調用Java介面實現AI寫真 - Platform For AI

使用Java SDK調用AI寫真的演算法服務介面進行模型訓練和寫真製作。通過SDK，您可以定製LoRA模型，並根據模板製作寫真。本文為您介紹使用Java SDK調用介面之前的準備工作以及使用樣本。

前提條件

已準備好Java環境。
已準備好5-20張訓練圖片和1張模板圖片，用於模型訓練和寫真製作。圖片格式支援.jpg、.jpeg、.png等。
- 如果進行單人寫真製作，模板圖片中包含單張人臉即可。多張訓練圖片中的人臉屬於同一個人。
- 如果進行多人寫真製作，模板圖片中需包含多張人臉，且人臉數量與模型訓練的model_id數量一致。
- 請確保訓練圖片和模板圖片的尺寸大於512×512像素。

準備工作

環境依賴：在Maven工程中使用aiservice SDK，必須在pom.xml檔案<dependencies>中添加aiservice SDK的依賴，如下所示：

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

初始化Client。

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);
 }
}

您需要根據實際情況，替換以下參數值。

參數	描述
<HOST>	服務端地址：`http://ai-service.ce8cc13b6421545749e7b4605f3d02607.cn-hangzhou.alicontainer.com`。
<YOUR-APPID>	開通AI寫真後，您可以直接在AI寫真頁面查看AppId。
<YOUR-TOKEN>	開通AI寫真後，您可以直接在AI寫真頁面查看Token。

更多詳細內容，請參見github開原始碼。

調用程式碼範例

AI寫真是一個資源消耗量較大的服務，主要包括模型訓練和寫真製作兩個環節。模型訓練通常需要幾分鐘的回應時間，而寫真製作則只需要數十秒即可完成。

核驗請求（api.aigcImagesCheck）

請求程式碼範例如下：

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 {
        // 輸入訓練的圖片，以URL形式存在。
        List<String> images =Arrays.asList(
            "https://xxx/0.jpg",
            "https://xxx/1.jpg",
            "https://xxx/2.jpg"
        );

        AIGCImageCheckResponse response = api.aigcImagesCheck(images);
        // 請求流水號
        String request_id = response.getRequestId();
        // 請求狀態
        String code = response.getCode();
        // 請求狀態具體資訊
        String message = response.getMessage();
        // 請求返回內容
        AIGCImageCheckData data = response.getData();

        // 返回檢查結果code。
        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);
        }
    }

}

參數說明

參數名稱	參數說明
images	圖片URL列表，List<String>。
<HOST>	服務端地址：`http://ai-service.ce8cc13b6421545749e7b4605f3d02607.cn-hangzhou.alicontainer.com`。
<YOUR-APPID>	開通AI寫真後，您可以直接在AI寫真頁面查看AppId。
<YOUR-TOKEN>	開通AI寫真後，您可以直接在AI寫真頁面查看Token。

響應結果樣本如下：

response 類型：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.'}
  		]
		}
}

檢查傳回值說明

參數名稱	參數說明	類型
requestId	請求流水號。	String
code	請求狀態代碼，取值如下： OK：表示請求成功。 error：表示請求失敗。	String
message	請求狀態詳細資料，成功為success，其他視具體返回內容。	String
data	返回資料詳情。	AIGCImageCheckData

data欄位說明：類型 AIGCImageCheckData

參數名稱	參數說明	類型
checkResults	代表輸入每張圖片的檢測結果。每個圖片對應一個字典，每個字典一共有三個key，分別是url、message與frontal，分別代表圖片的URL、圖片檢測詳情和是否為正面。	List<AIGCImageCheckResult>
costTime	本次API花費的服務端計算時間長度。	float
images	核驗的圖片URL list。	List<String>
requestId	請求流水號（同上級request_id流水號）。	String

check_results的message匯總：

message	狀態代碼	含義
success	1	代表符合要求。
Image decode error.	2	映像無法下載或者解碼。
Number of face is not 1.	3	人臉數量不為1。
Image detect error.	4	臉部偵測出錯。
Image encoding error.	5	將人臉編碼為特徵向量時出錯，表示無法檢測到人臉。
This photo is not the same person in photos.	6	如果只出現了這個錯誤，表示多張圖片中的人臉不屬於同一個人。

