Platform For AI：Pembuatan video AI - Penerapan ComfyUI

Debugging online

Pada halaman Elastic Algorithm Service (EAS), temukan layanan target dan klik Online Debugging di kolom Actions.

1. Kirim permintaan POST untuk mendapatkan Prompt ID.

   1. Pada halaman debug, di bagian Online Debugging Request Parameters, masukkan badan permintaan di field Body. Lalu, tambahkan /prompt ke kotak teks URL permintaan.

   2. Klik Send Request untuk melihat respons di area Debugging Information, seperti yang ditunjukkan pada gambar berikut.

2. Kirim permintaan GET untuk mengambil hasil inferensi berdasarkan Prompt ID.

   1. Di area Online API Debugging Request Parameters, atur metode permintaan ke GET dan masukkan /history/<prompt id> ke kotak teks, seperti yang ditunjukkan pada gambar berikut.

      Ganti <prompt id> dengan Prompt ID yang Anda peroleh pada langkah sebelumnya.

   2. Klik Send Request untuk mendapatkan hasil inferensi.

      Anda dapat melihat hasil inferensi yang dihasilkan di direktori output dari penyimpanan yang dipasang.

Panggilan sinkron

1. Lihat informasi titik akhir.

   1. Pada tab Inference Services, klik nama layanan target untuk membuka halaman Overview-nya. Di bagian Basic Information, klik View Endpoint Information.

   2. Di panel Invocation Method, dapatkan titik akhir dan token. Pilih titik akhir Internet atau VPC berdasarkan kebutuhan Anda. Contoh berikut menggunakan <EAS_ENDPOINT> dan <EAS_TOKEN> sebagai placeholder untuk nilai-nilai ini.

      

2. Kirim permintaan POST untuk mendapatkan Prompt ID.

   • Metode permintaan HTTP: POST.

   • URI permintaan (URL): <EAS_ENDPOINT>/prompt. Jika <EAS_ENDPOINT> diakhiri dengan garis miring (/), hapus garis miring tersebut. URL akhir harus mirip dengan contoh berikut: http://comfyui****.175805416243****.cn-beijing.pai-eas.aliyuncs.com/prompt.

   • Header permintaan (Headers):

     Header	Nilai	Deskripsi
     Authorization	<EAS_TOKEN>	Kunci lisensi.
     Content-Type	application/json	Menentukan format badan permintaan.

   Kode contoh:

   cURL

   curl --location --request POST '<EAS_ENDPOINT>/prompt' \
   --header 'Authorization: <EAS_TOKEN>' \
   --header 'Content-Type: application/json' \
   --data-raw '{
       "prompt":
       ...omitted
   }'

   Dalam kasus ini, --data-raw adalah badan permintaan.

   Python

   Kode contoh:

   import requests
   import json
   
   # Ganti <EAS_ENDPOINT> dan <EAS_TOKEN> dengan titik akhir dan token yang diperoleh di Langkah 1.
   service_url = "<EAS_ENDPOINT>"
   token = "<EAS_TOKEN>"
   
   if service_url[-1] == "/":
       service_url = service_url[:-1]
   
   # Badan permintaan. Konfigurasikan nilai prompt dalam muatan sebagai konten file JSON yang sesuai dengan alur kerja.
   payload = """{
       "prompt":
       ...omitted
   }"""
   payload = json.loads(payload)
   
   session = requests.session()
   session.headers.update({"Authorization": token})
     
   response = session.post(url=f'{service_url}/prompt', json=payload)
   if response.status_code != 200:
       raise Exception(response.content)
   
   data = response.json()
   print(data)

   Contoh respons:

   {
       "prompt_id": "021ebc5b-e245-4e37-8bd3-00f7b949****",
       "number": 5,
       "node_errors": {}
   }

   Anda dapat memperoleh Prompt ID dari hasil yang dikembalikan.

3. Kirim permintaan untuk mendapatkan hasil inferensi.

   • Metode permintaan HTTP: GET

   • URL permintaan: <EAS_ENDPOINT>/history/<prompt_id>. Ganti <prompt_id> dengan prompt_id yang diperoleh pada langkah sebelumnya.

   • Header permintaan:

     Header	Nilai	Deskripsi
     Authorization	<EAS_TOKEN>	Kunci lisensi, yang diperoleh di Langkah 1.

   Kode contoh:

   cURL

   curl --location --request GET '<EAS_ENDPOINT>/history/<prompt_id>' \
        --header 'Authorization: <EAS_TOKEN>'

   Python

   import requests
   
   # Ganti <EAS_ENDPOINT> dan <EAS_TOKEN> dengan titik akhir dan token yang diperoleh di Langkah 1.
   # Ganti <prompt_id> dengan prompt_id yang diperoleh di Langkah 2.
   service_url = "<EAS_ENDPOINT>"
   token = "<EAS_TOKEN>"
   prompt_id = "<prompt_id>"
   
   if service_url[-1] == "/":
       service_url = service_url[:-1]
   
   session = requests.session()
   session.headers.update({"Authorization": token})
   
   response = session.get(url=f'{service_url}/history/{prompt_id}')
   
   if response.status_code != 200:
       raise Exception(response.content)
   
   data = response.json()
   print(data)

