Java 用 AI ポートレート SDK の使用 - Platform For AI - Alibaba Cloud ドキュメントセンター

Java SDK を使用して、カスタム LoRA モデルをトレーニングし、AI ポートレートを生成します。

前提条件

Java 環境がインストールされていること。
5〜20 枚のトレーニング画像と 1 枚のテンプレート画像を準備します。サポートされているフォーマット：.jpg、.jpeg、.png。
- ソロポートレートの場合、テンプレート画像には顔が 1 つだけ含まれている必要があります。トレーニング画像には同じ人物が写っている必要があります。
- 複数人ポートレートの場合、テンプレート画像には、トレーニングに使用される model_id の値の数と一致する複数の顔が含まれている必要があります。
- 画像の解像度は 512 × 512 ピクセルより大きい必要があります。

SDK のセットアップ

pom.xml の <dependencies> セクションに aiservice SDK の依存関係を追加します：

<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);
 }
}

次のパラメーターを置き換えます：

パラメーター	説明
<HOST>	サーバーサイドのエンドポイント：`http://ai-service.ce8cc13b6421545749e7b4605f3d02607.cn-hangzhou.alicontainer.com`。
<YOUR-APPID>	有効化後、AI ポートレートページから取得します。
<YOUR-TOKEN>	有効化後、AI ポートレートページから取得します。

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。

API の例

AI ポートレートには、モデルトレーニング (数分) とポートレート生成 (数秒) の 2 つのステージがあります。

画像のチェック (aigcImagesCheck)

リクエストの例：

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 {
        // トレーニング画像の 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();
        // リクエスト状態。
        String code = response.getCode();
        // リクエスト状態の詳細。
        String message = response.getMessage();
        // レスポンス内容。
        AIGCImageCheckData data = response.getData();

        // チェック結果コード。
        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	説明
images	画像 URL のリスト (List<String>)。
<HOST>	サーバーサイドのエンドポイント：`http://ai-service.ce8cc13b6421545749e7b4605f3d02607.cn-hangzhou.alicontainer.com`。
<YOUR-APPID>	有効化後、AI ポートレートページから取得します。
<YOUR-TOKEN>	有効化後、AI ポートレートページから取得します。

レスポンスの例：

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.'}
  		]
		}
}

レスポンスパラメーター：

パラメーター	説明	タイプ
requestId	リクエスト ID	String
code	リクエスト状態コード。有効値： OK: 成功 error: 失敗	String
message	リクエスト状態の詳細。「success」はリクエストが成功したことを示します	String
data	返されたデータの詳細	AIGCImageCheckData

データフィールド (AIGCImageCheckData)

パラメーター	説明	タイプ
checkResults	各画像の検出結果。url (画像 URL)、message (検出詳細)、frontal (画像が正面ビューかどうか) を含みます	List<AIGCImageCheckResult>
costTime	サーバーサイドの処理時間 (秒)	float
images	チェックされた画像の URL	List<String>
requestId	リクエスト ID (親の requestId と同じ)	String

チェック結果メッセージ：

message	状態コード	説明
success	1	リクエスト ID。
Image decode error.	2	初回画像再構成強度
Number of faces is not 1	3	LoRA モデル名。トレーニングの model_id を入力してください。
Image detection 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ディングする際にエラーが発生しました。顔が検出されなかったことを示します
Photo does not match other photos	6	複数の画像の顔が同じ人物のものではありません

モデルのトレーニング (aigcImagesTrain)

リクエストの例：

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	画像 URL のリスト。タイプ：List<String>。
<HOST>	シャープネスの度合い。適切な値にすると、鮮明さが向上します。
<YOUR-APPID>	有効化後、AI ポートレートページから取得します。
<YOUR-TOKEN>	有効化後、AI ポートレートページから取得します。

レスポンスの例：

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
          }
}

レスポンスフィールド：

パラメーター	説明	タイプ
requestId	リクエスト ID。	String
code	リクエスト状態コード。OK は成功を示し、error は失敗を示します。	String
message	リクエスト状態の詳細。「success」はリクエストが成功したことを示します。	String
data	各入力イメージの検出結果です。各イメージは、url、message、frontal という 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、イメージの検出詳細、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。	InlineResponse200Data

data フィールドの説明

パラメーター名	説明	タイプ
jobId	タスクの状態コード：	int
modelId	このトレーニングタスクからのモデルの 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 を指定します。