發起模型訓練（api.aigcImagesTrain）

請求程式碼範例如下：

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);
  }
}

參數說明

參數位置	參數說明
images	圖片URL列表，List<String>。
<HOST>	服務端地址：`http://ai-service.ce8cc13b6421545749e7b4605f3d02607.cn-hangzhou.alicontainer.com`。
<YOUR-APPID>	開通AI寫真後，您可以直接在AI寫真頁面查看AppId。
<YOUR-TOKEN>	開通AI寫真後，您可以直接在AI寫真頁面查看Token。

響應結果樣本如下：

response 類型：AIGCImageTrainResponse

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

返回結果中的各欄位說明如下：

參數名稱	參數說明	類型
requestId	請求流水號。	String
code	請求狀態代碼，是否完成，OK或者error。	String
message	請求狀態詳細資料，成功為success，其他視具體返回內容。	String
data	返回資料詳情。	InlineResponse200Data

data欄位說明

參數名稱	參數說明	類型
jobId	任務ID。	int
modelId	本次模型訓練的模型id，為一串長度為36的字串編碼。	String

需要擷取job_id來進行訓練結果查詢；
需要擷取model_id來對進行寫真製作服務的請求。

訓練結果查詢（jobApi.getAsyncJob）

請求程式碼範例如下：

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); // 非同步任務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();
    }
  }
}

參數說明如下：
參數
類型
描述
jobId
Integer
訓練任務ID。

響應結果樣本如下：

當模型訓練未執行完成時，響應結果如下：

{
    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'
            }
    }
}

當模型訓練執行完成後，響應結果如下：

{
      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'
          }
        }
}

訓練傳回值說明

參數名稱	參數說明	類型
requestId	請求流水號。	String
code	請求狀態代碼，是否完成，OK或者error。	String
message	請求狀態詳細資料，成功為success，其他視具體返回內容。	String
data	返回資料詳情。	Map<String, AsyncJobData>

data.get("job") 欄位說明

參數名稱	參數說明	類型
id	任務ID，即 job_id。	int
appId	使用者的AppId。	String
state	任務狀態代碼： 0：任務初始化。 1：任務執行中。 2：任務完成。 3：任務失敗。	int
message	任務執行資訊。	String
Result	模型返回結果。	String

Result模型返回結果說明： Result類型String

參數名稱	參數說明
cost_time	本次訓練消耗的總時間
states	每張圖片核驗的結果。代表輸入每張圖片的檢測結果。每個圖片對應一個字典，每個字典一共有三個key，分別是url、message與frontal，分別代表圖片的URL、圖片檢測詳情和是否為正面。
model_id	LoRA模型名稱，同訓練請求時獲得的model_id。 LoRA模型名稱，等同於訓練請求時獲得的model_id，用於寫真製作時輸入。

相關錯誤碼說明

請求服務錯誤碼如下：
HTTP狀態代碼
code
message
說明
400
PARAMETER_ERROR
not found appid
appId填寫錯誤。
401
PARAMETER_ERROR
sign error
token填寫錯誤。
404
PARAMETER_ERROR
model not found
對應模型服務未部署。

結果查詢的錯誤碼如下：

HTTP狀態代碼	code	message	說明
462	error	Invalid input data	輸入資料解析錯誤。
462	error	Image not provided	並未提供訓練圖片。
462	error	Make dir in oss Error.	OSS建立檔案夾失敗，檢查是否掛載OSS。
462	error	Image process error.	映像預先處理出錯。
469	error	Training - Not get best template image	訓練異常退出導致沒有產生參考圖片。
469	error	Training - Not get lora weight	訓練異常退出導致沒有產生LoRA的權重。

寫真製作

請求程式碼範例如下：

單人寫真製作請求介面（api.aigcImagesCreate）

預測Stable Diffusion1.5

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);

