【腾讯云 HAI域探秘】借助高性能应用HAI——我也能使用【stable diffusion】制作高级视频封面了

目录

高性能应用服务HAI_GPU云服务器的申请与服务创建

官网地址：高性能应用服务HAI_GPU云服务器_腾讯云

通过高性能应用服务HAI——创建【stable diffusion】

WebUI效果：

服务器后台效果：

stable-diffusion服务测试

启动接口服务

配置外网访问：

访问官方提供的【swagger接口】

高级视频封面——效果图

总结

---

 

高性能应用服务HAI_GPU云服务器的申请与服务创建

大家都知道当前最火热的就是AI课程的学习，但是AI吃显卡啊，例如我的：

想学习都没办法。。。现在有了，我就可以继续我的AI学习之旅了。

官网地址：高性能应用服务HAI_GPU云服务器_腾讯云

腾讯云出了个——高性能应用服务HAI_GPU云服务器，有了这个服务器我也能跑一跑【stable diffusion】 来生成一些想要的图片啦——开心。

服务器抢购火爆，想抢个高性能的的等待啊。。。

通过高性能应用服务HAI——创建【stable diffusion】

输入名称，选择版本，点击购买即可。

这里创建的时候是需要一些时间的，我们稍等一会。

启动完成，在【算力链接】的下拉菜单中我们能看到【WebUI】，那就代表可以直接操作了呢。非常棒。

 

WebUI效果：

服务器后台效果：

在页面操作中点击【JupyterLab】

在后台我们能看到【stable diffusion的所有代码】

stable-diffusion服务测试

启动接口服务

这里我们进入到【/root/stable-diffusion-webui】中，启动launch.py文件，给端口号设置是7862，对应的我们应该去服务中去配置7862的端口权限。

cd /root/stable-diffusion-webui
python launch.py --nowebui --xformers --opt-split-attention  --listen --port 7862

配置外网访问：

编辑规则位置：

添加规则：

添加我们开启端口的TCP访问权限

添加完毕效果：

访问官方提供的【swagger接口】

接口很多，用手机截图看的多。我们主要使用前两个接口啊。

每次访问都有结果响应：

根据官网的swagger接口我们可以调用测试，这是示例代码，需要更换IP地址。

import json
import base64
import requests
 
your_ip = '0.0.0.0' # HAI服务器IP地址
your_port = 7862  # SD api 监听的端口
 
def submit_post(url: str,data: dict):
  """
  Submit a POST request to the given URL with the given data.
  """
  return requests.post(url,data=json.dumps(data))
 
def save_encoded_image(b64_image: str,output_path: str):
  """
  Save the given image to the given output path.
  """
  with open(output_path,"wb") as image_file:
      image_file.write(base64.b64decode(b64_image))
 
if __name__ == '__main__':
  # /sdapi/v1/txt2img
  txt2img_url = f'http://{your_ip}:{your_port}/sdapi/v1/txt2img'
  data = {
     'prompt': 'a girl',
     'negative_prompt':'(deformed,distorted,disfigured:1.0),poorly drawn,bad anatomy,wrong anatomy,extra limb,missing limb,floating limbs,(mutated hands and fingers:1.5),disconnected limbs,mutation,mutated,ugly,disgusting,blurry,amputation,flowers,human,man,woman',
     'Steps':50,
     'Seed':-1
  }
  response = submit_post(txt2img_url,data)
  save_encoded_image(response.json()['images'][0],'girl.png')
 

测试效果：

高级视频封面——效果图

我生成了一些，把效果好的发出来了，也有很多效果差的，但是我已经感受过使用的快乐了呢。看着还都挺美的呢。

不太美的图：

生成提示词：

(high quality:1.1), (masterpieces:1.1), wallpaper, 8k, ultra detaled,cutting paper art, (radical simplism), the sea, sea mew, [sea wave], jianzhi, (tartrazine and lavender:1.1), Fresh and natural color scheme, (Morandi tone:1.4),

反向提示词：

EasyNegative, poor quality, bad quality, low image quality, humans, monochrome, grayness, frames, watermark, pixelization signature

总结

首先，HAI_GPU云服务器为用户提供了一个即插即用的应用环境。相较于传统的GPU云服务器，用户无需在繁杂的机型选择、环境部署和资源配置中迷失方向。HAI为用户自动匹配最合适的GPU算力资源，同时打通了必备云服务组件，大大简化了云服务的配置流程。

其次，HAI_GPU云服务器真正实现了分钟级的快速启动。传统的GPU云服务器需要用户自行部署驱动、CUDA、Python、Notebook等环境依赖，而HAI则直接为用户交付一个可用的应用环境，包含如StableDiffusion、ChatGLM等热门模型。这为用户节省了大量的时间和精力，使其能够更专注于研究和开发工作。

再者，产品的可视化界面也是其亮点之一。HAI_GPU云服务器为开发者提供了一个友好的图形界面，支持JupyterLab、WebUI等多种算力连接方式。这意味着，即使用户没有深厚的运维知识，也能够轻松上手，进行AI研究和调试。

此外，HAI_GPU云服务器在模型甄别和资源更新上也做得相当出色。对于初学者或是对特定领域不太熟悉的用户来说，面对繁多的模型版本可能会感到无所适从。但HAI为用户预置了最新版本的主流模型，并根据应用自动匹配合适的套餐机型，确保用户始终使用的是最新、最合适的资源。

当然，除了上述的这些显著优势外，HAI_GPU云服务器还有一个不可忽视的优点，那就是其广泛的应用场景。无论是AI作画、AI对话/写作，还是AI开发和测试，HAI都能轻松应对，满足各种高性能应用部署场景的需求。

高性能应用服务HAI_GPU云服务器凭借其出色的性能、便捷的使用方式和广泛的应用场景，真正做到了为用户带来无与伦比的体验。它不仅降低了GPU云服务器的使用门槛，还在多个角度优化了产品使用体验，真正做到了开箱即用。对于那些渴望在人工智能和深度学习领域有所建树的用户来说，HAI_GPU云服务器无疑是一个不可或缺的神器。