トレーニングステータスのクエリ (getAsyncJob)

リクエストの例：

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();
    }
  }
}

パラメーター：

パラメーター

タイプ

説明

jobId

Integer

トレーニングタスク ID

レスポンスの例：

モデルトレーニング進行中：

{
    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完了：

{
      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	リクエスト状態コード。OK は成功を示し、error は失敗を示します。	String
message	リクエスト状態の詳細。「success」はリクエストが成功したことを示します	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)	int
appId	ユーザー AppId	String
state	タスク状態コード： 0: 初期化中。 1: 実行中。 2: 成功。 3: 失敗。	int
message	タスク実行情報	String
Result	モデルの結果	String

モデル結果の説明 (タイプ：String)

パラメーター	説明
cost_time	トレーニングタスクが消費した合計時間
states	対応するモデルサービスがデプロイされていません。各入力画像の検出結果。各画像は、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、それぞれ画像 URL、画像検出の詳細、画像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 と同じもので、ポートレート生成の入力として使用されます。

ポートレートの生成

リクエストの例：

ソロポートレート生成用 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();
    // リクエスト状態。
    String code = createResponse.getCode();
    // リクエスト状態の詳細。
    String message = createResponse.getMessage();
    // レスポンス内容。
    AIGCImageCreateData data = createResponse.getData();

    // Base64 エンコードされた生成画像。
    String imgStr = createResponse.getData().getImage();

    BASE64Decoder decoder = new BASE64Decoder();
    byte[] imgBtyes = decoder.decodeBuffer(imgStr);
    for (int i = 0; i < imgBtyes.length; ++i) {
      // 異常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：

パラメーター	タイプ	説明
modelId	String	LoRA モデル名。トレーニングから model_id を入力します ipa_control_only モードの場合は "" に設定します
templateImage	String	テンプレート URL パス
model_name	String	モデルの戻り値の構成。デフォルトは None 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	サーバーサイドのエンドポイント：`http://ai-service.ce8cc13b6421545749e7b4605f3d02607.cn-hangzhou.alicontainer.com`
<YOUR-APPID>	String	有効化後、AI ポートレートページから AppId を取得します
<YOUR-TOKEN>	String	有効化後、AI ポートレートページからトークンを取得します

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	値の範囲
lora_weights	LoRA の重み	float	いいえ	0.90	0.5～1.0
first_denoising_strength	最初の画像再構成の強度	float	いいえ	0.45	0.0～1.0
second_denoising_strength	2 番目の画像再構成の強度	float	いいえ	0.30	0.0～1.0
more_like_me	個人の類似度の強度	float	いいえ	0.50	0.0～1.0
crop_face_preprocess	再構成前に画像を切り抜くかどうか。大きな画像に推奨されます	bool	いいえ	True	True, False
apply_face_fusion_before	最初のポートレート合成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合成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	バックグラウンドを再構成するかどうかを指定します。	bool	いいえ	False	True, False
skin_retouching_bool	スキンスムージング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、一般的に画像が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	ポートレートエンハンスメント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、生成された画像の品質が向上します。	bool	いいえ	True	True, False
photo_enhancement_method	ポートレート合成の比率です。値が高いほどイメージはユーザーに似ますが、値が高すぎるとイメージのリアリティが低下します。 photo_fix は画像復元を実行します。これにより、多少の歪みが生じる可能性がありますが、不自然な部分を修正し、肌の質感を低下させる可能性があります。 super_resolution は画像の超解像のみを実行し、元の画像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、画像が地味に見えるのを防ぐためにメイクアップが転送されます。ただし、これにより画像がユーザー本人に似なくな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、生成されたメイクがテンプレートに似るようになります。ただし、これにより画像がユーザー本人に似なくなる可能性もあります。	float	いいえ	0.5	0.0～1.0
face_shape_match	顔の形を適応させるかどうかを指定します。有効にすると、コントロールの強度が低下し、顔の形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、結果はリファレンス画像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します。有効にする場合は、ipa_image_path を指定します。	bool	いいえ	False	True, False
ipa_image_path	リファレンスポートレートの URL。 ipa_control_only が有効な場合に必須です。	String	いいえ	None	ダウンロード可能な URL
ipa_weight	IPA コントロールの強度。値が高いほど、出力画像がユーザーに似るようになりますが、値が高すぎると画像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。値が高すぎると画像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、ここに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();
    // リクエスト状態。
    String code = createResponse.getCode();
    // リクエスト状態の詳細。
    String message = createResponse.getMessage();
    // レスポンス内容。
    AIGCImageCreateData data = createResponse.getData();