   Contoh respons:

   Klik untuk melihat contoh respons

   {
       "130bcd6b-5bb5-496c-9c8c-3a1359a0****": {
           "prompt": ...omitted,
           "outputs": {
               "9": {
                   "images": [
                       {
                           "filename": "ComfyUI_1712645398_18dba34d-df87-4735-a577-c63d5506a6a1_.png",
                           "subfolder": "",
                           "type": "output"
                       }
                   ]
               },
               "15": {
                   "images": [
                       {
                           "filename": "ComfyUI_1712645867_.webp",
                           "subfolder": "",
                           "type": "output"
                       }
                   ],
                   "animated": [
                       true
                   ]
               },
               "19": {
                   "gifs": [
                       {
                           "filename": "comfyUI_00002.mp4",
                           "subfolder": "",
                           "type": "output",
                           "format": "video/h264-mp4"
                       }
                   ]
               }
           },
           "status": {
               "status_str": "success",
               "completed": true,
               "messages": ...omitted,
           }
       }
   }
   

   outputs dalam contoh respons ini menyediakan citra, file webp, dan video mp4 yang dihasilkan oleh prompt. Anda dapat menemukan file-file ini berdasarkan nama file di direktori output dari penyimpanan yang dipasang.

Pemanggilan asinkron

1. Pada tab Inference Service, klik nama layanan target untuk membuka halaman Overview. Di bagian Basic Information, klik View Invocation Information. Di kotak dialog Invocation Information, pada tab Asynchronous Invocation, Anda dapat melihat titik akhir layanan dan token.

   

2. Dorong permintaan.

   Kode contoh:

   import requests,io,base64
   from PIL import Image, PngImagePlugin
   import json
   
   service_url = "<EAS_ENDPOINT>"
   token = "<EAS_TOKEN>"
   
   if service_url[-1] == "/":
       service_url = service_url[:-1]
   
   session = requests.session()
   session.headers.update({"Authorization":token})
   
   # Badan permintaan, yaitu konten file JSON alur kerja. Gunakan """ """ untuk mendefinisikannya sebagai string multi-baris. Jika tidak, Anda perlu mengubah huruf pertama nilai Boolean (true dan false) dalam JSON alur kerja menjadi kapital.
   payload = """{
       '3': 
       ...omitted
     }
     """
   payload = json.loads(payload)
   
   for i in range(5):
     # task_id adalah penanda kunci untuk mengidentifikasi permintaan dan hasil. Berikan nilai unik untuk setiap permintaan agar sesuai dengan hasil antrian berikutnya.
     response = session.post(url=f'{service_url}/api_prompt?task_id=txt2img_{i}', json=payload)
     if response.status_code != 200:
       exit(f"send request error:{response.content}")
     else:
       print(f"send {i} success, index is {response.content}")

3. Berlangganan hasil.

   1. Jalankan perintah berikut untuk menginstal SDK eas_prediction.

      pip install eas_prediction  --user

   2. Jalankan kode berikut untuk mendapatkan hasil yang dikembalikan.

      from eas_prediction import QueueClient
      from urllib.parse import urlparse, urlunparse
      
      service_url     = "<EAS_ENDPOINT>"
      token           = "<EAS_TOKEN>"
      
      def parse_service_url(service_url):
          parsed = urlparse(service_url)
          service_domain = f"{parsed.scheme}://{parsed.netloc}"
          path_parts = [p for p in parsed.path.strip('/').split('/') if p]
          service_name = path_parts[-1]
          return service_domain, service_name
      
      service_domain, service_name = parse_service_url(service_url)
      print(f"service_domain: {service_domain}, service_name: {service_name}.")
          
      sink_queue = QueueClient(service_domain, f'{service_name}/sink')
      sink_queue.set_token(token)
      sink_queue.init()
      
      watcher = sink_queue.watch(0, 5, auto_commit=False)
      for x in watcher.run():
          if 'task_id' in x.tags:
              print('index {} task_id is {}'.format(x.index, x.tags['task_id']))
          print(f'index {x.index} data is {x.data}')
          sink_queue.commit(x.index)

      Contoh respons:

      index 42 task_id is txt2img_0
      index 42 data is b'[{"type": "executed", "data": {"node": "9", "output": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "prompt_id": "c3c983b6-f92b-4dd5-b4dc-442db4d1736f"}}, {"type": "executed", "data": {"node": "15", "output": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "prompt_id": "c3c983b6-f92b-4dd5-b4dc-442db4d1736f"}}, {"type": "executed", "data": {"node": "19", "output": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}, "prompt_id": "c3c983b6-f92b-4dd5-b4dc-442db4d1736f"}}, {"9": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "15": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "19": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}}]'
      index 43 task_id is txt2img_1
      index 43 data is b'[{"9": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "15": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "19": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}}]'
      index 44 task_id is txt2img_2
      index 44 data is b'[{"9": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "15": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "19": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}}]'
      index 45 task_id is txt2img_3
      index 45 data is b'[{"9": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "15": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "19": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}}]'
      index 46 task_id is txt2img_4
      index 46 data is b'[{"9": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "15": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "19": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}}]'

      Anda dapat melihat file hasil inferensi di direktori output dari penyimpanan yang dipasang.