python


import boto3
import base64
import io
import json
from PIL import Image

image = "./content/input.png"
mask = "./content/mask.png"

region = "us-east-1"
model_id = "us.stability.stable-image-inpaint-v1:0"

bedrock = boto3.client("bedrock-runtime", region_name=region)

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')
    with open(mask, "rb") as mask_file:
        mask_base64 = base64.b64encode(mask_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "mask": mask_base64,
        "prompt": "artificer of time and space"
    }
    request = json.dumps(params)
    response = bedrock.invoke_model(modelId=model_id, body=request)
    model_response = json.loads(response["body"].read())
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")

    print("Successfully saved image.")

except Exception as e:
    print(e)

En la siguiente tabla se muestran las imágenes de entrada y salida de una operación de relleno de zonas.

Input	Máscara	Output
“Hombre en metrópolis” generado por Stable Image Ultra, peticiones y ediciones de Sanwal Yousaf. Con licencia de CC BY 4.0

Outpaint inserta contenido adicional en una imagen para rellenar el espacio en cualquier dirección. Otros métodos automáticos o manuales para ampliar el contenido de la imagen pueden dejar artefactos visibles. El servicio Outpaint minimiza las indicaciones de que la imagen original se ha editado.

Outpaint tiene los siguientes parámetros obligatorios:

image — (cadena) La imagen de Base64 que se va a pintar. Cada lado de la imagen debe tener al menos 64 píxeles. El número total de píxeles no puede superar los 9 437 184 píxeles. La relación de aspecto debe estar entre comprendida entre 1:2.5 y 2.5:1. Formatos compatibles: jpeg, png, webp.

nota
Se debe proporcionar al menos una dirección de dibujo (izquierda, derecha, arriba o abajo) con un valor distinto de cero. Para obtener resultados de la mejor calidad, tenga en cuenta la composición y el contenido de la imagen original al elegir las instrucciones de pintura externa.

Los siguientes parámetros son opcionales:

mensaje: lo que desea ver en la imagen de salida. Una petición descriptiva y fuerte que defina claramente los elementos, los colores y los sujetos permitirá obtener mejores resultados. Para controlar el peso de una palabra determinada, use el formato (word:weight), donde word es la palabra cuyo peso quiere controlar y weight es un valor. Los valores 0 y 1,0 restan énfasis a la palabra y los valores comprendidos entre 1,1 y 2 enfatizan la palabra. Por ejemplo: el cielo era nítido (azul:0,3) y (verde:1,8) representaría un cielo azul y verde, pero más verde que azul. Mínimo 0 caracteres y máximo 10 000 caracteres.
style_preset (cadena): guía el modelo de imagen hacia un estilo concreto. Enum: 3d-model, analog-film, anime, cinematic, modeling-art, enhance, fantasy-art, isometric, line-art, low-poly, modeling-compound, neon-punk, origami, photographic, pixel-art, tile-texture.
seed: (número) valor específico que se utiliza para determinar la asignación al azar de la generación. (Omita este parámetro o pase 0 para usar una semilla aleatoria). Intervalo: de 0 a 4294967294. Valor predeterminado: 0.
output_format — (cadena) dicta el tipo de contenido de la imagen generada. Enum: jpeg, png, webp. Valor predeterminado: png.
creatividad: (número) Indica qué tan creativo debe ser el modelo al pintar más que una imagen. Los valores más altos harán que se añada más contenido creativo a la imagen durante el repintado. Intervalo entre 0,1 y 1,0. Valor predeterminado: 0,5.
left — (entero) El número de píxeles que se van a pintar más en el lado izquierdo de la imagen. Se debe proporcionar al menos una dirección de pintura exterior con un valor distinto de cero. Rango de 0 a 2000. Predeterminado: 0.
right — (entero) El número de píxeles que se van a pintar más en el lado derecho de la imagen. Se debe proporcionar al menos una dirección de pintura exterior con un valor distinto de cero. Rango de 0 a 2000. Predeterminado: 0.
arriba — (entero) El número de píxeles que se deben pintar más en la parte superior de la imagen. Se debe proporcionar al menos una dirección de pintura exterior con un valor distinto de cero. Rango de 0 a 2000. Predeterminado: 0.
abajo — (entero) El número de píxeles que se deben pintar más en la parte inferior de la imagen. Se debe proporcionar al menos una dirección de pintura exterior con un valor distinto de cero. Rango de 0 a 2000. Predeterminado: 0.

