Java SDK を使用したモデルトレーニングとポートレート作成 - AI Portrait

Java ソフトウェア開発キット (SDK) を使用して AI ポートレートサービスを呼び出し、モデルトレーニングとポートレート生成を実行できます。SDK を使用すると、LoRA モデルをカスタマイズし、テンプレートからポートレートを生成できます。このトピックでは、必要な事前準備について説明し、コード例を示します。

前提条件

Java 環境がインストールされていること。
モデルトレーニングとポートレート生成用に、5〜20 枚のトレーニングイメージと 1 枚のテンプレートイメージが用意されていること。サポートされているイメージフォーマットは、.jpg、.jpeg、.png です。
- シングルポートレートの場合、テンプレートイメージには顔が 1 つだけ含まれている必要があります。トレーニングイメージ内の顔は、すべて同じ人物のものである必要があります。
- 複数人ポートレートの場合、テンプレートイメージには複数の顔が含まれている必要があります。顔の数は、モデルトレーニングに使用される model_id の値の数と同じである必要があります。
- トレーニングイメージとテンプレートイメージのディメンションが 512 × 512 ピクセル以上であることを確認してください。

事前準備

aiservice SDK の依存関係を `pom.xml` ファイルの <dependencies> セクションに追加します。

<dependency>
 <groupId>com.aliyun.openservices.aiservice</groupId>
 <artifactId>aiservice-sdk</artifactId>
 <version>1.0.1</version>
</dependency>

クライアントを初期化します。

import com.aliyun.openservices.aiservice.ApiClient;

public class AIGCImageTest {
 public static ApiClient apiClient;
 static {
 String host = 'HOST';
 String appId = 'YOUR-APPID';
 String token = 'YOUR-TOKEN';
 apiClient = new ApiClient(host, appId, token);
 }
}

必要に応じて、次のパラメーター値を置き換えます。

パラメーター	説明
<HOST>	サーバー側アドレス： `http://ai-service.ce8cc13b6421545749e7b4605f3d02607.cn-hangzhou.alicontainer.com`。
<YOUR-APPID>	AI ポートレートをアクティベートした後、AI ポートレートページで AppId を表示できます。
<YOUR-TOKEN>	AI ポートレートをアクティベートした後、AI ポートレートページでトークンを表示できます。

詳細については、GitHub のオープンソースコードをご参照ください。

コード例

AI ポートレートはリソース集約型のサービスであり、モデルトレーニングとポートレート生成の 2 つの主要な段階があります。モデルトレーニングは通常、完了までに数分かかりますが、ポートレート生成は数十秒で完了します。

チェックリクエスト (api.aigcImagesCheck)

次のコードブロックは、リクエスト例を示しています。

import com.aliyun.openservices.aiservice.api;
import com.aliyun.openservices.aiservice.ApiClient;
import com.aliyun.openservices.aiservice.ApiException;
import com.aliyun.openservices.aiservice.model.AIGCCreatRequest;
import com.aliyun.openservices.aiservice.model.AIGCImageCheckResponse;
import com.aliyun.openservices.aiservice.model.AIGCImageCreateResponse;
import com.aliyun.openservices.aiservice.model.Response;

import java.util.Arrays;
import java.util.List;

public class AIGCImageTest {
    public static ApiClient apiClient;
    private  AigcImagesApi api ;
    static {
        String host  = 'HOST';
        String appId = 'YOUR-APPID';
        String token = 'YOUR-TOKEN';
        apiClient = new ApiClient(host, appId, token);
        api = new AigcImagesApi(apiClient);
    }

    public void aigcImagesCheckTest() throws Exception {
        // トレーニングイメージの URL。
        List<String> images =Arrays.asList(
            "https://xxx/0.jpg",
            "https://xxx/1.jpg",
            "https://xxx/2.jpg"
        );

        AIGCImageCheckResponse response = api.aigcImagesCheck(images);
        // リクエスト ID。
        String request_id = response.getRequestId();
        // リクエストステータス。
        String code = response.getCode();
        // リクエストステータスの詳細。
        String message = response.getMessage();
        // レスポンスの内容。
        AIGCImageCheckData data = response.getData();

        // チェック結果のコード。
        List<AIGCImageCheckResult> CheckResultsList =  response.getCheckResults();
        for(int i=0; i < CheckResultsList.size(); i++ ){
            AIGCImageCheckResult result = CheckResultsList.get(i);
            Integer ResultCode = result.getCode();
            System.out.println(ResultCode);
        }
    }

}

パラメーター

パラメーター名	説明
images	イメージ URL のリスト。タイプ： List<String>。
<HOST>	サーバー側アドレス： `http://ai-service.ce8cc13b6421545749e7b4605f3d02607.cn-hangzhou.alicontainer.com`。
<YOUR-APPID>	AI ポートレートをアクティベートした後、AI ポートレートページで AppId を表示できます。
<YOUR-TOKEN>	AI ポートレートをアクティベートした後、AI ポートレートページでトークンを表示できます。

次のコードブロックは、レスポンス例を示しています。

レスポンスタイプ： AIGCImageCheckResponse

{
	requestId: 3c0eeb6b-1faf-4dc4-8f9a-9a02486051c6
	code: OK
	message: success
	data:
		AIGCImageCheckData{
			requestId = '3c0eeb6b-1faf-4dc4-8f9a-9a02486051c6', 
 			images = ["https://xxx/0.jpg",
 								"https://xxx/1.jpg",
 								"https://xxx/2.jpg"], 
		costTime=0.5460958480834961, 
 		checkResults=[
 			AIGCImageCheckResult{
 				code=1, 
 				frontal=false, 
 				url='https://xxx/0.jpg',
 				message='success'}, 
 			AIGCImageCheckResult{
        code=1, 
          frontal=true, 
          url='https://xxx/1.jpg',
          message='success'}, 
      AIGCImageCheckResult{
        code=4,
        frontal=false, 
        url='https://xxx/2.jpg',
        message='Image detect error.'}
  		]
		}
}

戻り値の説明

パラメーター名	説明	タイプ
requestId	リクエスト ID。	String
code	リクエストのステータスコード。有効な値： OK：リクエストは成功です。 error：リクエストは失敗しました。	String
message	リクエストステータスの詳細。値が success の場合はリクエストが成功したことを示します。その他の値については、返された具体的な内容をご参照ください。	String
data	返されたデータの詳細。	AIGCImageCheckData

data フィールドの説明 (タイプ： AIGCImageCheckData)

パラメーター名	説明	タイプ
checkResults	各入力イメージの検出結果。各イメージは、url、message、frontal の 3 つのキーを含む辞書に対応します。これらのキーは、それぞれイメージ URL、イメージ検出の詳細、およびイメージが正面ビューであるかどうかを表します。	List<AIGCImageCheckResult>
costTime	この API 呼び出しのサーバー側での計算時間。	float
images	チェックされたイメージの URL のリスト。	List<String>
requestId	リクエスト ID。これは親の request_id と同じです。	String

check_results のメッセージの概要：

message	ステータスコード	説明
success	1	要件を満たしています。
Image decode error.	2	イメージをダウンロードまたはデコードできません。
Number of face is not 1.	3	イメージ内の顔の数が 1 ではありません。
Image detect error.	4	顔検出中にエラーが発生しました。
Image encoding error.	5	顔を特徴ベクトルにエンコードする際にエラーが発生しました。これは、顔が検出されなかったことを示します。
This photo is not the same person in photos.	6	このエラーは、複数のイメージの顔が同じ人物のものではないことを示します。

モデルトレーニングの開始 (api.aigcImagesTrain)

次のコードブロックは、リクエスト例を示しています。

package com.aliyun.aisdk;

import com.aliyun.openservices.aiservice.api.AigcImagesApi;
import com.aliyun.openservices.aiservice.ApiClient;
import com.aliyun.openservices.aiservice.ApiException;
import com.aliyun.openservices.aiservice.model.*;

import java.util.Arrays;
import java.util.List;

import java.io.IOException;

public class AIGCImageTrain {
  public String host = 'HOST';
  public String appId = 'YOUR-APPID';
  public String token = 'YOUR-TOKEN';

  public ApiClient apiClient = new ApiClient(host, appId, token);
  public AigcImagesApi api = new AigcImagesApi(apiClient);

  public void aigcImagesTrainTest() throws Exception {
    List<String> images =Arrays.asList(
      "https://xxx/0.jpg",
      "https://xxx/1.jpg",
      "https://xxx/2.jpg"
    );
    AIGCImageTrainResponse response = api.aigcImagesTrain(images);
    int jobId = response.getData().getJobId();
    String modelId = response.getData().getModelId();
    String message = response.getMessage();
    InlineResponse200Data Data = response.getData();

    System.out.println(response);
    System.out.println(response.getMessage());

    System.out.println("jobId:" + jobId);
    System.out.println("modelId:" + modelId);
    System.out.println("Data:" + Data);
  }
}

