Java生成图片_基于Spring AI

Spring AI 优势

过去,使用Java编写AI应用时面临的主要困境是没有统一且标准的封装库,开发者需自行对接各个AI服务提供商的接口,导致代码复杂度高、迁移成本大。如今,Spring AI Alibaba的出现极大地缓解了这一问题,它提供了兼容市场上主流生成任务(如文本生成、图像生成等)的标准化Java接口,极大简化了开发流程。此外,由于Spring背后有专门团队进行维护与更新,因此其接口不仅功能丰富还具备更好的扩展性,为未来技术发展预留了充足的空间。相比自行实现接口,采用Spring AI方案更加高效可靠。

Spring AI alibaba介绍:

Spring AI Alibaba 是一个基于 Spring 生态系统的 Java 框架,专为简化与阿里云百炼大模型的集成而设计。它允许开发者利用标准的 POJOs(普通 Java 对象)快速构建支持多种AI功能的应用程序,如文本生成、图像生成等。其核心优势在于提供了统一的接口来访问不同供应商的AI服务,包括但不限于阿里云通义系列模型,极大减少了迁移成本和开发工作量。通过简单的配置调整,即可轻松切换底层使用的AI提供者,使得在项目中加入如绘画生成等复杂功能变得简单高效。

基于Spring AI Alibaba生成一个动漫美女图片的详细例子

我们知道使用Spring AI Alibaba可以方便地调用通义万象图像生成模型来为项目增加AI能力。以下将依照这一背景信息,分步骤详细介绍如何基于Spring Boot集成Spring AI Alibaba完成一个具体的图像生成示例------生成一张动漫美女图片。

前置条件

  1. 确保您的开发环境已安装JDK 17或更高版本。
  1. 使用Spring Boot 3.3.x版本构建项目。
  1. 已经在阿里云上成功申请并获取到了API KEY。

步骤一:准备环境

  • 配置阿里云API Key :
    在终端中执行以下命令设置环境变量:

    export AI_DASHSCOPE_API_KEY=你的API_KEY

  • 开通通义万象服务 :
    登录阿里云百炼控制台,找到图像生成功能中的通义万象模型,并记录下该模型的具体英文名称(如:wanx-v1)。

  • 阿里云 通义 现在有免费额度,薅起来

步骤二:修改项目依赖与仓库配置

pom.xml文件添加必要的仓库和依赖:

<repositories>
  <repository>
    <id>sonatype-snapshots</id>

    <url>https://oss.sonatype.org/content/repositories/snapshots</url>

    <snapshots><enabled>true</enabled></snapshots>

  </repository>

  <repository>
    <id>spring-milestones</id>

    <name>Spring Milestones</name>

    <url>https://repo.spring.io/milestone</url>

    <snapshots><enabled>false</enabled></snapshots>

  </repository>

  <repository>
    <id>spring-snapshots</id>

    <name>Spring Snapshots</name>

    <url>https://repo.spring.io/snapshot</url>

    <releases><enabled>false</enabled></releases>

  </repository>

</repositories>

<dependencies>
  <dependency>
    <groupId>com.alibaba.cloud.ai</groupId>

    <artifactId>spring-ai-alibaba-starter</artifactId>

    <version>1.0.0-M2.1</version>

  </dependency>

  <!-- Spring Boot parent -->
  <parent>
    <groupId>org.springframework.boot</groupId>

    <artifactId>spring-boot-starter-parent</artifactId>

    <version>3.3.4</version>

  </parent>

  <!-- 其它必需的依赖项 -->
</dependencies>

步骤三:创建控制器并实现图像生成功能

在您的Spring Boot应用中创建一个新的REST控制器类ImageModelController,用于处理图像请求并将结果返回给客户端。

@RestController
@RequestMapping("/ai")
public class ImageModelController {

  private final ImageModel imageModel;

  @Autowired
  public ImageModelController(ImageModel imageModel) {
    this.imageModel = imageModel;
  }

  @GetMapping("/image")
  public ResponseEntity<String> generateImage(@RequestParam String input) {
    try {
      ImageOptions options = ImageOptionsBuilder.builder()
          .withWidth(1024)
          .withHeight(1024)
          .withModel("wanx-v1") // 这里替换为你实际使用的模型名
          .withN(1)
          .build();
      
      ImagePrompt prompt = new ImagePrompt(input, options);
      ImageResponse response = imageModel.call(prompt);
      
      List<ImageGeneration> results = response.getResults();
      if (!results.isEmpty()) {
        String imageUrl = results.get(0).getOutput().getUrl();
        return ResponseEntity.ok(imageUrl);
      } else {
        return ResponseEntity.status(HttpStatus.INTERNAL_SERVER_ERROR).body("Failed to generate image.");
      }
    } catch (Exception e) {
      return ResponseEntity.status(HttpStatus.INTERNAL_SERVER_ERROR).body("Error: " + e.getMessage());
    }
  }
}

步骤四:配置应用程序属性

确保在application.propertiesapplication.yml文件中正确设置了API密钥:

spring.ai.dashscope.api-key=${AI_DASHSCOPE_API_KEY}

或者,在YAML格式中:

spring:
  ai:
    dashscope:
      api-key: ${AI_DASHSCOPE_API_KEY}

使用说明

现在您可以启动Spring Boot应用,并通过访问如下URL来测试图像生成功能:

http://localhost:8080/ai/image?input=动漫美女

这将会触发图像生成过程,并最终返回生成图像的URL地址。

注意,生成的链接可能具有时效性限制,请考虑适时保存至本地存储以供长期使用。

以上步骤涵盖了从环境搭建到功能实现的完整流程 。 你可以试试

相关推荐
老艾的AI世界4 小时前
AI翻唱神器,一键用你喜欢的歌手翻唱他人的曲目(附下载链接)
人工智能·深度学习·神经网络·机器学习·ai·ai翻唱·ai唱歌·ai歌曲
DK221514 小时前
机器学习系列----关联分析
人工智能·机器学习
FreedomLeo15 小时前
Python数据分析NumPy和pandas(四十、Python 中的建模库statsmodels 和 scikit-learn)
python·机器学习·数据分析·scikit-learn·statsmodels·numpy和pandas
风间琉璃""5 小时前
二进制与网络安全的关系
安全·机器学习·网络安全·逆向·二进制
Java Fans6 小时前
梯度提升树(Gradient Boosting Trees)详解
机器学习·集成学习·boosting
谢眠7 小时前
机器学习day6-线性代数2-梯度下降
人工智能·机器学习
sp_fyf_20247 小时前
【大语言模型】ACL2024论文-19 SportsMetrics: 融合文本和数值数据以理解大型语言模型中的信息融合
人工智能·深度学习·神经网络·机器学习·语言模型·自然语言处理
sp_fyf_202410 小时前
【大语言模型】ACL2024论文-18 MINPROMPT:基于图的最小提示数据增强用于少样本问答
人工智能·深度学习·神经网络·目标检测·机器学习·语言模型·自然语言处理
爱喝白开水a10 小时前
Sentence-BERT实现文本匹配【分类目标函数】
人工智能·深度学习·机器学习·自然语言处理·分类·bert·大模型微调
封步宇AIGC10 小时前
量化交易系统开发-实时行情自动化交易-4.2.3.指数移动平均线实现
人工智能·python·机器学习·数据挖掘