API


import base64
import json
import requests
import io
import os
from PIL import Image

image = "./content/input.jpg"

region = "us-east-1"
model_id = "us.stability.stable-outpaint-v1:0"
url = f"https://bedrock-runtime.{region}.amazonaws.com/model/{model_id}/invoke"
api_key = os.getenv("AWS_BEARER_TOKEN_BEDROCK") # https://docs.aws.amazon.com/bedrock/latest/userguide/getting-started-api-keys.html
headers = {
    "Content-Type":"application/json",
    "Authorization":f"Bearer {api_key}"
}

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "left": 512,
        "right": 512,
        "up": 200,
        "down": 100
    }
    response = requests.request("POST", url, json=params, headers=headers)
    response.raise_for_status()
    model_response = json.loads(response.text)
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")
    print("Successfully saved image.")

except Exception as e:
    print(e)

Python


import boto3
import base64
import io
import json
from PIL import Image

image = "./content/input.png"

region = "us-east-1"
model_id = "us.stability.stable-outpaint-v1:0"

bedrock = boto3.client("bedrock-runtime", region_name=region)

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "left": 512,
        "right": 512,
        "up": 200,
        "down": 100
    }
    request = json.dumps(params)
    response = bedrock.invoke_model(modelId=model_id, body=request)
    model_response = json.loads(response["body"].read())
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")
    print("Successfully saved image.")

except Exception as e:
    print(e)

La siguiente tabla muestra las imágenes de entrada y salida de una operación de Outpaint.

Input	Output
«La icónica torre del Big Ben contra un cielo nublado» de Willemijn Doelman. Con licencia de CC

La función Búsqueda y cambio de color le permite cambiar el color de un objeto específico de una imagen mediante una petición. Este servicio es una versión específica de relleno de zonas que no requiere una máscara. Segmentará automáticamente el objeto y lo volverá a colorear con los colores solicitados en la petición.

La característica Búsqueda y cambio de color tiene los siguientes parámetros obligatorios:

mensaje: lo que desea ver en la imagen de salida. Una petición descriptiva y fuerte que defina claramente los elementos, los colores y los sujetos permitirá obtener mejores resultados. Para controlar el peso de una palabra determinada, use el formato (word:weight), donde word es la palabra cuyo peso quiere controlar y weight es un valor. Los valores 0 y 1,0 restan énfasis a la palabra y los valores comprendidos entre 1,1 y 2 enfatizan la palabra. Por ejemplo: el cielo era nítido (azul:0,3) y (verde:1,8) representaría un cielo azul y verde, pero más verde que azul. Mínimo 0 caracteres y máximo 10 000 caracteres.
imagen — (cadena) La imagen de Base64 que se va a cambiar de color. Cada lado de la imagen debe tener al menos 64 píxeles. El número total de píxeles no puede superar los 9 437 184 píxeles. La relación de aspecto debe estar entre comprendida entre 1:2.5 y 2.5:1. Formatos compatibles: jpeg, png, webp.
select_prompt — (string) Descripción breve de lo que se debe buscar en la imagen. Máximo 10000 caracteres.

Los siguientes parámetros son opcionales:

style_preset (cadena): guía el modelo de imagen hacia un estilo concreto. Enum: 3d-model, analog-film, anime, cinematic, modeling-art, enhance, fantasy-art, isometric, line-art, low-poly, modeling-compound, neon-punk, origami, photographic, pixel-art, tile-texture.
negative_prompt — (cadena) Un texto que describe lo que no desea ver en la imagen de salida. Esta es una característica avanzada. Máximo 10000 caracteres.
seed: (número) valor específico que se utiliza para determinar la asignación al azar de la generación. (Omita este parámetro o pase 0 para usar una semilla aleatoria). Intervalo: de 0 a 4294967294. Valor predeterminado: 0.
output_format — (cadena) dicta el tipo de contenido de la imagen generada. Enum: jpeg, png, webp. Valor predeterminado: png.
grow_mask — Aumenta los bordes de la máscara hacia afuera en todas las direcciones según el número de píxeles especificado. El área expandida alrededor de la máscara se difuminará, lo que puede ayudar a suavizar la transición entre el contenido rellenado y la imagen original. El intervalo está entre 0 y 20. Valor predeterminado: 5. Pruebe este parámetro si observa bordes irregulares o uniones visibles alrededor del contenido rellenado. Tenga en cuenta que un crecimiento excesivo puede ocultar los detalles más sutiles de la máscara y and/or fusionar las regiones enmascaradas cercanas.

API


import base64
import json
import requests
import io
import os
from PIL import Image

image = "./content/input.png"

region = "us-east-1"
model_id = "us.stability.stable-image-search-recolor-v1:0"
url = f"https://bedrock-runtime.{region}.amazonaws.com/model/{model_id}/invoke"
api_key = os.getenv("AWS_BEARER_TOKEN_BEDROCK") # https://docs.aws.amazon.com/bedrock/latest/userguide/getting-started-api-keys.html
headers = {
    "Content-Type":"application/json",
    "Authorization":f"Bearer {api_key}"
}

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "prompt": "pink jacket",
        "select_prompt": "jacket"
    }
    response = requests.request("POST", url, json=params, headers=headers)
    response.raise_for_status()
    model_response = json.loads(response.text)

    base64_image_data = model_response["images"][0]
    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")

    print("Successfully saved image.")

except Exception as e:
    print(e)

Python


import boto3
import base64
import io
import json
from PIL import Image

image = "./content/input.png"

region = "us-east-1"
model_id = "us.stability.stable-image-search-recolor-v1:0"

bedrock = boto3.client("bedrock-runtime", region_name=region)

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "prompt": "pink jacket",
        "select_prompt": "jacket"
    }
    request = json.dumps(params)
    response = bedrock.invoke_model(modelId=model_id, body=request)
    model_response = json.loads(response["body"].read())
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")

    print("Successfully saved image.")

except Exception as e:
    print(e)

En la tabla siguiente se muestran las imágenes de entrada y salida de una operación de búsqueda y cambio de color. El mensaje utilizado es: chaqueta rosa.