パラメーター

パラメーターの場所	説明
images	イメージ URL のリスト。タイプ： List<String>。
<HOST>	サーバー側アドレス： `http://ai-service.ce8cc13b6421545749e7b4605f3d02607.cn-hangzhou.alicontainer.com`。
<YOUR-APPID>	AI ポートレートをアクティベートした後、AI ポートレートページで AppId を表示できます。
<YOUR-TOKEN>	AI ポートレートをアクティベートした後、AI ポートレートページでトークンを表示できます。

次のコードブロックは、レスポンス例を示しています。

レスポンスタイプ： AIGCImageTrainResponse

{
  requestId: 2bd438df-2358-4852-b6b0-bf7d39b6dde7
  code: OK
  message: success
  data: class InlineResponse200Data {
          	jobId: xxxx
            modelId: xxxx-xxxxxxxx-xxxxxx
          }
}

次の表は、レスポンスのフィールドを説明しています。

パラメーター	説明	タイプ
requestId	リクエスト ID。	String
code	リクエストのステータスコード。OK は成功を示します。error は失敗を示します。	String
message	リクエストステータスの詳細。値が success の場合はリクエストが成功したことを示します。その他の値については、返された具体的な内容をご参照ください。	String
data	返されたデータの詳細。	InlineResponse200Data

data フィールドの説明

パラメーター名	説明	タイプ
jobId	タスク ID。	int
modelId	このトレーニングタスクから得られるモデルの ID。36 文字の文字列です。	String

job_id を使用してトレーニング結果をクエリします。
ポートレート生成サービスを呼び出すには、model_id を指定する必要があります。

トレーニング結果のクエリ (jobApi.getAsyncJob)

次のコードブロックは、リクエスト例を示しています。

import com.aliyun.openservices.aiservice.api.AiServiceJobApi;
import com.aliyun.openservices.aiservice.api.AigcImagesApi;
import com.aliyun.openservices.aiservice.ApiClient;
import com.aliyun.openservices.aiservice.ApiException;
import com.aliyun.openservices.aiservice.model.*;


import java.util.Arrays;
import java.util.List;

import java.io.IOException;

public class AIGCJobCheck {
	public void aigcJobStateGet() throws Exception {
    Integer jobId = new Integer(xxxx); // 非同期タスク ID

    AiServiceJobApi jobApi = new AiServiceJobApi(apiClient);

    AsyncJobResponse jobResponse = jobApi.getAsyncJob(jobId);
    String request_id = jobResponse.getRequestId();
    String job_code = jobResponse.getCode();
    String job_message = jobResponse.getMessage();
    Map<String, AsyncJobData> job_data = jobResponse.getData();

    String Result_string = (String) job_data.get("job").getResult();
    JsonObject jsonObject = new JsonParser().parse(Result_string).getAsJsonObject();
    JsonArray result_states = jsonObject.get("states").getAsJsonArray();

    for (int result_idx=0; result_idx < result_states.size(); result_idx++){
      JsonObject result_one = result_states.get(result_idx).getAsJsonObject();
      String result_url = result_one.get("url").getAsString();
    }
  }
}

次の表は、パラメーターを説明しています。

パラメーター

タイプ

説明

jobId

Integer

トレーニングタスクの ID。

次のコードブロックは、レスポンス例を示しています。

モデルトレーニングが進行中の場合、次のレスポンスが返されます。

{
    requestId: 9a76c77d-c241-4691-8c93-fc6953fb668c
    code: OK
    message: success
    data: {
          job=AsyncJobData{
            id=12746, 
            appId='xxxxxxxxxx', 
            state=1, 
            message='model requesting', 
            result="", 
            requestId='111a6503-c2f7-4141-b17b-f8567e6a0a5f'
            }
    }
}

モデルトレーニングが完了すると、次のレスポンスが返されます。

{
      requestId: 0fc513d1-5a9e-48e1-9b6f-2eca7c0b62e9
      code: OK
      message: success
        data: {
          job=AsyncJobData{
            id=12744, 
            appId='xxxxxxxxxxx', 
            state=2, 
            message='success', 
            result={
              "cost_time":232.83351230621338,
              "model_id":"xxxxxxxxxxxx",
              "states":[{"code":1,
                         "frontal":true,
                         "message":"success",
                         "url":"https://xxxx/train/1.jpg"}]
            }, 
            requestId='83146ee3-68aa-40f7-b523-06f029e1db15'
          }
        }
}

戻り値の説明

パラメーター名	説明	タイプ
requestId	リクエスト ID。	String
code	リクエストのステータスコード。OK は成功を示します。error は失敗を示します。	String
message	リクエストステータスの詳細。値が success の場合はリクエストが成功したことを示します。その他の値については、返された具体的な内容をご参照ください。	String
data	返されたデータの詳細。	Map<String, AsyncJobData>

data の job フィールドの説明

パラメーター名	説明	タイプ
id	タスク ID。job_id です。	int
appId	ユーザーの AppId。	String
state	タスクのステータスコード： 0：初期化中。 1：実行中。 2：成功。 3：失敗。	int
message	タスク実行に関する情報。	String
Result	モデルによって返された結果。	String

モデル結果の説明 (タイプ： String)

パラメーター	説明
cost_time	このトレーニングタスクで消費された合計時間。
states	各イメージのチェック結果。各入力イメージの検出結果。各イメージは、url、message、frontal の 3 つのキーを含む辞書に対応します。これらのキーは、それぞれイメージ URL、イメージ検出の詳細、およびイメージが正面ビューであるかどうかを表します。
model_id	LoRA モデル名。これはトレーニングリクエストから取得した model_id と同じで、ポートレート生成の入力として使用されます。

ポートレート生成

次のコードブロックは、リクエスト例を示しています。

シングルポートレート生成用 API (api.aigcImagesCreate)

Stable Diffusion 1.5 による予測

import com.aliyun.openservices.aiservice.api.AiServiceJobApi;
import com.aliyun.openservices.aiservice.api.AigcImagesApi;
import com.aliyun.openservices.aiservice.ApiClient;
import com.aliyun.openservices.aiservice.ApiException;
import com.aliyun.openservices.aiservice.model.*;


import java.io.FileOutputStream;
import java.io.OutputStream;
import java.util.Arrays;
import java.util.List;

import java.io.IOException;

import sun.misc.BASE64Decoder;
import sun.misc.BASE64Encoder;

public class AIGCImageService {
  public String host = 'HOST';
  public String appId = 'YOUR-APPID';
  public String token = 'YOUR-TOKEN';

  public ApiClient apiClient = new ApiClient(host, appId, token);
  public AigcImagesApi api = new AigcImagesApi(apiClient);

  public void aigcImageCreateGet() throws Exception {
    String modelId = "xxx-xxxx";
    String templateImage = "https://xxxx.jpg";
    String model_name = "";
    Map<String, Object> configure = new TreeMap<String, Object>();

    AIGCImageCreateResponse createResponse = api.aigcImagesCreate(modelId, templateImage, model_name, configure);

    // リクエスト ID。
    String request_id = createResponse.getRequestId();
    // リクエストステータス。
    String code = createResponse.getCode();
    // リクエストステータスの詳細。
    String message = createResponse.getMessage();
    // レスポンスの内容。
    AIGCImageCreateData data = createResponse.getData();

    // Base64 エンコードされた生成イメージ。
    String imgStr = createResponse.getData().getImage();

    BASE64Decoder decoder = new BASE64Decoder();
    byte[] imgBtyes = decoder.decodeBuffer(imgStr);
    for (int i = 0; i < imgBtyes.length; ++i) {
      // 異常なデータを調整します。
      if (imgBtyes[i] < 0) {
        imgBtyes[i] += 256;
      }
    }

    String imgFilePath = "test_single.jpg";
    OutputStream out = new FileOutputStream(imgFilePath);

    out.write(imgBtyes);
    out.flush();
    out.close();
  }
}

パラメーターの説明は次のとおりです。

パラメーター	タイプ	説明
modelId	String	LoRA モデルの名前。トレーニングから取得した model-id を入力します。 ipa_control_only モードを使用する場合は、これを "" に設定します。
templateImage	String	テンプレートの URL パス。
model_name	String	モデル名。デフォルトは空の文字列です。
configure	Map<String, Object>	モデルの戻り値の構成。デフォルトは None です。
<HOST>	String	サーバー側アドレス： `http://ai-service.ce8cc13b6421545749e7b4605f3d02607.cn-hangzhou.alicontainer.com`。
<YOUR-APPID>	String	AI ポートレートをアクティベートした後、AI ポートレートページで AppId を表示できます。
<YOUR-TOKEN>	String	AI ポートレートをアクティベートした後、AI ポートレートページでトークンを表示できます。