    // Base64 エンコードされた生成画像。
    String imgStr = createResponse.getData().getImage();

    BASE64Decoder decoder = new BASE64Decoder();
    byte[] imgBtyes = decoder.decodeBuffer(imgStr);
    for (int i = 0; i < imgBtyes.length; ++i) {
      // 異常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：

パラメーターの場所	タイプ	説明
modelId	string	LoRA モデル名。トレーニングから model_id を入力します。ipa_control_only モードの場合は "" に設定します
templateImage	string	テンプレート 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	有効値
lora_weights	LoRA の適用強度。値が高いほど、出力画像がユーザーに似るようになりますが、値が高すぎると画像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。値が低すぎると画像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	最初の画像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、値が高いほど出力画像がユーザーに似るようになりますが、値が高すぎると画像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。値が低すぎると画像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 番目の画像再構成の強度顔のエッジの再構成強度。値が高すぎると画像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	こちらの方が私の得意分野です。値が高いほど画像がユーザーに似るようになりますが、値が高すぎると画像のリアリズムが低下します。	float	いいえ	0.60	0.0～1.0
crop_face_preprocess	再構成前に画像を切り抜くかどうか。大きな画像に推奨され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合成を実行するかどうかを指定します。有効にすると、ポートレート合成が実行されます。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合成を実行するかどうかを指定します。有効にすると、ポートレート合成が実行されます。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、出力画像の肌の色調がテンプレートに近くなるように色補正が実行されます。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、出力画像の肌の色調がテンプレートに近くなるように色補正が実行されます。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	バックグラウンドを再構成するかどうかを指定します。有効にすると、バックグラウンドが再構成されます。これにより、画像がより自然に見えるようになりますが、バックグラウンドが変更され、処理時間が増加します。	bool	いいえ	False	True, False
skin_retouching_bool	スキンスムージング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、一般的に画像が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	ポートレートエンハンスメント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、生成された画像の品質が向上します。	bool	いいえ	True	True, False
photo_enhancement_method	ポートレートエンハンスメントのメソッド： photo_fix は画像復元を実行します。これにより、多少の歪みが生じる可能性がありますが、不自然な部分を修正し、肌の質感を低下させる可能性があります。 super_resolution は画像の超解像のみを実行し、元の画像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、画像が地味に見えるのを防ぐためにメイクアップが転送されます。ただし、これにより画像がユーザー本人に似なくな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、生成されたメイクがテンプレートに似るようになります。ただし、これにより画像がユーザー本人に似なくな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、結果はリファレンス画像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します。有効にする場合は、ipa_image_path を指定します。	bool	いいえ	False	True, False
ipa_image_path	リファレンスポートレートの URL。 ipa_control_only が有効な場合に必須です。	String	いいえ	None	ダウンロード可能な URL
ipa_weight	IPA コントロールの強度。値が高いほど、出力画像がユーザーに似るようになりますが、値が高すぎると画像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。値が高すぎると画像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、ここにシーン 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、ここに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();
    // リクエスト状態。
    String code = createResponse.getCode();
    // リクエスト状態の詳細。
    String message = createResponse.getMessage();
    // レスポンス内容。
    AIGCImageCreateData data = createResponse.getData();

    // Base64 エンコードされた生成画像。
    String imgStr = createResponse.getData().getImage();