Input	Output
“Hombre con chaqueta acolchada” generado por Stable Image Ultra, peticiones y ediciones de Sanwal Yousaf. Con licencia de CC BY 4.0

La característica Búsqueda y reemplazado permite utilizar una petición de búsqueda para identificar en un lenguaje sencillo el objeto que se va a reemplazar. El servicio segmentará automáticamente el objeto y lo sustituirá por el objeto solicitado en la petición sin necesidad de utilizar una máscara.

La característica Búsqueda y reemplazo tiene los siguientes parámetros obligatorios:

mensaje: lo que desea ver en la imagen de salida. Una petición descriptiva y fuerte que defina claramente los elementos, los colores y los sujetos permitirá obtener mejores resultados. Para controlar el peso de una palabra determinada, use el formato (word:weight), donde word es la palabra cuyo peso quiere controlar y weight es un valor. Los valores 0 y 1,0 restan énfasis a la palabra y los valores comprendidos entre 1,1 y 2 enfatizan la palabra. Por ejemplo: el cielo era nítido (azul:0,3) y (verde:1,8) representaría un cielo azul y verde, pero más verde que azul. Mínimo 0 caracteres y máximo 10 000 caracteres.
imagen — (cadena) La imagen de Base64 que se va a cambiar de color. Cada lado de la imagen debe tener al menos 64 píxeles. El número total de píxeles no puede superar los 9 437 184 píxeles. La relación de aspecto debe estar entre comprendida entre 1:2.5 y 2.5:1. Formatos compatibles: jpeg, png, webp.
search_prompt — (string) Descripción breve de lo que se debe pintar en la imagen. Máximo 10000 caracteres.

Los siguientes parámetros son opcionales:

style_preset (cadena): guía el modelo de imagen hacia un estilo concreto. Enum: 3d-model, analog-film, anime, cinematic, modeling-art, enhance, fantasy-art, isometric, line-art, low-poly, modeling-compound, neon-punk, origami, photographic, pixel-art, tile-texture.
negative_prompt — (cadena) Un texto que describe lo que no desea ver en la imagen de salida. Esta es una característica avanzada. Máximo 10000 caracteres.
seed: (número) valor específico que se utiliza para determinar la asignación al azar de la generación. (Omita este parámetro o pase 0 para usar una semilla aleatoria). Intervalo: de 0 a 4294967294. Valor predeterminado: 0.
output_format — (cadena) dicta el tipo de contenido de la imagen generada. Enum: jpeg, png, webp. Valor predeterminado: png.
grow_mask — Aumenta los bordes de la máscara hacia afuera en todas las direcciones según el número de píxeles especificado. El área expandida alrededor de la máscara se difuminará, lo que puede ayudar a suavizar la transición entre el contenido rellenado y la imagen original. El intervalo está entre 0 y 20. Valor predeterminado: 5. Pruebe este parámetro si observa bordes irregulares o uniones visibles alrededor del contenido rellenado. Tenga en cuenta que un crecimiento excesivo puede ocultar los detalles más sutiles de la máscara y and/or fusionar las regiones enmascaradas cercanas.

API


import base64
import json
import requests
import io
import os
from PIL import Image

image = "./content/input.png"

region = "us-east-1"
model_id = "us.stability.stable-image-search-replace-v1:0"
url = f"https://bedrock-runtime.{region}.amazonaws.com/model/{model_id}/invoke"
api_key = os.getenv("AWS_BEARER_TOKEN_BEDROCK") # https://docs.aws.amazon.com/bedrock/latest/userguide/getting-started-api-keys.html
headers = {
    "Content-Type":"application/json",
    "Authorization":f"Bearer {api_key}"
}

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "prompt": "jacket",
        "search_prompt": "sweater",
    }
    response = requests.request("POST", url, json=params, headers=headers)
    response.raise_for_status()
    model_response = json.loads(response.text)
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")

    print("Successfully saved image.")

except Exception as e:
    print(e)

Python


import boto3
import base64
import io
import json
from PIL import Image

image = "./content/input.png"

region = "us-east-1"
model_id = "us.stability.stable-image-search-replace-v1:0"

bedrock = boto3.client("bedrock-runtime", region_name=region)

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "prompt": "jacket",
        "search_prompt": "sweater",
    }
    request = json.dumps(params)
    response = bedrock.invoke_model(modelId=model_id, body=request)
    model_response = json.loads(response["body"].read())
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")
    image_data = base64.b64decode(base64_image_data)

    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")

    print("Successfully saved image.")

except Exception as e:
    print(e)

En la tabla siguiente se muestran las imágenes de entrada y salida de una operación de búsqueda y reemplazo. El mensaje utilizado es: chaqueta.