configure のパラメーター

内部パラメーター名の構成	説明	タイプ	必須	デフォルト値	有効値
lora_weights	LoRA の重み。	float	いいえ	0.90	0.5～1.0
first_denoising_strength	最初のイメージ再構成の強度。	float	いいえ	0.45	0.0～1.0
second_denoising_strength	2 番目のイメージ再構成の強度。	float	いいえ	0.30	0.0～1.0
more_like_me	これは個人の強みのようなものです。	float	いいえ	0.50	0.0～1.0
crop_face_preprocess	再構成の前にイメージをクロップするかどうかを指定します。大きなイメージの場合は、これを有効にすることを推奨します。	bool	いいえ	True	True, False
apply_face_fusion_before	最初のポートレートマージを実行するかどうかを指定します。	bool	いいえ	True	True, False
apply_face_fusion_after	2 番目のポートレートマージを実行するかどうかを指定します。	bool	いいえ	True	True, False
color_shift_middle	最初の色補正を実行するかどうかを指定します。	bool	いいえ	True	True, False
color_shift_last	2 番目の色補正を実行するかどうかを指定します。	bool	いいえ	True	True, False
background_restore	背景を復元するかどうかを指定します。	bool	いいえ	False	True, False
skin_retouching_bool	肌の平滑化を実行するかどうかを指定します。有効にすると、肌が滑らかになり明るくなります。これにより、一般的にイメージはより魅力的になりますが、肌が白くなりすぎる可能性があります。無効にすると、肌の質感が強調されます。	bool	いいえ	False	True, False
photo_enhancement_bool	ポートレート強調を実行するかどうかを指定します。有効にすると、ポートレートの復元または超解像が実行され、生成されたイメージの品質が向上します。	bool	いいえ	True	True, False
photo_enhancement_method	ポートレート強調メソッド。 photo_fix はイメージの復元を実行します。これにより、多少の歪みが生じる可能性がありますが、不合理な部分が修正され、肌の質感が低下する可能性があります。 super_resolution はイメージの超解像のみを実行し、元のイメージをより良く保持します。	String	いいえ	photo_fix	photo_fix, super_resolution
makeup_transfer	メイクアップ転送を実行するかどうかを指定します。有効にすると、メイクアップが転送され、イメージが地味に見えるのを防ぎます。ただし、これにより、イメージがユーザー本人とあまり似ていないように見える可能性があります。	bool	いいえ	False	True, False
makeup_transfer_ratio	メイクアップ転送の強度。値が高いほど、メイクアップ転送の効果が強くなり、生成されたメイクアップがテンプレートに似て見えます。ただし、これにより、イメージがユーザー本人とあまり似ていないように見える可能性もあります。	float	いいえ	0.5	0.0～1.0
face_shape_match	顔の形状を調整するかどうかを指定します。有効にすると、コントロール強度が低下し、顔の形状と肌の質感がユーザーにより近くなります。	bool	いいえ	False	True, False
ipa_control	IPA コントロールを有効にするかどうかを指定します。有効にすると、ポートレートの類似性が向上しますが、結果は参照イメージの影響を受けやすくなります。	bool	いいえ	False	True, False
ipa_control_only	有効にすると、トレーニングなしで予測を実行できます。有効にする場合は、ipa_image_path を指定する必要があります。	bool	いいえ	False	True, False
ipa_image_path	参照ポートレートの URL。 ipa_control_only が有効な場合に必要です。	String	いいえ	None	ダウンロード可能な URL
ipa_weight	IPA コントロール強度。値が高いほど、出力イメージはユーザーに似て見えますが、値が高すぎるとイメージの歪みが発生する可能性があります。	float	いいえ	0.5	0.0～1.0
style_name	生成される出力のスタイルを指定します。リアルまたはカートゥーンスタイルで利用可能です。	str	いいえ	Realistic	Realistic, Anime
lcm_accelerate	生成スタイルに LCM アクセラレーションを使用するかどうかを指定します。	bool	いいえ	False	True, False
sharp_ratio	シャープ化の度合い。適切な値は鮮明度を向上させることができます。値が高すぎるとイメージの歪みが発生する可能性があります。	float	いいえ	0.15	0.0～1.0
t2i_prompt	text-to-image 機能を使用する場合は、ここでプロンプトを設定します。 t2i_prompt を設定する場合、テンプレートの URL パスを渡す必要はありません。	String	いいえ	None	N/A

Stable Diffusion XL による推論

import com.aliyun.openservices.aiservice.api.AiServiceJobApi;
import com.aliyun.openservices.aiservice.api.AigcImagesApi;
import com.aliyun.openservices.aiservice.ApiClient;
import com.aliyun.openservices.aiservice.ApiException;
import com.aliyun.openservices.aiservice.model.*;


import java.io.FileOutputStream;
import java.io.OutputStream;
import java.util.Arrays;
import java.util.List;

import java.io.IOException;

import sun.misc.BASE64Decoder;
import sun.misc.BASE64Encoder;

public class AIGCImageService {
  public String host = 'HOST';
  public String appId = 'YOUR-APPID';
  public String token = 'YOUR-TOKEN';

  public ApiClient apiClient = new ApiClient(host, appId, token);
  public AigcImagesApi api = new AigcImagesApi(apiClient);

  public void aigcImageCreateGet() throws Exception {
    String modelId = "xxx-xxxx";
    String templateImage = "https://xxxx.jpg";
    String model_name = "create_xl";
    Map<String, Object> configure = new TreeMap<String, Object>();

    AIGCImageCreateResponse createResponse = api.aigcImagesCreate(modelId, templateImage, model_name, configure);

    // リクエスト ID。
    String request_id = createResponse.getRequestId();
    // リクエストステータス。
    String code = createResponse.getCode();
    // リクエストステータスの詳細。
    String message = createResponse.getMessage();
    // レスポンスの内容。
    AIGCImageCreateData data = createResponse.getData();

    // Base64 エンコードされた生成イメージ。
    String imgStr = createResponse.getData().getImage();

    BASE64Decoder decoder = new BASE64Decoder();
    byte[] imgBtyes = decoder.decodeBuffer(imgStr);
    for (int i = 0; i < imgBtyes.length; ++i) {
      // 異常なデータを調整します。
      if (imgBtyes[i] < 0) {
        imgBtyes[i] += 256;
      }
    }

    String imgFilePath = "test_single.jpg";
    OutputStream out = new FileOutputStream(imgFilePath);

    out.write(imgBtyes);
    out.flush();
    out.close();
  }
}

次の表は、パラメーターを説明しています。

パラメーターの場所	タイプ	説明
modelId	string	LoRA モデルの名前。トレーニングから取得した model-id を入力します。ipa_control_only モードを使用する場合は、これを "" に設定します。
templateImage	string	テンプレートの URL パス。 scene_lora またはプロンプトで生成する場合は、これを "t2i_generate" に設定します。
model_name	string	モデル名。Stable Diffusion XL を使用するには、これを create_xl に設定します。
configure	Map<String, Object>	モデルは `configure` 構成を返します。これはデフォルトで `None` です。

