本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
请求正文在请求body字段中传递给InvokeModel或InvokeModelWithResponseStream。
模型调用请求正文字段
当你使用 Stable Image Ultra 模型 InvokeModel 拨打电话时，在正文字段中填充一个如下所示的 JSON 对象。
-
prompt –（字符串）您希望在输出图像中看到的内容。清晰定义元素、颜色和主题的有效描述性提示可带来更好的结果。
最小值 最大值 0
10000
import boto3
import json
import base64
import io
from PIL import Image
bedrock = boto3.client('bedrock-runtime', region_name='us-west-2')
response = bedrock.invoke_model(
modelId='stability.stable-image-ultra-v1:0',
body=json.dumps({
'prompt': 'A car made out of vegetables.'
})
)
output_body = json.loads(response["body"].read().decode("utf-8"))
base64_output_image = output_body["images"][0]
image_data = base64.b64decode(base64_output_image)
image = Image.open(io.BytesIO(image_data))
image.save("image.png")
模型调用响应正文字段
使用 Stable Image Ultra 模型调用 InvokeModel 时，响应类似于以下内容
{
'seeds': [2130420379],
"finish_reasons": [null],
"images": ["..."]
}完成原因非 null 的响应将类似于以下内容：
{
"finish_reasons": ["Filter reason: prompt"]
}
seeds –（字符串）用于为模型生成图像的种子列表。
-
finish_reasons – 表示请求是否被过滤的枚举。
null表示请求成功。当前可能的值："Filter reason: prompt", "Filter reason: output image", "Filter reason: input image", "Inference error", null。 -
images – 以 base64 字符串格式生成的图像列表。
欲了解更多信息，请参阅 https://platform.stability。 ai/docs/api-reference#tag/v第 1 代
Stability.ai Stable Image Ultra 模型具有以下用于推理调用的 text-to-image推理参数。
-
prompt –（字符串）您希望在输出图像中看到的内容。清晰定义元素、颜色和主题的有效描述性提示可带来更好的结果。
最小值 最大值 0
10000
可选字段
aspect_ratio –（字符串）控制生成的图像的宽高比。此参数仅对 text-to-image请求有效。默认为 1:1。枚举：16:9、1:1、21:9、2:3、3:2、4:5、5:4、9:16、9:21。
-
模式-设置为 text-to-image。默认： text-to-image。枚举：
text-to-image。 -
output_format – 指定输出图像的格式。支持的格式：JPEG、PNG。支持的尺寸：高 640 到 1,536 像素，宽 640 到 1,536 像素。
-
seed –（数字）用于说明生成的随机性的特定值。（省略此参数或输入 0 以使用随机种子。） 范围：0 至 4294967295。
-
negative_prompt – 您不想在输出图像中看到的关键字。最多：10,000 个字符。
import boto3
import json
import base64
import io
from PIL import Image
bedrock = boto3.client('bedrock-runtime', region_name='us-west-2')
response = bedrock.invoke_model(
modelId='stability.sd3-ultra-v1:0',
body=json.dumps({
'prompt': 'A car made out of vegetables.'
})
)
output_body = json.loads(response["body"].read().decode("utf-8"))
base64_output_image = output_body["images"][0]
image_data = base64.b64decode(base64_output_image)
image = Image.open(io.BytesIO(image_data))
image.save("image.png")