Input	Output
«Modelo femenina con un jersey otoñal» generado por Stable Image Ultra. Peticiones y ediciones de Sanwal Yousaf. Con licencia de CC BY 4.0

El borrado permite eliminar elementos no deseados mediante máscaras de imagen y, al mismo tiempo, mantener de forma inteligente la coherencia del fondo.

La característica de borrado tiene los siguientes parámetros obligatorios:

imagen — (cadena) La imagen de Base64 de la que se va a borrar. Cada lado de la imagen debe tener al menos 64 píxeles. El número total de píxeles no puede superar los 9 437 184 píxeles. La relación de aspecto debe estar entre comprendida entre 1:2.5 y 2.5:1. Formatos compatibles: jpeg, png, webp.

Los siguientes parámetros son opcionales:

seed: (número) valor específico que se utiliza para determinar la asignación al azar de la generación. (Omita este parámetro o pase 0 para usar una semilla aleatoria). Intervalo: de 0 a 4294967294. Valor predeterminado: 0.
output_format — (cadena) dicta el tipo de contenido de la imagen generada. Enum: jpeg, png, webp. Valor predeterminado: png.
mask — (string) Controla la intensidad del proceso de pintura por píxel. Puede controlarlo mediante una segunda imagen (transferida a este parámetro) o mediante el canal alfa del parámetro de imagen.
- Pasar una máscara: la imagen que se pasa a este parámetro debe ser una imagen en blanco y negro que represente, en cualquier píxel, la intensidad de la pintura en función del grado de oscuridad o claridad del píxel dado. Los píxeles completamente negros representan la ausencia de relleno, mientras que los píxeles completamente blancos representan la intensidad de relleno máxima. En el caso de que la máscara tenga un tamaño diferente al del parámetro de la imagen, se redimensionará automáticamente.
- Compatibilidad con el canal alfa: si no proporcionas una máscara explícita, se derivará una del canal alfa del parámetro de imagen. Los píxeles transparentes se rellenarán mientras que los opacos se preservarán. En el caso de que se proporcione una imagen con un canal alfa junto con una máscara, la máscara tendrá prioridad.
grow_mask: aumenta los bordes de la máscara hacia afuera en todas las direcciones según el número de píxeles especificado. El área expandida alrededor de la máscara se difuminará, lo que puede ayudar a suavizar la transición entre el contenido rellenado y la imagen original. El intervalo está entre 0 y 20. Valor predeterminado: 5. Pruebe este parámetro si observa bordes irregulares o uniones visibles alrededor del contenido rellenado. Tenga en cuenta que un crecimiento excesivo puede ocultar los detalles más sutiles de la máscara y and/or fusionar las regiones enmascaradas cercanas.

nota

Para obtener resultados de borrado óptimos, asegúrese de que la máscara defina con precisión las áreas que se van a eliminar. Si no se proporciona una máscara explícita, el servicio utilizará el canal alfa de la imagen de entrada. La máscara tendrá prioridad si se proporcionan ambas.

API


import base64
import json
import requests
import io
import os
from PIL import Image

image = "./content/input.png"
mask = "./content/mask.png"

region = "us-east-1"
model_id = "us.stability.stable-image-erase-object-v1:0"
url = f"https://bedrock-runtime.{region}.amazonaws.com/model/{model_id}/invoke"
api_key = os.getenv("AWS_BEARER_TOKEN_BEDROCK") # https://docs.aws.amazon.com/bedrock/latest/userguide/getting-started-api-keys.html
headers = {
    "Content-Type":"application/json",
    "Authorization":f"Bearer {api_key}"
}

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8'),
    with open(mask, "rb") as mask_file:
        mask_base64 = base64.b64encode(mask_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "mask": mask_base64
    }
    response = requests.request("POST", url, json=params, headers=headers)
    response.raise_for_status()
    model_response = json.loads(response.text)
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")

    print("Successfully saved image.")

except Exception as e:
    print(e)

Python


import boto3
import base64
import io
import json
from PIL import Image

image = "./content/input.png" 
mask = "./content/mask.png"

region = "us-east-1"
model_id = "us.stability.stable-image-erase-object-v1:0"

bedrock = boto3.client("bedrock-runtime", region_name=region)

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8'),
    with open(mask, "rb") as mask_file:
        mask_base64 = base64.b64encode(mask_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "mask": mask_base64
    }
    request = json.dumps(params)
    response = bedrock.invoke_model(modelId=model_id, body=request)
    model_response = json.loads(response["body"].read())
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")

    print("Successfully saved image.")

except Exception as e:
    print(e)

En la siguiente tabla se muestran las imágenes de entrada y salida de una operación de borrado.

Input	Máscara	Output
«Mesa para estudiantes» generado por Stable Image Ultra. Peticiones y ediciones de Sanwal Yousaf. Con licencia de CC BY 4.0

La característica Eliminación del fondo le permite aislar los sujetos del fondo con precisión.