configure のパラメーター

内部パラメーター名の構成	説明	タイプ	必須	デフォルト値	値の範囲
lora_weights	LoRA の適用強度。値が高いほど、出力イメージはユーザーに似て見えますが、値が高すぎるとイメージの歪みが発生する可能性があります。	float	いいえ	0.90	0.5～1.0
first_diffusion_steps	最初の拡散のステップ数。このパラメーターを変更することは推奨しません。値が低すぎると、イメージの歪みが発生する可能性があります。	int	いいえ	50	20-50
first_denoising_strength	最初のイメージ再構成の強度。顔の再構成強度。値が高いほど、再構成が多くなります。理論的には、値が高いほど出力イメージはユーザーに似て見えますが、値が高すぎるとイメージが不自然に見える可能性があります。	float	いいえ	0.45	0.0～1.0
second_diffusion_steps	2 番目の拡散のステップ数。このパラメーターを変更することは推奨しません。値が低すぎると、イメージの歪みが発生する可能性があります。	int	いいえ	30	20-50
second_denoising_strength	2 番目のイメージ再構成の強度。顔のエッジの再構成強度。値が高すぎると、イメージが不自然に見える可能性があります。	float	いいえ	0.30	0.0～1.0
more_like_me	これは私の得意分野です。ポートレートのマージ率。値が高いほど、イメージはユーザーに似て見えますが、値が高すぎるとイメージのリアリティが低下します。	float	いいえ	0.60	0.0～1.0
crop_face_preprocess	再構成の前にイメージをクロップするかどうかを指定します。大きなイメージの場合は、これを有効にすることを推奨します。このパラメーターを調整することは推奨しません。	bool	いいえ	True	True, False
apply_face_fusion_before	最初のポートレートマージを実行するかどうかを指定します。有効にすると、ポートレートマージが実行されます。無効にすると、類似性が低下します。	bool	いいえ	True	True, False
apply_face_fusion_after	2 番目のポートレートマージを実行するかどうかを指定します。有効にすると、ポートレートマージが実行されます。無効にすると、類似性が低下します。	bool	いいえ	True	True, False
color_shift_middle	最初の色補正を実行するかどうかを指定します。有効にすると、色補正が実行され、出力イメージの肌の色がテンプレートに近くなります。無効にすると、色補正は実行されず、色のずれが生じる可能性があります。	bool	いいえ	True	True, False
color_shift_last	2 番目の色補正を実行するかどうかを指定します。有効にすると、色補正が実行され、出力イメージの肌の色がテンプレートに近くなります。無効にすると、色補正は実行されず、色のずれが生じる可能性があります。	bool	いいえ	True	True, False
background_restore	背景を復元するかどうかを指定します。有効にすると、背景が再構成されます。これにより、イメージがより自然に見えるようになりますが、背景が変更され、処理時間が増加します。	bool	いいえ	False	True, False
skin_retouching_bool	肌の平滑化を実行するかどうかを指定します。有効にすると、肌が滑らかになり明るくなります。これにより、一般的にイメージはより魅力的になりますが、肌が白くなりすぎる可能性があります。無効にすると、肌の質感が強調されます。	bool	いいえ	False	True, False
photo_enhancement_bool	ポートレート強調を実行するかどうかを指定します。有効にすると、ポートレートの復元または超解像が実行され、生成されたイメージの品質が向上します。	bool	いいえ	True	True, False
photo_enhancement_method	ポートレート強調メソッド： photo_fix はイメージの復元を実行します。これにより、多少の歪みが生じる可能性がありますが、不合理な部分が修正され、肌の質感が低下する可能性があります。 super_resolution はイメージの超解像のみを実行し、元のイメージをより良く保持します。	String	いいえ	photo_fix	photo_fix, super_resolution
makeup_transfer	メイクアップ転送を実行するかどうかを指定します。有効にすると、メイクアップが転送され、イメージが地味に見えるのを防ぎます。ただし、これにより、イメージがユーザー本人とあまり似ていないように見える可能性があります。	bool	いいえ	False	True, False
makeup_transfer_ratio	メイクアップ転送の強度。値が高いほど、メイクアップ転送の効果が強くなり、生成されたメイクアップがテンプレートに似て見えます。ただし、これにより、イメージがユーザー本人とあまり似ていないように見える可能性もあります。	float	いいえ	0.5	0.0～1.0
ipa_control	IPA コントロールを有効にするかどうかを指定します。有効にすると、ポートレートの類似性が向上しますが、結果は参照イメージの影響を受けやすくなります。	bool	いいえ	False	True, False
ipa_control_only	有効にすると、トレーニングなしで予測を実行できます。有効にする場合は、ipa_image_path を指定する必要があります。	bool	いいえ	False	True, False
ipa_image_path	参照ポートレートの URL。 ipa_control_only が有効な場合に必要です。	String	いいえ	None	ダウンロード可能な URL
ipa_weight	IPA コントロール強度。値が高いほど、出力イメージはユーザーに似て見えますが、値が高すぎるとイメージの歪みが発生する可能性があります。	float	いいえ	0.5	0.0～1.0
lcm_accelerate	生成スタイルに LCM アクセラレーションを使用するかどうかを指定します。	bool	いいえ	False	True, False
sharp_ratio	シャープ化の度合い。適切な値は鮮明度を向上させることができます。値が高すぎるとイメージの歪みが発生する可能性があります。	float	いいえ	0.15	0.0～1.0
scene_id	Scene LoRA を使用する場合は、ここでシーン ID を設定します。シーン ID はトレーニングから取得されます。Stable Diffusion XL Scene LoRA をトレーニングする際に返されるモデル ID がシーン ID です。	String	いいえ	None	N/A
t2i_prompt	text-to-image 機能を使用する場合は、ここでプロンプトを設定します。 t2i_prompt を設定する場合、テンプレートの URL パスを渡す必要はありません。	String	いいえ	None	N/A

複数人ポートレート生成用 API (api.aigcImagesCreateByMultiModelIds)

import com.aliyun.openservices.aiservice.api.AiServiceJobApi;
import com.aliyun.openservices.aiservice.api.AigcImagesApi;
import com.aliyun.openservices.aiservice.ApiClient;
import com.aliyun.openservices.aiservice.ApiException;
import com.aliyun.openservices.aiservice.model.*;


import java.io.FileOutputStream;
import java.io.OutputStream;
import java.util.Arrays;
import java.util.List;

import java.io.IOException;

import sun.misc.BASE64Decoder;
import sun.misc.BASE64Encoder;

public class AIGCImageService {
  public String host = 'HOST';
  public String appId = 'YOUR-APPID';
  public String token = 'YOUR-TOKEN';

  public ApiClient apiClient = new ApiClient(host, appId, token);
  public AigcImagesApi api = new AigcImagesApi(apiClient);

  public void aigcImageCreateMulti() throws Exception {
    String[] modelIds = new String[]{"model-id1","model-id2"};
    String templateImage = "https://xxxx.jpg";
    String model_name = "";
    Map<String, Object> configure = new TreeMap<String, Object>();

    AIGCImageCreateResponse createResponse = api.aigcImagesCreateByMultiModelIds(model_id, template_image, model_name, config);

    // リクエスト ID。
    String request_id = createResponse.getRequestId();
    // リクエストステータス。
    String code = createResponse.getCode();
    // リクエストステータスの詳細。
    String message = createResponse.getMessage();
    // レスポンスの内容。
    AIGCImageCreateData data = createResponse.getData();

    // Base64 エンコードされた生成イメージ。
    String imgStr = createResponse.getData().getImage();

    BASE64Decoder decoder = new BASE64Decoder();
    byte[] imgBtyes = decoder.decodeBuffer(imgStr);
    for (int i = 0; i < imgBtyes.length; ++i) {
      // 異常なデータを調整します。
      if (imgBtyes[i] < 0) {
        imgBtyes[i] += 256;
      }
    }

    String imgFilePath = "test_multi.jpg";
    OutputStream out = new FileOutputStream(imgFilePath);

    out.write(imgBtyes);
    out.flush();
    out.close();
  }
}

パラメーター	タイプ	説明
modelId	String	トレーニング済みモデルのモデル ID。
templateImage	String	テンプレートの URL パス。
model_name	String	モデル名。デフォルトは空の文字列です。
configure	Map<String, Object>	モデルの戻り値の構成。デフォルトは None です。
<HOST>	String	サーバー側アドレス： `http://ai-service.ce8cc13b6421545749e7b4605f3d02607.cn-hangzhou.alicontainer.com`。
<YOUR-APPID>	String	AI ポートレートをアクティベートした後、AI ポートレートページで AppId を表示できます。
<YOUR-TOKEN>	String	AI ポートレートをアクティベートした後、AI ポートレートページでトークンを表示できます。

次のコードブロックは、レスポンス例を示しています。
```
{
 requestId: 5eb7741b-540b-4a5c-9c98-fdd1d714e51f
 code: OK
 message: success
 data: com.aliyun.openservices.aiservice.model.AIGCImageCreateData@358c99f5
}
```
data フィールドの説明 (タイプ： AIGCImageCreateData)

パラメーター

説明

タイプ

costTime

生成にかかった時間。

Float

image

Base64 エンコードされたイメージ。

String

ポートレート生成のエラーコード

サービスリクエストエラー

HTTP ステータスコード	code	message	説明
400	PARAMETER_ERROR	not found appid	AppId が正しくありません。
401	PARAMETER_ERROR	sign error	トークンが正しくありません。
404	PARAMETER_ERROR	model not found	対応するモデルサービスがデプロイされていません。

結果クエリエラー

HTTP ステータスコード	code	message	説明
462	error	Invalid input data. Please check the input dict.	入力データの解析に失敗しました。
462	error	Image not provided. Please check the template_image.	ポートレート生成用のテンプレートイメージが提供されていません。
462	error	Prompts get error. Please check the model_id.	提供された model_id のフォーマットを確認してください。
462	error	Face id image decord error. Pleace check the user's lora is trained or not.	ユーザーがアップロードしたイメージのデコード中にエラーが発生しました。モデルがトレーニングされているか確認してください。
462	error	Roop image decord error. Pleace check the user's lora is trained or not.	Roop イメージが存在しません。モデルがトレーニングされているか確認してください。
462	error	Template image decode error. Please Give a new template.	テンプレートイメージのデコード中にエラーが発生しました。新しいテンプレートを提供してください。
462	error	There is not face in template. Please Give a new template.	テンプレートイメージに顔が見つかりませんでした。新しいテンプレートを提供してください。
462	error	Template image process error. Please Give a new template.	テンプレートイメージの前処理中にエラーが発生しました。新しいテンプレートイメージを提供してください。
469	error	First Face Fusion Error, Can't get face in template image.	最初のポートレートマージ中にエラーが発生しました。
469	error	First Stable Diffusion Process error. Check the webui status.	最初の Stable Diffusion プロセス中にエラーが発生しました。
469	error	Second Face Fusion Error, Can't get face in template image.	2 番目のポートレートマージ中にエラーが発生しました。
469	error	Second Stable Diffusion Process error. Check the webui status.	2 番目の Stable Diffusion プロセス中にエラーが発生しました。
469	error	Please confirm if the number of faces in the template corresponds to the user ID.	提供されたユーザー ID の数が顔の数と一致するか確認してください。
469	error	Third Stable Diffusion Process error. Check the webui status.	バックグラウンド処理中にエラーが発生しました。テンプレートを交換してください。

