Deploy model pengeditan gambar Step1X-Edit dari PAI Model Gallery ke layanan inferensi EAS.
Ikhtisar model
Step1X-Edit adalah model pengeditan gambar open-source dari Stepfun yang menggabungkan model bahasa besar multimodal (MLLM) dengan decoder gambar berbasis penyebaran (DiT). Dengan 19 miliar parameter, Step1X-Edit menyediakan kemampuan berikut:
-
Penguraian semantik yang akurat: Menginterpretasikan instruksi pengeditan secara tepat untuk menghasilkan output yang sesuai dengan maksud pengguna.
-
Konsistensi identitas: Mempertahankan identitas subjek selama pengeditan dan menjaga fitur inti tetap utuh.
-
Kontrol tingkat wilayah: Mendukung pengeditan tingkat wilayah yang presisi untuk modifikasi detail halus.
-
Cakupan tugas yang luas: Mendukung 11 tugas pengeditan gambar umum, termasuk penggantian teks dan style transfer.
-
Hasil benchmark yang kuat: Meraih skor tertinggi dalam konsistensi semantik, kualitas gambar, dan kinerja keseluruhan pada benchmark GEdit-Bench.
Untuk informasi lebih lanjut tentang Step1X-Edit, lihat stepfun-ai/Step1X-Edit.
Kebutuhan resource
Penerapan Step1X-Edit memerlukan GPU dengan memori video minimal 48 GB.
Prosedur
Buka halaman Model Gallery.
Login ke PAI console.
Di pojok kiri atas bilah navigasi atas, pilih Wilayah.
Di panel navigasi kiri, klik Workspaces, lalu klik nama ruang kerja yang ingin Anda buka.
Di panel navigasi kiri, pilih Quick Start > Model Gallery.
-
Di halaman Model Gallery, cari Stepfun Step1X-Edit dalam daftar model dan klik kartu model tersebut.
-
Di pojok kanan atas, klik Deploy. Konfigurasikan nama layanan dan pengaturan resource untuk menerapkan model ke Elastic Algorithm Service (EAS).
Di panel konfigurasi penerapan, atur Deployment Method ke single-node standard deployment, atur Resource Type ke public resource, dan atur Instance Count ke 1. Lalu, klik Deploy.
Panggil model
Setelah penerapan selesai, panggil Step1X-Edit melalui aplikasi web atau API.
Aplikasi web
Di halaman detail layanan, klik View Web App di pojok kanan atas untuk membuka aplikasi web.
Unggah gambar, masukkan prompt, lalu klik Generate.
Antarmuka web juga memungkinkan Anda mengonfigurasi parameter generasi gambar seperti Negative Prompt, Seed, Inference Steps, cfg_scale, dan Size_level.
Pemanggilan API
Di halaman detail layanan, klik View Call Information untuk mendapatkan titik akhir dan token.
Kode contoh Python berikut mengirim permintaan pengeditan gambar ke API:
import requests
import time
EAS_URL = "<YOUR_EAS_URL>"
EAS_TOKEN = "<YOUR_EAS_TOKEN>"
class TaskStatus:
PENDING = "pending"
PROCESSING = "processing"
COMPLETED = "completed"
FAILED = "failed"
response = requests.post(
f"{EAS_URL}/generate",
headers={
"Authorization": f"{EAS_TOKEN}"
},
json={
"prompt": "A spaceship orbiting Earth",
"seed": 42,
"neg_prompt": "low quality, blurry",
"infer_steps": 28,
"cfg_scale": 6,
"size":1024,
"image": "<The Base64 encoding of your image>"
}
)
task_id = response.json()["task_id"]
print(f"Task ID: {task_id}")
while True:
status_response = requests.get(
f"{EAS_URL}/tasks/{task_id}/status",
headers={
"Authorization": f"{EAS_TOKEN}"
})
status = status_response.json()
print(f"Current status: {status['status']}")
if status["status"] == TaskStatus.COMPLETED:
print("Image ready!")
break
elif status["status"] == TaskStatus.FAILED:
print(f"Failed: {status['error']}")
exit(1)
time.sleep(5)
image_response = requests.get(
f"{EAS_URL}/tasks/{task_id}/image",
headers={
"Authorization": f"{EAS_TOKEN}"
})
with open("generated_image.jpg", "wb") as f:
f.write(image_response.content)
print("Image downloaded successfully!")Ganti EAS_URL dan EAS_TOKEN dengan titik akhir dan token aktual Anda.