La característica Eliminación del fondo tiene los siguientes parámetros obligatorios:

imagen — (cadena) La imagen de Base64 de la que se va a eliminar el fondo. Cada lado de la imagen debe tener al menos 64 píxeles. El número total de píxeles no puede superar los 9 437 184 píxeles. La relación de aspecto debe estar entre comprendida entre 1:2.5 y 2.5:1. Formatos compatibles: jpeg, png, webp.

Los siguientes parámetros son opcionales:

output_format — (cadena) dicta el tipo de contenido de la imagen generada. Enum: jpeg, png, webp. Valor predeterminado: png.

API


import base64
import json
import requests
import io
import os
from PIL import Image

image = "./content/input.png"

region = "us-east-1"
model_id = "us.stability.stable-image-remove-background-v1:0"
url = f"https://bedrock-runtime.{region}.amazonaws.com/model/{model_id}/invoke"
api_key = os.getenv("AWS_BEARER_TOKEN_BEDROCK") # https://docs.aws.amazon.com/bedrock/latest/userguide/getting-started-api-keys.html
headers = {
    "Content-Type":"application/json",
    "Authorization":f"Bearer {api_key}"
}

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
    }
    response = requests.request("POST", url, json=params, headers=headers)
    response.raise_for_status()
    model_response = json.loads(response.text)
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")

    print("Successfully saved image.")

except Exception as e:
    print(e)

Python


import boto3
import base64
import io
import json
from PIL import Image

image = "./content/input.png"

region = "us-east-1"
model_id = "us.stability.stable-image-remove-background-v1:0"

bedrock = boto3.client("bedrock-runtime", region_name=region)

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64
    }
    request = json.dumps(params)
    response = bedrock.invoke_model(modelId=model_id, body=request)
    model_response = json.loads(response["body"].read())
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")

    print("Successfully saved image.")

except Exception as e:
    print(e)

En la siguiente tabla se muestran las imágenes de entrada y salida de una operación de eliminación del fondo.

Input	Output
«Modelo femenina con un jersey otoñal» generado por Stable Image Ultra. Peticiones y ediciones de Sanwal Yousaf. Con licencia de CC BY 4.0

Controlar

En la siguiente sección se describen los servicios de control de imágenes de Stability AI.

Actualice los bocetos dibujados a mano para convertirlos en resultados refinados con un control preciso. Para imágenes sin bocetos, Control Sketch permite la manipulación detallada del aspecto final mediante el uso de las líneas de contorno y los bordes de la imagen.

La característica Control de boceto tiene los siguientes parámetros obligatorios:

mensaje: lo que desea ver en la imagen de salida. Una petición descriptiva y fuerte que defina claramente los elementos, los colores y los sujetos permitirá obtener mejores resultados. Para controlar el peso de una palabra determinada, use el formato (word:weight), donde word es la palabra cuyo peso quiere controlar y weight es un valor. Los valores 0 y 1,0 restan énfasis a la palabra y los valores comprendidos entre 1,1 y 2 enfatizan la palabra. Por ejemplo: el cielo era nítido (azul:0,3) y (verde:1,8) representaría un cielo azul y verde, pero más verde que azul. Mínimo 0 caracteres y máximo 10 000 caracteres.
imagen — (cadena) La imagen en Base64 del boceto. Cada lado de la imagen debe tener al menos 64 píxeles. El número total de píxeles no puede superar los 9 437 184 píxeles. La relación de aspecto debe estar entre comprendida entre 1:2.5 y 2.5:1. Formatos compatibles: jpeg, png, webp.

Los siguientes parámetros son opcionales:

control_strength — (número) Cuánta influencia o control tiene la imagen en la generación. Se representa como un valor flotante comprendido entre 0 y 1, donde 0 es la menor influencia y 1 es la máxima influencia. El valor predeterminado es 0,7.
negative_prompt — (cadena) Un resumen de texto que describe lo que no desea ver en la imagen de salida. Esta es una característica avanzada. Máximo 10000 caracteres.
seed: (número) valor específico que se utiliza para determinar la asignación al azar de la generación. (Omita este parámetro o pase 0 para usar una semilla aleatoria). Intervalo: de 0 a 4294967294. Valor predeterminado: 0.
output_format — (cadena) dicta el tipo de contenido de la imagen generada. Enum: jpeg, png, webp. Valor predeterminado: png.
style_preset: guía el modelo de imagen hacia un estilo particular. Enum: 3d-model, analog-film, anime, cinematic, modeling-art, enhance, fantasy-art, isometric, line-art, low-poly, modeling-compound, neon-punk, origami, photographic, pixel-art, tile-texture.