エンドツーエンドフローのサンプルコード

次のコードは、エンドツーエンドフローの例を示しています。コードが正常に実行されると、現在のディレクトリに AI ポートレートイメージが生成されます。

標準フロー (Stable Diffusion 1.5)

package com.aliyun.aisdk;

import com.aliyun.openservices.aiservice.api.AiServiceJobApi;
import com.aliyun.openservices.aiservice.api.AigcImagesApi;
import com.aliyun.openservices.aiservice.ApiClient;
import com.aliyun.openservices.aiservice.ApiException;
import com.aliyun.openservices.aiservice.model.*;


import java.io.FileOutputStream;
import java.io.OutputStream;
import java.util.Arrays;
import java.util.List;

import java.io.IOException;

import sun.misc.BASE64Decoder;
import sun.misc.BASE64Encoder;

public class AIGCImageRunner {

  public String host = 'HOST';
  public String appId = 'YOUR-APPID';
  public String token = 'YOUR-TOKEN';

  public ApiClient apiClient = new ApiClient(host, appId, token);
  public AigcImagesApi api = new AigcImagesApi(apiClient);

  public byte[] base64ToBytes(String imgStr) throws IOException {
    BASE64Decoder decoder = new BASE64Decoder();
    byte[] imgBtyes = decoder.decodeBuffer(imgStr);
    for (int i = 0; i < imgBtyes.length; ++i) {
      // 異常なデータを調整します。
      if (imgBtyes[i] < 0) {
        imgBtyes[i] += 256;
      }
    }

    return imgBtyes;
  }

  public void aigcImagesCheck(List<String> images) throws Exception{
    AIGCImageCheckResponse response = api.aigcImagesCheck(images);
  }

  public Object[] aigcImagesTrainRun(List<String> images) throws Exception {

    AIGCImageTrainResponse response = api.aigcImagesTrain(images);
    int jobId = response.getData().getJobId();

    Object[] trainOut = new Object[2];

    System.out.println(response);
    System.out.println(response.getMessage());

    System.out.println("jobId:" + jobId);
    System.out.println("modelId:" + response.getData().getModelId());
    System.out.println(response.getData());

    trainOut[0]=jobId;
    trainOut[1] = response.getData().getModelId();
    return trainOut;
  }

  public Integer aigcJobStateGet(AiServiceJobApi jobApi, int jobId_int) throws Exception {
    Integer jobId = new Integer(jobId_int); // 非同期タスク ID。

    AsyncJobResponse jobResponse = jobApi.getAsyncJob(jobId);

    System.out.println(jobResponse.getData().get("job").getResult());

    return jobResponse.getData().get("job").getState();
  }

  public void CreateSingle(String modelId, String templateImage) throws Exception {

    AIGCImageCreateResponse createResponse = api.aigcImagesCreate(modelId, templateImage);

    // Base64 でエンコードされた生成済みイメージ。
    String imgStr = createResponse.getData().getImage();
    System.out.println(createResponse.getData());

    byte[] imgBtyes = base64ToBytes(imgStr);

    String imgFilePath = "test_single.jpg";
    OutputStream out = new FileOutputStream(imgFilePath);

    out.write(imgBtyes);
    out.flush();
    out.close();
  }
  
  public void CreateMulti(String[] model_ids, String template_image)throws ApiException, IOException {
        
    		String imgFilePath = "test_multi.jpg";
    		AIGCImageCreateResponse createResponse = api.aigcImagesCreateByMultiModelIds(model_ids, template_image, model_name, config);

        // リクエスト ID。
        String request_id = createResponse.getRequestId();
        // リクエストステータス。
        String code = createResponse.getCode();
        // リクエストステータスの詳細。
        String message = createResponse.getMessage();
        // 応答のコンテンツ。
        AIGCImageCreateData data = createResponse.getData();

        if (!code.equals("OK")){
            System.out.printf("aigc_images_create failed, model_id is %s, request_id is %s\n",model_ids,request_id);
        }else {
            String imgStr = createResponse.getData().getImage();
            byte[] image = base64ToBytes(imgStr);

          	
            OutputStream out = new FileOutputStream(output_image);

            out.write(image);
            out.flush();
            out.close();

        }
    }


  public void aigcEndtoEndCreate() throws Exception {
    List<String> images =Arrays.asList(
      "https://xxx/0.jpg",
      "https://xxx/1.jpg",
      "https://xxx/2.jpg"
    );
    String templateImage = "https://xxx.jpg";
    String multiTemplateImage = "https://xxx.jpg";

    Object[] o = aigcImagesTrainRun(images);
    int jobId = (int)o[0];
    String modelId = (String)o[1];
    
    AiServiceJobApi jobApi = new AiServiceJobApi(apiClient);

    while(true){
      Integer jobState = aigcJobStateGet(jobApi, jobId);

      if (jobState == AsyncJobState.JOB_STATE_WAIT) { // ジョブは実行中です。
        System.out.println("job running");
      } else if (jobState == AsyncJobState.JOB_STATE_SUCCESS) {
        System.out.println("job success");
        break;
      } else {
        System.out.println("job fail");
        throw new Exception("job fail");
      }

      try {
        Thread.sleep(30000);
      } catch (InterruptedException e) {
        throw new RuntimeException(e);
      }
    }
    
    

    CreateSingle(modelId,templateImage);


    String[] modelIds = new String[]{modelId,modelId};
    CreateMulti(model_ids, template_image)

  }

}

次の表は、パラメーターを説明しています。

パラメーター	説明
<HOST>	サーバー側アドレス： `http://ai-service.ce8cc13b6421545749e7b4605f3d02607.cn-hangzhou.alicontainer.com`。
<YOUR-APPID>	AI ポートレートをアクティベートした後、AI ポートレートページで AppId を表示できます。
<YOUR-TOKEN>	AI ポートレートをアクティベートした後、AI ポートレートページでトークンを表示できます。
images	モデルのトレーニングに使用されるイメージの URL。複数の URL はコンマ (,) で区切ります。
templateImage	単一の顔を含むテンプレートイメージの URL。これはシングルポートレート生成に使用されます。
multiTemplateImage	複数の顔を含むテンプレートイメージの URL。顔の数は、提供される model_id の値の数と一致する必要があります。これは複数人ポートレート生成に使用されます。

標準フロー (Stable Diffusion XL)

Stable Diffusion XL モデルを使用するには、まず PAI チームに連絡してサービスをアクティベートする必要があります。サービスがアクティベートされた後、モデル名を指定して使用できます。

package com.aliyun.aiservice.demo;

import com.aliyun.openservices.aiservice.ApiClient;
import com.aliyun.openservices.aiservice.ApiException;
import com.aliyun.openservices.aiservice.api.AiServiceJobApi;
import com.aliyun.openservices.aiservice.api.AigcImagesApi;
import com.aliyun.openservices.aiservice.model.*;
import com.google.gson.JsonArray;
import com.google.gson.JsonObject;
import com.google.gson.JsonParser;
import org.junit.Test;
import sun.misc.BASE64Decoder;

import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStream;
import java.util.*;


public class PhotoEndtoEndTest {

    public String host = 'HOST';
  	public String appId = 'YOUR-APPID';
  	public String token = 'YOUR-TOKEN';
  
    public ApiClient apiClient = new ApiClient(host, appId, token);
    public AigcImagesApi api = new AigcImagesApi(apiClient);
    public AiServiceJobApi jobApi = new AiServiceJobApi(apiClient);

    public byte[] base64ToBytes(String imgStr) throws IOException {
        BASE64Decoder decoder = new BASE64Decoder();
        byte[] imgBtyes = decoder.decodeBuffer(imgStr);
        for (int i = 0; i < imgBtyes.length; ++i) {
            // 異常なデータを調整します。
            if (imgBtyes[i] < 0) {
                imgBtyes[i] += 256;
            }
        }

        return imgBtyes;
    }

    public boolean Check(List<String> images) throws ApiException {
        AIGCImageCheckResponse response = this.api.aigcImagesCheck(images);
        // リクエスト ID。
        String request_id = response.getRequestId();
        // リクエストステータス。
        String code = response.getCode();
        // リクエストステータスの詳細。
        String message = response.getMessage();
        // レスポンスの内容。
        AIGCImageCheckData data = response.getData();

        // 返された結果を出力します。
        boolean is_ok = false;
        if (!code.equals("OK")){
            System.out.printf("aigc_images_check failed,request id is %\n", request_id);
        }else{
            is_ok = true;
            System.out.printf("check images done, input %d images, return %d images, %d filtered by lvwang\n",
                    images.size(),(data.getCheckResults().size()),(images.size()-data.getCheckResults().size()));
            for (int check_result_idx=0; check_result_idx < data.getCheckResults().size();check_result_idx++ ){
                AIGCImageCheckResult checkResult = data.getCheckResults().get(check_result_idx);
                Integer checkResultCode = checkResult.getCode();
                if (checkResultCode.equals(1)){
                    System.out.printf("check %s success\n", checkResult.getUrl());
                }else {
                    is_ok = false;
                    System.out.printf("check %s failed, message is %s , request_id is %s\n",
                            checkResult.getUrl(),checkResult.getMessage(),request_id);
                }
            }
        }
        return is_ok;
    }

    public Object[] Train(List<String> images, String model_name, Map<String, Object> config) throws ApiException {
        Integer job_id = -1;
        String model_id = "";

