PAI ArtLab 開發人員中心使用說明 - Platform For AI

本文介紹如何使用開發人員中心進行ComfyUI API整合驗證。

點擊登入PAI ArtLab控制台。

ComfyUI API整合驗證

API版

ComfyUI API版本主要⽤於多ComfyUI執行個體下的API調⽤，⾯向開發人員整合使⽤，⽆Web圖形界⾯。由於ComfyUI是屬於具狀態服務，因此多ComfyUI執行個體情況下，需要通過EAS非同步佇列服務才能正常調⽤ComfyUI服務。

前提條件

已搭建Python環境，並安裝EAS SDK依賴（非同步隊列依賴）：pip install eas_prediction

操作步驟

登入PAI ArtLab控制台，在開發人員中心頁面的自定义服务頁簽，單擊建立自訂服務。

其中，服务版本選擇ComfyUI（API版）。
待服务状态變為运行中，單擊调用信息，在公网输出请求地址頁簽擷取請求URL、Token、Endpoint和服務ID。

其中，URL 的網域名稱部分（如 cn-shanghai.pai-eas.aliyuncs.com）即為 Endpoint，URL 路徑末段（如 ai4d_comfyuiapi_）即為服務 ID。單擊 URL 右側的複製按鈕可複製地址，Token 預設以星號遮蔽，單擊眼睛表徵圖可查看。

使用已獲得的調用資訊替換代碼中的對應內容，然後運行代碼。

程式碼範例

import requests
##### 根據調試資訊，替換以下參數 #####
input_url = "http://115************.cn-shanghai.pai-eas.aliyuncs.com/api/predict/ai4d_comfyuiapi_1u38************"
token = "Yjha************"
endpoint = "115************.cn-shanghai.pai-eas.aliyuncs.com"
service_name = "ai4d_comfyuiapi_1u38************/sink"
################################
session = requests.session()
session.headers.update({"Authorization": f"{token}"})
work_flow = {
    "3": {
        "inputs": {
            "seed": 156680208700286,
            "steps": 20,
            "cfg": 8,
            "sampler_name": "euler",
            "scheduler": "normal",
            "denoise": 1,
            "model": [
                "4",
                0
            ],
            "positive": [
                "6",
                0
            ],
            "negative": [
                "7",
                0
            ],
            "latent_image": [
                "5",
                0
            ]
        },
        "class_type": "KSampler",
        "_meta": {
            "title": "K採樣器"
        }
    },
    "4": {
        "inputs": {
            "ckpt_name": "3dAnimationDiffusion_v10.safetensors"
        },
        "class_type": "CheckpointLoaderSimple",
        "_meta": {
            "title": "Checkpoint載入器(簡易)"
        }
    },
    "5": {
        "inputs": {
            "width": 512,
            "height": 512,
            "batch_size": 1
        },
        "class_type": "EmptyLatentImage",
        "_meta": {
            "title": "空Latent"
        }
    },
    "6": {
        "inputs": {
            "text": "beautiful scenery nature glass bottle landscape, , purple galaxy bottle,",
            "clip": [
                "4",
                1
            ]
        },
        "class_type": "CLIPTextEncode",
        "_meta": {
            "title": "CLIP⽂本編碼器"
        }
    },
    "7": {
        "inputs": {
            "text": "text, watermark",
            "clip": [
                "4",
                1
            ]
        },
        "class_type": "CLIPTextEncode",
        "_meta": {
            "title": "CLIP⽂本編碼器"
        }
    },
    "8": {
        "inputs": {
            "samples": [
                "3",
                0
            ],
            "vae": [
                "4",
                2
            ]
        },
        "class_type": "VAEDecode",
        "_meta": {
            "title": "VAE解碼"
        }
    },
    "9": {
        "inputs": {
            "filename_prefix": "ComfyUI",
            "images": [
                "8",
                0
            ]
        },
        "class_type": "SaveImage",
        "_meta": {
            "title": "儲存映像"
        }
    }
}
for i in range(1):
    payload = work_flow
    response = session.post(url=f'{input_url}/api_prompt?task_id=txt2img_test', json=payload)
    if response.status_code != 200:
        exit(f"send request error:{response.content}, response code:{response.status_code}")
    else:
        print(f"send {i} success, index is {response.content}")
from eas_prediction import QueueClient
sink_queue = QueueClient(f'{endpoint}', f'{service_name}')
sink_queue.set_token(f'{token}')
sink_queue.init()
watcher = sink_queue.watch(0, 1, auto_commit=False)
for x in watcher.run():
    if 'task_id' in x.tags:
        print('index {} task_id is {}'.format(x.index, x.tags['task_id']))
        print(f'index {x.index} data is {x.data}')
        sink_queue.commit(x.index)

運行完後，在產生結果中擷取檔案名稱。

send 0 success,index is b'1'
index 1 task_id is txt2img_test
index 1 data is b'{"status_code":200},{"type":"executed","data":{"node":"9","display_node":"9","output":{"images":[{"filename":"ComfyUI_00000000_174427782695938_599ffc33-edea-4e64-bb60-28e834940f5c_..png"}]}}}'

在PAI ArtLab頁面，滑鼠移至上方右上方，單擊儲存，訪問OSS Bucket，擷取儲存路徑。

在 OSS 檔案清單中，目錄名稱（如 26*/ 及其下的 data-115*/）即為所需的儲存路徑。
拼接OSS圖片地址並訪問，格式為：OSS Bucket路徑/output/檔案名稱