API


import base64
import json
import requests
import io
import os
from PIL import Image

image = "./content/input.jpg"

region = "us-east-1"
model_id = "us.stability.stable-image-control-sketch-v1:0"
url = f"https://bedrock-runtime.{region}.amazonaws.com/model/{model_id}/invoke"
api_key = os.getenv("AWS_BEARER_TOKEN_BEDROCK") # https://docs.aws.amazon.com/bedrock/latest/userguide/getting-started-api-keys.html
headers = {
    "Content-Type":"application/json",
    "Authorization":f"Bearer {api_key}"
}

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "prompt": "a house with background of mountains and river flowing nearby"
    }
    response = requests.request("POST", url, json=params, headers=headers)
    response.raise_for_status()
    model_response = json.loads(response.text)
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")
    print("Successfully saved image.")

except Exception as e:
    print(e)

Python


import boto3
import base64
import io
import json
from PIL import Image

image = "./content/input.jpg"

region = "us-east-1"
model_id = "us.stability.stable-image-control-sketch-v1:0"

bedrock = boto3.client("bedrock-runtime", region_name=region)

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "prompt": "a house with background of mountains and river flowing nearby"
    }
    request = json.dumps(params)
    response = bedrock.invoke_model(modelId=model_id, body=request)
    model_response = json.loads(response["body"].read())
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")
    print("Successfully saved image.")

except Exception as e:
    print(e)

La siguiente tabla muestra las imágenes de entrada y salida de una llamada de Control Sketch. El mensaje usado es: una casa con un fondo de montañas y un río que fluye cerca.

Input	Output
“Boceto de una casa, una montaña y un río” de Sanwal Yousaf. Con licencia de CC BY 4.0

La característica Control de estructura le permite generar imágenes manteniendo la estructura de una imagen de entrada. Esto resulta especialmente útil para escenarios avanzados de creación de contenido, como la recreación de escenas o la representación de personajes a partir de modelos.

La característica Control de estructura tiene los siguientes parámetros obligatorios:

mensaje: lo que desea ver en la imagen de salida. Una petición descriptiva y fuerte que defina claramente los elementos, los colores y los sujetos permitirá obtener mejores resultados. Para controlar el peso de una palabra determinada, use el formato (word:weight), donde word es la palabra cuyo peso quiere controlar y weight es un valor. Los valores 0 y 1,0 restan énfasis a la palabra y los valores comprendidos entre 1,1 y 2 enfatizan la palabra. Por ejemplo: el cielo era nítido (azul:0,3) y (verde:1,8) representaría un cielo azul y verde, pero más verde que azul. Mínimo 0 caracteres y máximo 10 000 caracteres.
imagen — (cadena) La imagen en Base64 del boceto. Cada lado de la imagen debe tener al menos 64 píxeles. El número total de píxeles no puede superar los 9 437 184 píxeles. La relación de aspecto debe estar entre comprendida entre 1:2.5 y 2.5:1. Formatos compatibles: jpeg, png, webp.

Los siguientes parámetros son opcionales:

control_strength — (número) Cuánta influencia o control tiene la imagen en la generación. Se representa como un valor flotante comprendido entre 0 y 1, donde 0 es la menor influencia y 1 es la máxima influencia. El valor predeterminado es 0,7.
negative_prompt — (cadena) Un resumen de texto que describe lo que no desea ver en la imagen de salida. Esta es una característica avanzada. Máximo 10000 caracteres.
seed: (número) valor específico que se utiliza para determinar la asignación al azar de la generación. (Omita este parámetro o pase 0 para usar una semilla aleatoria). Intervalo: de 0 a 4294967294. Valor predeterminado: 0.
output_format — (cadena) dicta el tipo de contenido de la imagen generada. Enum: jpeg, png, webp. Valor predeterminado: png.
style_preset: guía el modelo de imagen hacia un estilo particular. Enum: 3d-model, analog-film, anime, cinematic, modeling-art, enhance, fantasy-art, isometric, line-art, low-poly, modeling-compound, neon-punk, origami, photographic, pixel-art, tile-texture.

API


import base64
import json
import requests
import io
import os
from PIL import Image

image = "./content/input.jpg"

region = "us-east-1"
model_id = "us.stability.stable-image-control-structure-v1:0"
url = f"https://bedrock-runtime.{region}.amazonaws.com/model/{model_id}/invoke"
api_key = os.getenv("AWS_BEARER_TOKEN_BEDROCK") # https://docs.aws.amazon.com/bedrock/latest/userguide/getting-started-api-keys.html
headers = {
    "Content-Type":"application/json",
    "Authorization":f"Bearer {api_key}"
}

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "prompt": "surreal structure with motion generated sparks lighting the scene"

    }
    response = requests.request("POST", url, json=params, headers=headers)
    response.raise_for_status()
    model_response = json.loads(response.text)
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")
    print("Successfully saved image.")

except Exception as e:
    print(e)

Python


import boto3
import base64
import io
import json
from PIL import Image

image = "./content/input.jpg"

region = "us-east-1"
model_id = "us.stability.stable-image-control-structure-v1:0"

bedrock = boto3.client("bedrock-runtime", region_name=region)

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "prompt": "surreal structure with motion generated sparks lighting the scene"

    }
    request = json.dumps(params)
    response = bedrock.invoke_model(modelId=model_id, body=request)
    model_response = json.loads(response["body"].read())
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")
    print("Successfully saved image.")

except Exception as e:
    print(e)

La siguiente tabla muestra las imágenes de entrada y salida de una operación de estructura de control. El mensaje utilizado es: estructura surrealista con chispas generadas por movimiento que iluminan la escena.