        AIGCImageTrainResponse response = this.api.aigcImagesTrain(images,model_name,config);
        // リクエスト ID。
        String request_id = response.getRequestId();
        // リクエストステータス。
        String code = response.getCode();
        // リクエストステータスの詳細。
        String message = response.getMessage();
        // レスポンスの内容。
        InlineResponse200Data Data = response.getData();

        // 返された結果を出力します。
        if (!code.equals("OK")){
            System.out.printf("aigc_images_train failed, request id is %s\n", request_id);

        }else{
            job_id = response.getData().getJobId();
            model_id = response.getData().getModelId();

            System.out.printf("train job_id is %d, model id %s\n",job_id.intValue(),model_id);

        }
        Integer state = -1;
        while(true){
            AsyncJobResponse jobResponse = this.jobApi.getAsyncJob(job_id);
            String job_code = jobResponse.getCode();
            String job_message = jobResponse.getMessage();
            Map<String, AsyncJobData> job_data = jobResponse.getData();

            if (!job_code.equals("OK")){
                System.out.printf("get_async_job failed, request id is %s, message is %s\n",
                        request_id, job_message);
                job_id = new Integer(-1);
                model_id = "";

            }else{
                state = job_data.get("job").getState();
                if (state.equals(2)){
                    System.out.printf("model %s trained successfully\n",model_id);
                    break;
                }else if(!state.equals(3)){
                    System.out.printf("training model %s\n",model_id);

                    try {
                        Thread.sleep(10000);
                    } catch (InterruptedException e) {
                        e.printStackTrace();
                    }

                }else{
                    System.out.printf("model %s trained failed, message: %s\n",model_id,job_message);
                    break;
                }
            }

        }

        if (!state.equals(2)){
            model_id = "";
        }

        Object[] out = new Object[2];
        out[0] = job_id;
        out[1] = model_id;

        return out;

    }

    public String[] QueryValidImageUrlsByJob(Integer job_id) throws ApiException {
        String[] image_urls = null;

        AsyncJobResponse jobResponse = this.jobApi.getAsyncJob(job_id);
        String request_id = jobResponse.getRequestId();
        String job_code = jobResponse.getCode();
        String job_message = jobResponse.getMessage();
        Map<String, AsyncJobData> job_data = jobResponse.getData();

        if (!job_code.equals("OK")) {
            System.out.printf("get_async_job failed, request id is %s, message is %s\n",
                    request_id, job_message);
        }else {
            Integer state = job_data.get("job").getState();
            if (state == 2){
                System.out.printf("Job %s trained successfully\n", job_id);
                String Result_string = (String) job_data.get("job").getResult();
                JsonObject jsonObject = new JsonParser().parse(Result_string).getAsJsonObject();
                JsonArray result_states = jsonObject.get("states").getAsJsonArray();
                image_urls = new String[result_states.size()];
                for (int result_idx=0; result_idx < result_states.size(); result_idx++){
                    JsonObject result_one = result_states.get(result_idx).getAsJsonObject();
                    String result_url = result_one.get("url").getAsString();
                    image_urls[result_idx] = result_url;
                }

            }else{
                System.out.printf("job %s not ready\n",job_id);
            }
        }

        return image_urls;
    }

    public boolean Create(String model_id, String template_image, String output_image, String model_name, Map<String, Object> config) throws IOException {
        System.out.println("Create");
        AIGCImageCreateResponse createResponse = null;
        try{
            createResponse = api.aigcImagesCreate(model_id, template_image, model_name, config);
        }catch (ApiException e){
            System.out.println();
            System.out.println(e.getResponseBody());
        }
        System.out.println(createResponse);
        // リクエスト ID。
        String request_id = createResponse.getRequestId();
        // リクエストステータス。
        String code = createResponse.getCode();
        // リクエストステータスの詳細。
        String message = createResponse.getMessage();
        // レスポンスの内容。
        AIGCImageCreateData data = createResponse.getData();

        if (!code.equals("OK")){
            System.out.printf("aigc_images_create failed, model_id is %s, request_id is %s\n",model_id,request_id);
        }else {
            String imgStr = createResponse.getData().getImage();
            byte[] image = base64ToBytes(imgStr);

            OutputStream out = new FileOutputStream(output_image);

            out.write(image);
            out.flush();
            out.close();

        }
        return true;
    }

    public boolean CreateMulti(String[] model_ids, String template_image, String output_image, String model_name, Map<String, Object> config) throws ApiException, IOException {
        AIGCImageCreateResponse createResponse = api.aigcImagesCreateByMultiModelIds(model_ids, template_image, model_name, config);

        // リクエスト ID。
        String request_id = createResponse.getRequestId();
        // リクエストステータス。
        String code = createResponse.getCode();
        // リクエストステータスの詳細。
        String message = createResponse.getMessage();
        // レスポンスの内容。
        AIGCImageCreateData data = createResponse.getData();

        if (!code.equals("OK")){
            System.out.printf("aigc_images_create failed, model_id is %s, request_id is %s\n",model_ids,request_id);
        }else {
            String imgStr = createResponse.getData().getImage();
            byte[] image = base64ToBytes(imgStr);

            OutputStream out = new FileOutputStream(output_image);

            out.write(image);
            out.flush();
            out.close();

        }
        return true;
    }

    @Test
    public void aigcEndtoEndCreate() throws Exception {
        List<String> images = Arrays.asList(
                "https://xxx/0.jpg",
                "https://xxx/1.jpg",
                "https://xxx/2.jpg"
        );

        

        String template_image = "https://xxx.jpg";
        String multi_template_image = "https://xxx.jpg";
      
        String model_name = "train_xl";
        Map<String, Object> config = new HashMap<String, Object>();

        Object[] train_out = Train(images, model_name, config);

        Integer job_id= (Integer) train_out[0];
        String model_id =  (String) train_out[1];



        String[] model_ids = {model_id,model_id};
        model_name = "create_xl"; //""
        Map<String, Object> configure = new TreeMap<String, Object>();

        Create(model_id, template_image,"single_out.jpg", model_name,configure);

        CreateMulti(model_ids, multi_template_image,"multi_out.jpg", model_name,configure);


    }

}

単一の参照イメージを使用して AI ポートレートを生成 (モデルトレーニングは不要)

package com.aliyun.aiservice.demo;

import com.aliyun.openservices.aiservice.ApiClient;
import com.aliyun.openservices.aiservice.ApiException;
import com.aliyun.openservices.aiservice.api.AiServiceJobApi;
import com.aliyun.openservices.aiservice.api.AigcImagesApi;
import com.aliyun.openservices.aiservice.model.*;
import com.google.gson.JsonArray;
import com.google.gson.JsonObject;
import com.google.gson.JsonParser;
import org.junit.Test;
import sun.misc.BASE64Decoder;

import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStream;
import java.util.*;

public class PhotoReferCreateTest {
    public String host = 'HOST';
  	public String appId = 'YOUR-APPID';
  	public String token = 'YOUR-TOKEN';
  
    public ApiClient apiClient = new ApiClient(host, appId, token);
    public AigcImagesApi api = new AigcImagesApi(apiClient);
    public AiServiceJobApi jobApi = new AiServiceJobApi(apiClient);

    public byte[] base64ToBytes(String imgStr) throws IOException {
        BASE64Decoder decoder = new BASE64Decoder();
        byte[] imgBtyes = decoder.decodeBuffer(imgStr);
        for (int i = 0; i < imgBtyes.length; ++i) {
            // 異常なデータを調整します。
            if (imgBtyes[i] < 0) {
                imgBtyes[i] += 256;
            }
        }

        return imgBtyes;
    }

    public boolean Check(List<String> images) throws ApiException {
        AIGCImageCheckResponse response = this.api.aigcImagesCheck(images);
        // リクエスト ID。
        String request_id = response.getRequestId();
        // リクエストステータス。
        String code = response.getCode();
        // リクエストステータスの詳細。
        String message = response.getMessage();
        // レスポンスの内容。
        AIGCImageCheckData data = response.getData();

        // 返された結果を出力します。
        boolean is_ok = false;
        if (!code.equals("OK")){
            System.out.printf("aigc_images_check failed,request id is %\n", request_id);
        }else{
            is_ok = true;
            System.out.printf("check images done, input %d images, return %d images, %d filtered by lvwang\n",
                    images.size(),(data.getCheckResults().size()),(images.size()-data.getCheckResults().size()));
            for (int check_result_idx=0; check_result_idx < data.getCheckResults().size();check_result_idx++ ){
                AIGCImageCheckResult checkResult = data.getCheckResults().get(check_result_idx);
                Integer checkResultCode = checkResult.getCode();
                if (checkResultCode.equals(1)){
                    System.out.printf("check %s success\n", checkResult.getUrl());
                }else {
                    is_ok = false;
                    System.out.printf("check %s failed, message is %s , request_id is %s\n",
                            checkResult.getUrl(),checkResult.getMessage(),request_id);
                }
            }
        }
        return is_ok;
    }



    public boolean Create(String template_image, String output_image, String ref_image) throws IOException {
        System.out.println("Create");
        AIGCImageCreateResponse createResponse = null;