    // 請求流水號
    String request_id = createResponse.getRequestId();
    // 請求狀態
    String code = createResponse.getCode();
    // 請求狀態具體資訊
    String message = createResponse.getMessage();
    // 請求返回內容
    AIGCImageCreateData data = createResponse.getData();

    // 產生圖片的 base64
    String imgStr = createResponse.getData().getImage();

    BASE64Decoder decoder = new BASE64Decoder();
    byte[] imgBtyes = decoder.decodeBuffer(imgStr);
    for (int i = 0; i < imgBtyes.length; ++i) {
      //調整異常資料
      if (imgBtyes[i] < 0) {
        imgBtyes[i] += 256;
      }
    }

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

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

參數說明如下：

參數	類型	描述
modelId	String	LoRA模型名稱，需要輸入訓練獲得的model-id。當使用ipa_control_only模式時設定為""。
templateImage	String	模板的URL路徑。
model_name	String	模型名稱，預設輸入Null 字元串。
configure	Map<String, Object>	模型返回配置，預設輸入None。
<HOST>	String	服務端地址：`http://ai-service.ce8cc13b6421545749e7b4605f3d02607.cn-hangzhou.alicontainer.com`。
<YOUR-APPID>	String	開通AI寫真後，您可以直接在AI寫真頁面查看AppId。
<YOUR-TOKEN>	String	開通AI寫真後，您可以直接在AI寫真頁面查看Token。

configure內部參數

configure內部參數名稱	參數說明	類型	是否必須	預設值	取值範圍
lora_weights	LoRA強度。	float	否	0.90	0.5~1.0
first_denoising_strength	第一次映像重建的強度。	float	否	0.45	0.0~1.0
second_denoising_strength	第二次映像重建的強度。	float	否	0.30	0.0~1.0
more_like_me	更像本人的強度。	float	否	0.50	0.0~1.0
crop_face_preprocess	是否裁剪映像後進行重建，大圖建議開啟。	bool	否	True	True, False
apply_face_fusion_before	是否進行第一次人像融合。	bool	否	True	True, False
apply_face_fusion_after	是否進行第二次人像融合。	bool	否	True	True, False
color_shift_middle	是否進行第一次顏色校正。	bool	否	True	True, False
color_shift_last	是否進行第二次顏色校正。	bool	否	True	True, False
background_restore	是否重建背景。	bool	否	False	True, False
skin_retouching_bool	是否進行皮膚平滑。開啟後會進行皮膚的平滑與變亮，一般會使得圖片更好看，但可能會導致皮膚過白，關閉後可以提高皮膚的質感。	bool	否	False	True, False
photo_enhancement_bool	是否進行人像增強。開啟後會進行人像修複或者超分，用於提高產生圖片品質。	bool	否	True	True, False
photo_enhancement_method	人像增強方式。 photo_fix則是進行映像修複，可能會導致一些失真但會修複不合理的地方，可能會失去一些皮膚的質感。 super_resolution則僅進行映像超分，更大幅度的保留原圖。	String	否	photo_fix	photo_fix, super_resolution
makeup_transfer	是否進行妝容遷移。開啟後會進行妝容遷移，防止圖片過素，但也可能導致映像有一些不像使用者。	bool	否	False	True, False
makeup_transfer_ratio	進行妝容遷移的強度。理論上值越大妝容遷移的比例就越大，產生的妝容也越像模板，但也可能導致映像有一些不像使用者。	float	否	0.5	0.0~1.0
face_shape_match	是否進行臉型的適配。開啟後會減弱控制的強度，臉型與皮膚質感相比於之前會更加貼近使用者。	bool	否	False	True, False
ipa_control	是否進行ipa的控制。開啟後會提高人像的相似性，但容易受到參考圖片的影響。	bool	否	False	True, False
ipa_control_only	開啟後可以無需訓練進行預測。開啟後必須填入ipa_image_path。	bool	否	False	True, False
ipa_image_path	參考人像的URL。開啟ipa_control_only後必須填寫。	String	否	None	可下載的url
ipa_weight	ipa的控制強度。理論上，值越大時出圖越像使用者，但值太大容易導致映像失真。	float	否	0.5	0.0~1.0
style_name	用於設定產生的風格。真實或者漫畫風格。	str	否	Realistic	Realistic, Anime
lcm_accelerate	用於設定產生的風格，是否進行lcm加速。	bool	否	False	True, False
sharp_ratio	銳利化程度，適當的值可以提高清晰度。過高會導致圖片失真。	float	否	0.15	0.0~1.0
t2i_prompt	如果期望使用文生圖功能，則需要在這裡設定提示詞。如果設定了t2i_prompt則可以不傳入模板的URL路徑。	String	否	None	無