Input	Output
“Persona sentada en una caja marrón” de Pawel L. Con licencia de CC

La guía de estilo le permite extraer elementos estilísticos de una imagen de entrada. Los usa para guiar la creación de una imagen de salida basándose en la solicitud. El resultado es una imagen nueva con el mismo estilo que la imagen de entrada.

La Guía de estilo tiene los siguientes parámetros obligatorios:

mensaje: lo que desea ver en la imagen de salida. Una petición descriptiva y fuerte que defina claramente los elementos, los colores y los sujetos permitirá obtener mejores resultados. Para controlar el peso de una palabra determinada, use el formato (word:weight), donde word es la palabra cuyo peso quiere controlar y weight es un valor. Los valores 0 y 1,0 restan énfasis a la palabra y los valores comprendidos entre 1,1 y 2 enfatizan la palabra. Por ejemplo: el cielo era nítido (azul:0,3) y (verde:1,8) representaría un cielo azul y verde, pero más verde que azul. Mínimo 0 caracteres y máximo 10 000 caracteres.
imagen — (cadena) La imagen en Base64 del boceto. Cada lado de la imagen debe tener al menos 64 píxeles. El número total de píxeles no puede superar los 9 437 184 píxeles. La relación de aspecto debe estar entre comprendida entre 1:2.5 y 2.5:1. Formatos compatibles: jpeg, png, webp.

Los siguientes parámetros son opcionales:

aspect_ratio: (cadena) controla la relación de aspecto de la imagen generada. Este parámetro solo es válido para las solicitudes de conversión de texto a imagen. El valor predeterminado es 1:1. Enumeración: 16:9, 1:1, 21:9, 2:3, 3:2, 4:5, 5:4, 9:16, 9:21. El valor predeterminado es 1:1.
negative_prompt — (cadena) Un resumen de texto que describe lo que no desea ver en la imagen de salida. Esta es una característica avanzada. Máximo 10000 caracteres.
seed: (número) valor específico que se utiliza para determinar la asignación al azar de la generación. (Omita este parámetro o pase 0 para usar una semilla aleatoria). Intervalo: de 0 a 4294967294. Valor predeterminado: 0.
output_format — (cadena) dicta el tipo de contenido de la imagen generada. Enum: jpeg, png, webp. Valor predeterminado: png.
fidelidad — (número) En qué medida el estilo de la imagen de salida se parece al estilo de la imagen de entrada. Intervalo del 0 al 1. Valor predeterminado: 0,5.
style_preset: guía el modelo de imagen hacia un estilo determinado. Enum: 3d-model, analog-film, anime, cinematic, modeling-art, enhance, fantasy-art, isometric, line-art, low-poly, modeling-compound, neon-punk, origami, photographic, pixel-art, tile-texture.

API


import base64
import json
import requests
import io
import os
from PIL import Image

image = "./content/input.jpg"

region = "us-east-1"
model_id = "us.stability.stable-image-style-guide-v1:0"
url = f"https://bedrock-runtime.{region}.amazonaws.com/model/{model_id}/invoke"
api_key = os.getenv("AWS_BEARER_TOKEN_BEDROCK") # https://docs.aws.amazon.com/bedrock/latest/userguide/getting-started-api-keys.html
headers = {
    "Content-Type":"application/json",
    "Authorization":f"Bearer {api_key}"
}

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "prompt": "wide shot of modern metropolis" 
    }
    response = requests.request("POST", url, json=params, headers=headers)
    response.raise_for_status()
    model_response = json.loads(response.text)
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")
    print("Successfully saved image.")

except Exception as e:
    print(e)

Python


import boto3
import base64
import io
import json
from PIL import Image

image = "./content/input.jpg"

region = "us-east-1"
model_id = "us.stability.stable-image-style-guide-v1:0"

bedrock = boto3.client("bedrock-runtime", region_name=region)

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    params = {
        "image": image_base64,
        "prompt": "wide shot of modern metropolis" 
    }
    request = json.dumps(params)
    response = bedrock.invoke_model(modelId=model_id, body=request)
    model_response = json.loads(response["body"].read())
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")
    print("Successfully saved image.")

except Exception as e:
    print(e)

La siguiente tabla muestra las imágenes de entrada y salida de una llamada a la Guía de estilo. El mensaje utilizado es: plano panorámico de una metrópolis moderna.

Input	Output
“Pintura abstracta” de Steven Johnson. Con licencia de CC

La transferencia de estilo permite aplicar características visuales de las imágenes de estilo de referencia a las imágenes de destino. El servicio de guía de estilo extrae los elementos estilísticos de una imagen de entrada y los utiliza para guiar la creación de una imagen de salida basándose en la solicitud. Style Transfer transforma específicamente el contenido existente a la vez que conserva la composición original. Esta herramienta ayuda a crear contenido coherente en varios activos.

