real-anime-z开发者API接入指南：Python调用Xinference服务生成图像代码实例-平芜编程栈

real-anime-z开发者API接入指南：Python调用Xinference服务生成图像代码实例

1. 准备工作

在开始调用real-anime-z模型API之前，我们需要确保服务已经正确部署并运行。以下是准备工作步骤：

确认Xinference服务状态：
```
cat /root/workspace/xinference.log
```
当看到服务启动成功的日志信息时，表示模型已准备就绪。
获取API访问地址：通常Xinference服务默认运行在本地http://127.0.0.1:9997，如果部署在其他服务器，请替换为实际IP和端口。

2. Python环境配置

我们需要安装必要的Python库来调用API服务：

pip install requests pillow

requests：用于发送HTTP请求
pillow：用于处理生成的图像

3. 基础API调用示例

3.1 最简单的文本生成图像

以下是一个最基本的Python调用示例：

import requests from PIL import Image from io import BytesIO # 设置API端点 API_URL = "http://127.0.0.1:9997/v1/images/generations" # 准备请求数据 payload = { "model": "real-anime-z", "prompt": "real-anime-z", # 使用默认提示词 "n": 1, # 生成1张图片 "size": "512x512" # 图片尺寸 } # 发送请求 response = requests.post(API_URL, json=payload) # 处理响应 if response.status_code == 200: # 解析返回的图片数据 image_data = response.json()["data"][0]["url"] # 假设返回的是base64编码 image = Image.open(BytesIO(requests.get(image_data).content)) image.save("generated_image.png") print("图片已保存为 generated_image.png") else: print(f"请求失败，状态码：{response.status_code}") print(response.text)

4. 高级参数配置

4.1 自定义生成参数

real-anime-z模型支持多种参数来调整生成效果：

advanced_payload = { "model": "real-anime-z", "prompt": "一个阳光明媚的下午，校园里的樱花树下站着一位穿着校服的少女", "negative_prompt": "模糊的，低质量的，变形的", "n": 2, # 生成2张图片 "size": "768x512", # 自定义尺寸 "steps": 30, # 生成步数 "guidance_scale": 7.5, # 指导尺度 "seed": 42 # 固定随机种子 }

4.2 批量生成与结果处理

对于需要批量生成的情况，可以这样处理：

def generate_multiple_images(prompts, output_dir="output"): import os os.makedirs(output_dir, exist_ok=True) for i, prompt in enumerate(prompts): payload = { "model": "real-anime-z", "prompt": prompt, "n": 1, "size": "512x512" } response = requests.post(API_URL, json=payload) if response.status_code == 200: image_data = response.json()["data"][0]["url"] image = Image.open(BytesIO(requests.get(image_data).content)) image.save(f"{output_dir}/image_{i}.png") print(f"已保存: {output_dir}/image_{i}.png") else: print(f"生成失败: {prompt}") # 示例使用 prompts = [ "清晨的森林，阳光透过树叶洒下斑驳的光影", "未来都市的夜景，霓虹灯闪烁，飞行汽车穿梭", "中世纪城堡，被夕阳染成金色" ] generate_multiple_images(prompts)

5. 错误处理与调试

5.1 常见错误处理

在实际调用中可能会遇到各种问题，这里提供一些错误处理建议：

try: response = requests.post(API_URL, json=payload, timeout=30) response.raise_for_status() # 检查HTTP错误 data = response.json() if "data" not in data: raise ValueError("响应中缺少data字段") # 继续处理... except requests.exceptions.RequestException as e: print(f"请求出错: {str(e)}") except ValueError as e: print(f"数据解析错误: {str(e)}") except Exception as e: print(f"未知错误: {str(e)}")

5.2 调试技巧

打印完整请求和响应：

print("请求:", payload) print("响应:", response.text)

检查服务日志：
```
tail -f /root/workspace/xinference.log
```

使用curl测试：

curl -X POST http://127.0.0.1:9997/v1/images/generations \ -H "Content-Type: application/json" \ -d '{"model":"real-anime-z","prompt":"real-anime-z","n":1,"size":"512x512"}'