        Map<String, Object> config = new TreeMap<String, Object>();

        config.put("ipa_control_only",true);
        config.put("ipa_weight",0.6);
        config.put("ipa_image_path",ref_image);
        try{
            createResponse = api.aigcImagesCreate("", template_image, "", config);
        }catch (ApiException e){
            System.out.println();
            System.out.println(e.getResponseBody());
        }
        System.out.println(createResponse);
        // リクエスト ID。
        String request_id = createResponse.getRequestId();
        // リクエストステータス。
        String code = createResponse.getCode();
        // リクエストステータスの詳細。
        String message = createResponse.getMessage();
        // レスポンスの内容。
        AIGCImageCreateData data = createResponse.getData();

        if (!code.equals("OK")){
            System.out.printf("aigc_images_create failed, model_id is %s, request_id is %s\n",model_id,request_id);
        }else {
            String imgStr = createResponse.getData().getImage();
            byte[] image = base64ToBytes(imgStr);

            OutputStream out = new FileOutputStream(output_image);

            out.write(image);
            out.flush();
            out.close();

        }
        return true;
    }

    @Test
    public void aigcEndtoEndCreate() throws Exception {

        String template_image = "https://demo.jpg";
        String ref_image = "https://reference.jpg";
      
        Create(template_image,"ref_out.jpg", ref_image);


    }
}

プロンプトと単一の参照イメージからテンプレートイメージを生成して AI ポートレートを作成 (テンプレートイメージは不要)

package com.aliyun.aiservice.demo;

import com.aliyun.openservices.aiservice.ApiClient;
import com.aliyun.openservices.aiservice.ApiException;
import com.aliyun.openservices.aiservice.api.AiServiceJobApi;
import com.aliyun.openservices.aiservice.api.AigcImagesApi;
import com.aliyun.openservices.aiservice.model.*;
import com.google.gson.JsonArray;
import com.google.gson.JsonObject;
import com.google.gson.JsonParser;
import org.junit.Ignore;
import org.junit.Test;
import sun.misc.BASE64Decoder;

import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStream;
import java.util.*;

public class PhotoPtomptCreateTest {

    public String host = 'HOST';
  	public String appId = 'YOUR-APPID';
  	public String token = 'YOUR-TOKEN';
  
    public ApiClient apiClient = new ApiClient(host, appId, token);
    public AigcImagesApi api = new AigcImagesApi(apiClient);
    public AiServiceJobApi jobApi = new AiServiceJobApi(apiClient);

    public byte[] base64ToBytes(String imgStr) throws IOException {
        BASE64Decoder decoder = new BASE64Decoder();
        byte[] imgBtyes = decoder.decodeBuffer(imgStr);
        for (int i = 0; i < imgBtyes.length; ++i) {
            // 異常なデータを調整します。
            if (imgBtyes[i] < 0) {
                imgBtyes[i] += 256;
            }
        }

        return imgBtyes;
    }

    public boolean Check(List<String> images) throws ApiException {
        AIGCImageCheckResponse response = this.api.aigcImagesCheck(images);
        // リクエスト ID。
        String request_id = response.getRequestId();
        // リクエストステータス。
        String code = response.getCode();
        // リクエストステータスの詳細。
        String message = response.getMessage();
        // レスポンスの内容。
        AIGCImageCheckData data = response.getData();

        // 返された結果を出力します。
        boolean is_ok = false;
        if (!code.equals("OK")){
            System.out.printf("aigc_images_check failed,request id is %\n", request_id);
        }else{
            is_ok = true;
            System.out.printf("check images done, input %d images, return %d images, %d filtered by lvwang\n",
                    images.size(),(data.getCheckResults().size()),(images.size()-data.getCheckResults().size()));
            for (int check_result_idx=0; check_result_idx < data.getCheckResults().size();check_result_idx++ ){
                AIGCImageCheckResult checkResult = data.getCheckResults().get(check_result_idx);
                Integer checkResultCode = checkResult.getCode();
                if (checkResultCode.equals(1)){
                    System.out.printf("check %s success\n", checkResult.getUrl());
                }else {
                    is_ok = false;
                    System.out.printf("check %s failed, message is %s , request_id is %s\n",
                            checkResult.getUrl(),checkResult.getMessage(),request_id);
                }
            }
        }
        return is_ok;
    }

    public Object[] Train(List<String> images, String model_name, Map<String, Object> config) throws ApiException {
        Integer job_id = -1;
        String model_id = "";

        AIGCImageTrainResponse response = this.api.aigcImagesTrain(images,model_name,config);
        // リクエスト ID。
        String request_id = response.getRequestId();
        // リクエストステータス。
        String code = response.getCode();
        // リクエストステータスの詳細。
        String message = response.getMessage();
        // レスポンスの内容。
        InlineResponse200Data Data = response.getData();

        // 返された結果を出力します。
        if (!code.equals("OK")){
            System.out.printf("aigc_images_train failed, request id is %s\n", request_id);

        }else{
            job_id = response.getData().getJobId();
            model_id = response.getData().getModelId();

            System.out.printf("train job_id is %d, model id %s\n",job_id.intValue(),model_id);

        }
        Integer state = -1;
        while(true){
            AsyncJobResponse jobResponse = this.jobApi.getAsyncJob(job_id);
            String job_code = jobResponse.getCode();
            String job_message = jobResponse.getMessage();
            Map<String, AsyncJobData> job_data = jobResponse.getData();

            if (!job_code.equals("OK")){
                System.out.printf("get_async_job failed, request id is %s, message is %s\n",
                        request_id, job_message);
                job_id = new Integer(-1);
                model_id = "";

            }else{
                state = job_data.get("job").getState();
                if (state.equals(2)){
                    System.out.printf("model %s trained successfully\n",model_id);
                    break;
                }else if(!state.equals(3)){
                    System.out.printf("training model %s\n",model_id);

                    try {
                        Thread.sleep(10000);
                    } catch (InterruptedException e) {
                        e.printStackTrace();
                    }

                }else{
                    System.out.printf("model %s trained failed, message: %s\n",model_id,job_message);
                    break;
                }
            }

        }

        if (!state.equals(2)){
            model_id = "";
        }

        Object[] out = new Object[2];
        out[0] = job_id;
        out[1] = model_id;

        return out;

    }

    public String[] QueryValidImageUrlsByJob(Integer job_id) throws ApiException {
        String[] image_urls = null;

        AsyncJobResponse jobResponse = this.jobApi.getAsyncJob(job_id);
        String request_id = jobResponse.getRequestId();
        String job_code = jobResponse.getCode();
        String job_message = jobResponse.getMessage();
        Map<String, AsyncJobData> job_data = jobResponse.getData();

        if (!job_code.equals("OK")) {
            System.out.printf("get_async_job failed, request id is %s, message is %s\n",
                    request_id, job_message);
        }else {
            Integer state = job_data.get("job").getState();
            if (state == 2){
                System.out.printf("Job %s trained successfully\n", job_id);
                String Result_string = (String) job_data.get("job").getResult();
                JsonObject jsonObject = new JsonParser().parse(Result_string).getAsJsonObject();
                JsonArray result_states = jsonObject.get("states").getAsJsonArray();
                image_urls = new String[result_states.size()];
                for (int result_idx=0; result_idx < result_states.size(); result_idx++){
                    JsonObject result_one = result_states.get(result_idx).getAsJsonObject();
                    String result_url = result_one.get("url").getAsString();
                    image_urls[result_idx] = result_url;
                }

            }else{
                System.out.printf("job %s not ready\n",job_id);
            }
        }

        return image_urls;
    }

    public boolean Create(String model_id, String t2i_prompt, String template_image) throws IOException {
        System.out.println("Create");
        AIGCImageCreateResponse createResponse = null;
        HashMap<String,Object> config = new HashMap<String, Object>();
        config.put("t2i_prompt", t2i_prompt);
        try{
            createResponse = api.aigcImagesCreate(model_id, template_image, "", config);
        }catch (ApiException e){
            System.out.println();
            System.out.println(e.getResponseBody());
        }
        System.out.println(createResponse);
        // リクエスト ID。
        String request_id = createResponse.getRequestId();
        // リクエストステータス。
        String code = createResponse.getCode();
        // リクエストステータスの詳細。
        String message = createResponse.getMessage();
        // レスポンスの内容。
        AIGCImageCreateData data = createResponse.getData();

        if (!code.equals("OK")){
            System.out.printf("aigc_images_create failed, model_id is %s, request_id is %s\n",model_id,request_id);
        }else {
            String imgStr = createResponse.getData().getImage();
            byte[] image = base64ToBytes(imgStr);

            OutputStream out = new FileOutputStream("prompt_out.jpg");

            out.write(image);
            out.flush();
            out.close();

        }
        return true;
    }



    @Test
    public void aigcEndtoEndCreate() throws Exception {


        List<String> images =Arrays.asList(
      			"https://xxx/0.jpg",
      			"https://xxx/1.jpg",
      			"https://xxx/2.jpg"
    		);

        String template_image = "https://demo.jpg";