例如，26**/data-115**************/output/ComfyUI_00000000_174427782695938_599ffc33-edea-4e64-bb60-28e834940f5c_.png

專享版

ComfyUI專享版同時⽀持API調⽤和Web調試，測實驗證流程參考API版。

前提條件

已搭建Python環境。

操作步驟

登入PAI ArtLab控制台，在開發人員中心頁面的自定义服务頁簽，單擊建立自訂服務。

其中，服务版本選擇ComfyUI（專享版）。
待服务状态變為运行中，單擊调用信息，在公网地址调用頁簽擷取請求URL和Token。

同步調用資訊彈窗中提示僅標準版服務支援同步調用。

使用已獲得的調用資訊替換代碼中的對應內容，然後運行代碼。

程式碼範例

import requests
##### 根據調試資訊，替換以下參數 #####
url = "http://ai4d_comfyuiapi_1u38************.115************.cn-shanghai.pai-eas.aliyuncs.com/"
token = "Yjha************"
################################
payload = {
    "prompt": {
        "3": {
            "inputs": {
                "seed": 156680208700286,
                "steps": 20,
                "cfg": 8,
                "sampler_name": "euler",
                "scheduler": "normal",
                "denoise": 1,
                "model": [
                    "4",
                    0
                ],
                "positive": [
                    "6",
                    0
                ],
                "negative": [
                    "7",
                    0
                ],
                "latent_image": [
                    "5",
                    0
                ]
            },
            "class_type": "KSampler",
            "_meta": {
                "title": "K採樣器"
            }
        },
        "4": {
            "inputs": {
                "ckpt_name": "3dAnimationDiffusion_v10.safetensors"
            },
            "class_type": "CheckpointLoaderSimple",
            "_meta": {
                "title": "Checkpoint載入器(簡易)"
            }
        },
        "5": {
            "inputs": {
                "width": 512,
                "height": 512,
                "batch_size": 1
            },
            "class_type": "EmptyLatentImage",
            "_meta": {
                "title": "空Latent"
            }
        },
        "6": {
            "inputs": {
                "text": "beautiful scenery nature glass bottle landscape, , purple galaxy bottle,",
                "clip": [
                    "4",
                    1
                ]
            },
            "class_type": "CLIPTextEncode",
            "_meta": {
                "title": "CLIP⽂本編碼器"
            }
        },
        "7": {
            "inputs": {
                "text": "text, watermark",
                "clip": [
                    "4",
                    1
                ]
            },
            "class_type": "CLIPTextEncode",
            "_meta": {
                "title": "CLIP⽂本編碼器"
            }
        },
        "8": {
            "inputs": {
                "samples": [
                    "3",
                    0
                ],
                "vae": [
                    "4",
                    2
                ]
            },
            "class_type": "VAEDecode",
            "_meta": {
                "title": "VAE解碼"
            }
        },
        "9": {
            "inputs": {
                "filename_prefix": "ComfyUI",
                "images": [
                    "8",
                    0
                ]
            },
            "class_type": "SaveImage",
            "_meta": {
                "title": "儲存映像"
            }
        }
    }
}
# 發起請求
session = requests.session()
session.headers.update({"Authorization": f"{token}"})
prompt_url = url + "prompt"
response = session.post(url=f'{prompt_url}', json=payload)
if response.status_code != 200:
    raise Exception(response.content)
data = response.json()
prompt_id = data['prompt_id']
print(f"get data: {data}, get prompt id: {prompt_id}")
# 擷取結果
# 構造請求URL
history_url = f"{url}history/{prompt_id}"
session = requests.session()
session.headers.update({"Authorization": f"{token}"})
response = session.get(url=f'{history_url}')
if response.status_code != 200:
    raise Exception(response.content)
data = response.json()
print(data)
# 解析 JSON 資料，擷取所有 outputs 的圖片資訊
for prompt_id, prompt_data in data.items():
    outputs = prompt_data.get("outputs", {})
    for node_id, node_data in outputs.items():
        images = node_data.get("images", [])
        for image in images:
            filename = image.get("filename")
            print(f"節點號: {node_id}, 圖⽚⽂件名: {filename}")

運行完後，在產生結果中擷取檔案名稱。

get data:{'prompt_id':'d086402a-7454-43c5-a753-b338e4870be2','number':6,'node_errors':{}}get prompt id:d086402a-7454-43c5-a753-b338e4870be2
{'d086402a-7454-43c5-a753-b338e4870be2':{'prompt':[6,'d086402a-7454-43c5-a753-b338e4870be2',{'3':{'inputs':{'seed':156680208700286,'steps':20,'cfg':8.0,'sampler_name':'eu1er','schedu1er':'normal',...}}}]}}
節點號：9，圖片檔案名稱：ComfyUI_00000000_174427782695938_599ffc33-edea-4e64-bb60-28e834940f5c_.png

在PAI ArtLab頁面，滑鼠移至上方右上方，單擊儲存，訪問OSS Bucket，擷取儲存路徑。
拼接OSS圖片地址並訪問，格式為：OSS Bucket路徑/output/檔案名稱

例如，26**/data-115**************/output/ComfyUI_00000000_174427782695938_599ffc33-edea-4e64-bb60-28e834940f5c_.png