預測Stable Diffusion XL

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);

    // 請求流水號
    String request_id = createResponse.getRequestId();
    // 請求狀態
    String code = createResponse.getCode();
    // 請求狀態具體資訊
    String message = createResponse.getMessage();
    // 請求返回內容
    AIGCImageCreateData data = createResponse.getData();

    // 產生圖片的 base64
    String imgStr = createResponse.getData().getImage();

    BASE64Decoder decoder = new BASE64Decoder();
    byte[] imgBtyes = decoder.decodeBuffer(imgStr);
    for (int i = 0; i < imgBtyes.length; ++i) {
      //調整異常資料
      if (imgBtyes[i] < 0) {
        imgBtyes[i] += 256;
      }
    }

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

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

參數說明如下：

參數位置	類型	參數說明
modelId	string	LoRA模型名稱，需要輸入訓練獲得的model-id。當使用ipa_control_only模式時設定為""。
templateImage	string	模板的URL路徑。當使用scene_lora或者prompt產生時設定為"t2i_generate"。
model_name	string	模型名稱，使用Stable Diffusion XL則需要設定為create_xl。
configure	Map<String, Object>	模型返回配置configure，預設輸入None。

configure內部參數

configure內部參數名稱	參數說明	類型	是否必須	預設值	取值範圍
lora_weights	LoRA的應用強度。理論上，值越大時出圖越像使用者，但值太大容易導致映像失真。	float	否	0.90	0.5~1.0
first_diffusion_steps	第一次diffusion的步數。不建議修改，過低會導致映像失真。	int	否	50	20-50
first_denoising_strength	第一次映像重建的強度。人物臉部的重建強度，越大進行的重建越多，理論上越大時出圖越像使用者，但值太大會導致圖片不協調。	float	否	0.45	0.0~1.0
second_diffusion_steps	第二次diffusion的步數。不建議修改，過低會導致映像失真。	int	否	30	20-50
second_denoising_strength	第二次映像重建的強度。人物臉部邊緣的重建強度，值太大會導致圖片不協調。	float	否	0.30	0.0~1.0
more_like_me	更像我的強度。人像融合的比例，值越大越像本人，值太大會導致圖片真實感降低。	float	否	0.60	0.0~1.0
crop_face_preprocess	是否裁剪映像後進行重建，大圖建議開啟。不建議調整。	bool	否	True	True, False
apply_face_fusion_before	是否進行第一次人像融合。開啟後會進行人像融合，不開啟會導致相似性降低。	bool	否	True	True, False
apply_face_fusion_after	是否進行第二次人像融合。開啟後會進行人像融合，不開啟會導致相似性降低。	bool	否	True	True, False
color_shift_middle	是否進行第一次顏色校正。開啟後會進行顏色矯正，使得輸出圖片的膚色更像模板。不開啟則不會矯正，存在色偏的可能。	bool	否	True	True, False
color_shift_last	是否進行第二次顏色校正。開啟後會進行顏色矯正，使得輸出圖片的膚色更像模板。不開啟則不會矯正，存在色偏的可能。	bool	否	True	True, False
background_restore	是否重建背景。開啟後會進行背景重建，理論上會讓圖片更自然，但會改變背景並且增加耗時。	bool	否	False	True, False
skin_retouching_bool	是否進行皮膚平滑。開啟後會進行皮膚的平滑與變亮，一般會使得圖片更好看，但可能會導致皮膚過白，關閉後可以提高皮膚的質感。	bool	否	False	True, False
photo_enhancement_bool	是否進行人像增強。開啟後會進行人像修複或者超分，用於提高產生圖片品質。	bool	否	True	True, False