    BASE64Decoder decoder = new BASE64Decoder();
    byte[] imgBtyes = decoder.decodeBuffer(imgStr);
    for (int i = 0; i < imgBtyes.length; ++i) {
      // 異常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 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	サーバーサイドのエンドポイント：`http://ai-service.ce8cc13b6421545749e7b4605f3d02607.cn-hangzhou.alicontainer.com`
<YOUR-APPID>	String	AI ポートレートを有効化した後、AI ポートレートページで AppId を表示します。
<YOUR-TOKEN>	String	AI ポートレートを有効化した後、AI ポートレートページでトークンを表示します。

レスポンスの例：
```
{
 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 エンコードされた画像。

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画像が提供されませんでした。
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画像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 画像が存在しません。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.	テンプレート画像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.	テンプレート画像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.	テンプレート画像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画像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合成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合成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 の数と顔の数が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。

完全なワークフローの例

現在のディレクトリに AI ポートレート画像を生成する完全な例：

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 エンコードされた生成画像。
    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();
        // リクエスト状態。
        String code = createResponse.getCode();
        // リクエスト状態の詳細。
        String message = createResponse.getMessage();
        // レスポンス内容。
        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();

        }
    }


  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)

  }

}

パラメーター：

パラメーター	説明
<HOST>	サーバーサイドのエンドポイント：`http://ai-service.ce8cc13b6421545749e7b4605f3d02607.cn-hangzhou.alicontainer.com`
<YOUR-APPID>	AI ポートレートを有効化した後、AI ポートレートページで AppId を表示します。
<YOUR-TOKEN>	AI ポートレートを有効化した後、AI ポートレートページでトークンを表示します。
images	モデルのトレーニングに使用される画像の 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画像の URL。これはソロ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画像の 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有効化してください。有効化後、モデル名を指定します。

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();
        // リクエスト状態。
        String code = response.getCode();
        // リクエスト状態の詳細。
        String message = response.getMessage();
        // レスポンス内容。
        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();
        // リクエスト状態。
        String code = response.getCode();
        // リクエスト状態の詳細。
        String message = response.getMessage();
        // レスポンス内容。
        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();
        // リクエスト状態。
        String code = createResponse.getCode();
        // リクエスト状態の詳細。
        String message = createResponse.getMessage();
        // レスポンス内容。
        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();
        // リクエスト状態。
        String code = createResponse.getCode();
        // リクエスト状態の詳細。
        String message = createResponse.getMessage();
        // レスポンス内容。
        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);


    }

}

単一のリファレンス画像を使用して AI ポートレートを作成 (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();
        // リクエスト状態。
        String code = response.getCode();
        // リクエスト状態の詳細。
        String message = response.getMessage();
        // レスポンス内容。
        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();
        // リクエスト状態。
        String code = createResponse.getCode();
        // リクエスト状態の詳細。
        String message = createResponse.getMessage();
        // レスポンス内容。
        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リファレンス画像からテンプレート画像を生成して AI ポートレートを作成 (テンプレート画像は不要)

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();
        // リクエスト状態。
        String code = response.getCode();
        // リクエスト状態の詳細。
        String message = response.getMessage();
        // レスポンス内容。
        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();
        // リクエスト状態。
        String code = response.getCode();
        // リクエスト状態の詳細。
        String message = response.getMessage();
        // レスポンス内容。
        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();
        // リクエスト状態。
        String code = createResponse.getCode();
        // リクエスト状態の詳細。
        String message = createResponse.getMessage();
        // レスポンス内容。
        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リファレンス画像からテンプレート画像を生成して AI ポートレートを作成 (テンプレート画像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();
        // リクエスト状態。
        String code = response.getCode();
        // リクエスト状態の詳細。
        String message = response.getMessage();
        // レスポンス内容。
        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();
        // リクエスト状態。
        String code = response.getCode();
        // リクエスト状態の詳細。
        String message = response.getMessage();
        // レスポンス内容。
        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();
        // リクエスト状態。
        String code = createResponse.getCode();
        // リクエスト状態の詳細。
        String message = createResponse.getMessage();
        // レスポンス内容。
        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);

    }

}