        String model_name = "";
        Map<String, Object> config = new HashMap<String, Object>();

        Object[] train_out = Train(images, model_name, config);

        Integer job_id= (Integer) train_out[0];
        String model_id =  (String) train_out[1];

        String t2i_prompt = "(portrait:1.5), 1girl, bokeh, bouquet, brown_hair, cloud, flower, hairband, hydrangea, lips, long_hair, outdoors, sunlight, white_flower, white_rose, green sweater, sweater, (cloth:1.0), (best quality), (realistic, photo-realistic:1.3), film photography, minor acne, (portrait:1.1), (indirect lighting), extremely detailed CG unity 8k wallpaper, enormous filesize, best quality, realistic, photo-realistic, ultra high res, raw photo, put on makeup";
        Create(model_id, t2i_prompt, template_image);

    }

}

プロンプトと単一の参照イメージからテンプレートイメージを生成して AI ポートレートを作成 (テンプレートイメージやモデルトレーニングは不要)

package com.aliyun.aiservice.demo;

import com.aliyun.openservices.aiservice.ApiClient;
import com.aliyun.openservices.aiservice.ApiException;
import com.aliyun.openservices.aiservice.api.AiServiceJobApi;
import com.aliyun.openservices.aiservice.api.AigcImagesApi;
import com.aliyun.openservices.aiservice.model.*;
import com.google.gson.JsonArray;
import com.google.gson.JsonObject;
import com.google.gson.JsonParser;
import org.junit.Ignore;
import org.junit.Test;
import sun.misc.BASE64Decoder;

import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStream;
import java.util.*;

public class PhotoPtomptCreateTest {

    public String host = 'HOST';
  	public String appId = 'YOUR-APPID';
  	public String token = 'YOUR-TOKEN';
  
    public ApiClient apiClient = new ApiClient(host, appId, token);
    public AigcImagesApi api = new AigcImagesApi(apiClient);
    public AiServiceJobApi jobApi = new AiServiceJobApi(apiClient);

    public byte[] base64ToBytes(String imgStr) throws IOException {
        BASE64Decoder decoder = new BASE64Decoder();
        byte[] imgBtyes = decoder.decodeBuffer(imgStr);
        for (int i = 0; i < imgBtyes.length; ++i) {
            // 異常なデータを調整します。
            if (imgBtyes[i] < 0) {
                imgBtyes[i] += 256;
            }
        }

        return imgBtyes;
    }

    public boolean Check(List<String> images) throws ApiException {
        AIGCImageCheckResponse response = this.api.aigcImagesCheck(images);
        // リクエスト ID。
        String request_id = response.getRequestId();
        // リクエストステータス。
        String code = response.getCode();
        // リクエストステータスの詳細。
        String message = response.getMessage();
        // レスポンスの内容。
        AIGCImageCheckData data = response.getData();

        // 返された結果を出力します。
        boolean is_ok = false;
        if (!code.equals("OK")){
            System.out.printf("aigc_images_check failed,request id is %\n", request_id);
        }else{
            is_ok = true;
            System.out.printf("check images done, input %d images, return %d images, %d filtered by lvwang\n",
                    images.size(),(data.getCheckResults().size()),(images.size()-data.getCheckResults().size()));
            for (int check_result_idx=0; check_result_idx < data.getCheckResults().size();check_result_idx++ ){
                AIGCImageCheckResult checkResult = data.getCheckResults().get(check_result_idx);
                Integer checkResultCode = checkResult.getCode();
                if (checkResultCode.equals(1)){
                    System.out.printf("check %s success\n", checkResult.getUrl());
                }else {
                    is_ok = false;
                    System.out.printf("check %s failed, message is %s , request_id is %s\n",
                            checkResult.getUrl(),checkResult.getMessage(),request_id);
                }
            }
        }
        return is_ok;
    }

    public Object[] Train(List<String> images, String model_name, Map<String, Object> config) throws ApiException {
        Integer job_id = -1;
        String model_id = "";

        AIGCImageTrainResponse response = this.api.aigcImagesTrain(images,model_name,config);
        // リクエスト ID。
        String request_id = response.getRequestId();
        // リクエストステータス。
        String code = response.getCode();
        // リクエストステータスの詳細。
        String message = response.getMessage();
        // レスポンスの内容。
        InlineResponse200Data Data = response.getData();

        // 返された結果を出力します。
        if (!code.equals("OK")){
            System.out.printf("aigc_images_train failed, request id is %s\n", request_id);

        }else{
            job_id = response.getData().getJobId();
            model_id = response.getData().getModelId();

            System.out.printf("train job_id is %d, model id %s\n",job_id.intValue(),model_id);

        }
        Integer state = -1;
        while(true){
            AsyncJobResponse jobResponse = this.jobApi.getAsyncJob(job_id);
            String job_code = jobResponse.getCode();
            String job_message = jobResponse.getMessage();
            Map<String, AsyncJobData> job_data = jobResponse.getData();

            if (!job_code.equals("OK")){
                System.out.printf("get_async_job failed, request id is %s, message is %s\n",
                        request_id, job_message);
                job_id = new Integer(-1);
                model_id = "";

            }else{
                state = job_data.get("job").getState();
                if (state.equals(2)){
                    System.out.printf("model %s trained successfully\n",model_id);
                    break;
                }else if(!state.equals(3)){
                    System.out.printf("training model %s\n",model_id);

                    try {
                        Thread.sleep(10000);
                    } catch (InterruptedException e) {
                        e.printStackTrace();
                    }

                }else{
                    System.out.printf("model %s trained failed, message: %s\n",model_id,job_message);
                    break;
                }
            }

        }

        if (!state.equals(2)){
            model_id = "";
        }

        Object[] out = new Object[2];
        out[0] = job_id;
        out[1] = model_id;

        return out;

    }

    public String[] QueryValidImageUrlsByJob(Integer job_id) throws ApiException {
        String[] image_urls = null;

        AsyncJobResponse jobResponse = this.jobApi.getAsyncJob(job_id);
        String request_id = jobResponse.getRequestId();
        String job_code = jobResponse.getCode();
        String job_message = jobResponse.getMessage();
        Map<String, AsyncJobData> job_data = jobResponse.getData();

        if (!job_code.equals("OK")) {
            System.out.printf("get_async_job failed, request id is %s, message is %s\n",
                    request_id, job_message);
        }else {
            Integer state = job_data.get("job").getState();
            if (state == 2){
                System.out.printf("Job %s trained successfully\n", job_id);
                String Result_string = (String) job_data.get("job").getResult();
                JsonObject jsonObject = new JsonParser().parse(Result_string).getAsJsonObject();
                JsonArray result_states = jsonObject.get("states").getAsJsonArray();
                image_urls = new String[result_states.size()];
                for (int result_idx=0; result_idx < result_states.size(); result_idx++){
                    JsonObject result_one = result_states.get(result_idx).getAsJsonObject();
                    String result_url = result_one.get("url").getAsString();
                    image_urls[result_idx] = result_url;
                }

            }else{
                System.out.printf("job %s not ready\n",job_id);
            }
        }

        return image_urls;
    }

    public boolean Create(String t2i_prompt, String template_image, String ref_image) throws IOException {
        System.out.println("Create");
        AIGCImageCreateResponse createResponse = null;
        HashMap<String,Object> config = new HashMap<String, Object>();

        config.put("t2i_prompt", t2i_prompt);
        config.put("ipa_control_only", true);
        config.put("ipa_weight", 0.6);
        config.put("ipa_image_path", ref_image);

        try{
            createResponse = api.aigcImagesCreate("", template_image, "", config);
        }catch (ApiException e){
            System.out.println();
            System.out.println(e.getResponseBody());
        }
        System.out.println(createResponse);
        // リクエスト ID。
        String request_id = createResponse.getRequestId();
        // リクエストステータス。
        String code = createResponse.getCode();
        // リクエストステータスの詳細。
        String message = createResponse.getMessage();
        // レスポンスの内容。
        AIGCImageCreateData data = createResponse.getData();

        if (!code.equals("OK")){
            System.out.printf("aigc_images_create failed, request_id is %s\n",request_id);
        }else {
            String imgStr = createResponse.getData().getImage();
            byte[] image = base64ToBytes(imgStr);

            OutputStream out = new FileOutputStream("ref_prompt_out.jpg");

            out.write(image);
            out.flush();
            out.close();

        }
        return true;
    }



    @Test
    public void aigcEndtoEndCreate() throws Exception {

        String template_image = "https://demo.jpg";
        String ref_image = "https://reference.jpg";


        String t2i_prompt = "(portrait:1.5), 1girl, bokeh, bouquet, brown_hair, cloud, flower, hairband, hydrangea, lips, long_hair, outdoors, sunlight, white_flower, white_rose, green sweater, sweater, (cloth:1.0), (best quality), (realistic, photo-realistic:1.3), film photography, minor acne, (portrait:1.1), (indirect lighting), extremely detailed CG unity 8k wallpaper, enormous filesize, best quality, realistic, photo-realistic, ultra high res, raw photo, put on makeup";
        Create(t2i_prompt, template_image, ref_image);

    }

}