Transferencia de estilo tiene los siguientes parámetros obligatorios:

init_image — (cadena) Una imagen en Base64 que contiene el tema al que deseas cambiar el estilo. Cada lado de la imagen debe tener al menos 64 píxeles. El número total de píxeles no puede superar los 9 437 184 píxeles. La relación de aspecto debe estar entre comprendida entre 1:2.5 y 2.5:1. Formatos compatibles: jpeg, png, webp.
style_image — (string) Una imagen en Base64 que contiene el tema al que deseas cambiar el estilo. Cada lado de la imagen debe tener al menos 64 píxeles. El número total de píxeles no puede superar los 9 437 184 píxeles. La relación de aspecto debe estar entre comprendida entre 1:2.5 y 2.5:1. Formatos compatibles: jpeg, png, webp.

Los siguientes parámetros son opcionales:

prompt: (cadena) lo que desea ver en la imagen de salida. Una petición descriptiva y fuerte que defina claramente los elementos, los colores y los sujetos permitirá obtener mejores resultados. Para controlar el peso de una palabra determinada, use el formato (word:weight), donde word es la palabra cuyo peso quiere controlar y weight es un valor. Los valores 0 y 1,0 restan énfasis a la palabra y los valores comprendidos entre 1,1 y 2 enfatizan la palabra. Por ejemplo: el cielo era nítido (azul:0,3) y (verde:1,8) representaría un cielo azul y verde, pero más verde que azul.
negative_prompt — (cadena) Un resumen de texto que describe lo que no desea ver en la imagen de salida. Esta es una característica avanzada. Máximo 10000 caracteres.
seed: (número) valor específico que se utiliza para determinar la asignación al azar de la generación. (Omita este parámetro o pase 0 para usar una semilla aleatoria). Intervalo: de 0 a 4294967294. Valor predeterminado: 0.
output_format — (cadena) dicta el tipo de contenido de la imagen generada. Enum: jpeg, png, webp. Valor predeterminado: png.
composition_fidelity — (número) En qué medida el estilo de la imagen de salida se parece al estilo de la imagen de entrada. El intervalo está entre 0 y 1. Valor predeterminado: 0,9.
style_strength — (número) Este parámetro, a veces denominado reducción de ruido, controla la influencia que tiene el parámetro style_image en la imagen generada. Un valor de 0 generaría una imagen idéntica a la entrada. Un valor de 1 sería como si no hubiera pasado ninguna imagen. El intervalo está entre 0 y 1. Valor predeterminado: 1.
change_strength — (número) Cuánto debe cambiar la imagen original. El intervalo está entre 0,1 y 1. Valor predeterminado: 0,9.

API


import base64
import json
import requests
import io
import os
from PIL import Image

image = "./content/input.jpg"
style_image = "./content/style.jpg"

region = "us-east-1"
model_id = "us.stability.stable-style-transfer-v1:0"
url = f"https://bedrock-runtime.{region}.amazonaws.com/model/{model_id}/invoke"
api_key = os.getenv("AWS_BEARER_TOKEN_BEDROCK") # https://docs.aws.amazon.com/bedrock/latest/userguide/getting-started-api-keys.html
headers = {
    "Content-Type":"application/json",
    "Authorization":f"Bearer {api_key}"
}

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    with open(style_image, "rb") as style_image_file:
        style_image_base64 = base64.b64encode(style_image_file.read()).decode('utf-8')

    params = {
        "init_image": image_base64,
        "style_image": style_image_base64,
        "prompt": "statue"
    }
    response = requests.request("POST", url, json=params, headers=headers)
    response.raise_for_status()
    model_response = json.loads(response.text)
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")
    print("Successfully saved image.")

except Exception as e:
    print(e)

Python


import boto3
import base64
import io
import json
from PIL import Image

image = "./content/cat_statue_512x512.jpg"
style_image = "./content/glowbot_style.jpg"

region = "us-east-1"
model_id = "us.stability.stable-style-transfer-v1:0"

bedrock = boto3.client("bedrock-runtime", region_name=region)

try:
    with open(image, "rb") as image_file:
        image_base64 = base64.b64encode(image_file.read()).decode('utf-8')

    with open(style_image, "rb") as style_image_file:
        style_image_base64 = base64.b64encode(style_image_file.read()).decode('utf-8')

    params = {
        "init_image": image_base64,
        "style_image": style_image_base64,
        "prompt": "statue"
    }
    request = json.dumps(params)
    response = bedrock.invoke_model(modelId=model_id, body=request)
    model_response = json.loads(response["body"].read())
    base64_image_data = model_response["images"][0]

    if not base64_image_data:
        raise ValueError("No image data found in model response.")

    image_data = base64.b64decode(base64_image_data)
    image = Image.open(io.BytesIO(image_data))
    image.save("image.png")
    print("Successfully saved image.")

except Exception as e:
    print(e)

En la siguiente tabla se muestran las imágenes de entrada y salida de una llamada a Transferencia de estilo.

Input	Style (Estilo)	Output
“Estatua de mujer de pie” de Simon Berger. Con licencia de CC	“Luces azules brillantes” de Pixabay. Con licencia de CC0

Aviso JavaScript está desactivado o no está disponible en su navegador.

Para utilizar la documentación de AWS, debe estar habilitado JavaScript. Para obtener más información, consulte las páginas de ayuda de su navegador.

Convenciones del documento

Stable Image Core

TwelveLabs Modelos de