photo_enhancement_method	人像增強方式： photo_fix則是進行映像修複，可能會導致一些失真，但會修複不合理的地方，可能會失去一些皮膚的質感。 super_resolution則僅進行映像超分，更大幅度地保留原圖。	String	否	photo_fix	photo_fix, super_resolution
makeup_transfer	是否進行妝容遷移。開啟後會進行妝容遷移，防止圖片過素，但也可能導致映像有一些不像使用者。	bool	否	False	True, False
makeup_transfer_ratio	進行妝容遷移的強度。理論上值越大妝容遷移的比例就越大，產生的妝容也越像模板，但也可能導致映像有一些不像使用者。	float	否	0.5	0.0~1.0
ipa_control	是否進行ipa的控制。開啟後會提高人像的相似性，但容易受到參考圖片的影響。	bool	否	False	True, False
ipa_control_only	開啟後可以無需訓練進行預測。開啟後必須填入ipa_image_path。	bool	否	False	True, False
ipa_image_path	參考人像的URL。開啟ipa_control_only後必須填入。	String	否	None	可下載的URL
ipa_weight	ipa的控制強度。理論上越大時出圖越像使用者，但值太大容易導致映像失真。	float	否	0.5	0.0~1.0
lcm_accelerate	用於設定產生的風格，是否進行lcm加速。	bool	否	False	True, False
sharp_ratio	銳利化程度，適當的值可以提高清晰度。過高會導致圖片失真	float	否	0.15	0.0~1.0
scene_id	如果期望使用Scene LoRA則需要在這裡設定scene id。 scene id由訓練獲得，訓練Stable Diffusion XL情境LoRA時返回model id即為scene id。	String	否	None	無
t2i_prompt	如果期望使用文生圖功能則需要在這裡設定提示詞。如果設定了t2i_prompt則可以不傳入模板的URL路徑。	String	否	None	無

多人寫真製作請求介面（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);

    // 請求流水號
    String request_id = createResponse.getRequestId();
    // 請求狀態
    String code = createResponse.getCode();
    // 請求狀態具體資訊
    String message = createResponse.getMessage();
    // 請求返回內容
    AIGCImageCreateData data = createResponse.getData();

    // 產生圖片的Base64
    String imgStr = createResponse.getData().getImage();

    BASE64Decoder decoder = new BASE64Decoder();
    byte[] imgBtyes = decoder.decodeBuffer(imgStr);
    for (int i = 0; i < imgBtyes.length; ++i) {
      // 調整異常資料
      if (imgBtyes[i] < 0) {
        imgBtyes[i] += 256;
      }
    }

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

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

參數	類型	描述
modelId	String	訓練模型的model id。
templateImage	String	模板的URL路徑。
model_name	String	模型名稱，預設輸入Null 字元串。
configure	Map<String, Object>	模型返回配置configure，預設輸入None。
<HOST>	String	服務端地址：`http://ai-service.ce8cc13b6421545749e7b4605f3d02607.cn-hangzhou.alicontainer.com`。
<YOUR-APPID>	String	開通AI寫真後，您可以直接在AI寫真頁面查看AppId。
<YOUR-TOKEN>	String	開通AI寫真後，您可以直接在AI寫真頁面查看Token。

響應結果樣本如下：
```
{
 requestId: 5eb7741b-540b-4a5c-9c98-fdd1d714e51f
 code: OK
 message: success
 data: com.aliyun.openservices.aiservice.model.AIGCImageCreateData@358c99f5
}
```
data欄位說明：AIGCImageCreateData類型
參數名稱
參數說明
類型
costTime
產生花費時間。
Float
image
圖片base64。
String

寫真製作返回的錯誤碼說明

請求服務錯誤

HTTP狀態代碼	code	message	說明
400	PARAMETER_ERROR	not found appid	appId填寫錯誤
401	PARAMETER_ERROR	sign error	token填寫錯誤
404	PARAMETER_ERROR	model not found	對應模型服務未部署

結果查詢錯誤

HTTP狀態代碼	code	message	說明
462	error	Invalid input data. Please check the input dict.	輸入資料解析錯誤。
462	error	Image not provided. Please check the template_image.	並未提供寫真製作的模板圖片。
462	error	Prompts get error. Please check the model_id.	檢查提供的model_id格式。
462	error	Face id image decord error. Pleace check the user's lora is trained or not.	使用者上傳的圖片解碼異常，請檢查是否模型是否訓練。
462	error	Roop image decord error. Pleace check the user's lora is trained or not.	Roop映像不存在，請檢查模型是否訓練。
462	error	Template image decode error. Please Give a new template.	模板圖片解碼錯誤，請給一張新的模板。
462	error	There is not face in template. Please Give a new template.	模板映像不存在人臉，請給一個新的模板。
462	error	Template image process error. Please Give a new template.	模板圖片預先處理錯誤，請提供一張新的模板映像。
469	error	First Face Fusion Error, Can't get face in template image.	第一次人臉融合出錯。
469	error	First Stable Diffusion Process error. Check the webui status.	第一次Stable Diffusion處理出錯
469	error	Second Face Fusion Error, Can't get face in template image.	第二次人臉融合出錯。
469	error	Second Stable Diffusion Process error. Check the webui status.	第二次Stable Diffusion處理出錯。
469	error	Please confirm if the number of faces in the template corresponds to the user ID.	請檢查所給的user id數量與人臉數量是否相符。
469	error	Third Stable Diffusion Process error. Check the webui status.	背景處理出錯，請更換模板。

端到端流程範例程式碼

端到端流程的程式碼範例如下。當代碼執行成功後，會在目前的目錄產生AI寫真製作圖片。

常規鏈路（Stable Diffusion1.5）

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) {
      //調整異常資料
      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); // 非同步任務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);

    // 產生圖片的 base64
    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);

        // 請求流水號
        String request_id = createResponse.getRequestId();
        // 請求狀態
        String code = createResponse.getCode();
        // 請求狀態具體資訊
        String message = createResponse.getMessage();
        // 請求返回內容
        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) { // job running
        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)

  }

}

參數說明如下：

參數	描述
<HOST>	服務端地址：`http://ai-service.ce8cc13b6421545749e7b4605f3d02607.cn-hangzhou.alicontainer.com`。
<YOUR-APPID>	開通AI寫真後，您可以直接在AI寫真頁面查看AppId。
<YOUR-TOKEN>	開通AI寫真後，您可以直接在AI寫真頁面查看Token。
images	用於訓練模型的圖片URL地址，多個URL地址之間使用半形逗號（,）分隔。
templateImage	模板圖片的URL地址，包含單張人臉。用於單人寫真製作。
multiTemplateImage	模板圖片的URL地址，包含多張人臉，且人臉數量和所給的model_id一致。用於多人寫真製作。

常規鏈路（Stable Diffusion XL）

使用Stable Diffusion XL模型，首先需要聯絡PAI團隊開通服務後，通過指定模型名稱來進行使用。

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) {
            //調整異常資料
            if (imgBtyes[i] < 0) {
                imgBtyes[i] += 256;
            }
        }

        return imgBtyes;
    }

    public boolean Check(List<String> images) throws ApiException {
        AIGCImageCheckResponse response = this.api.aigcImagesCheck(images);
        // 請求流水號
        String request_id = response.getRequestId();
        // 請求狀態
        String code = response.getCode();
        // 請求狀態具體資訊
        String message = response.getMessage();
        // 請求返回內容
        AIGCImageCheckData data = response.getData();

        // 列印返回結果
        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);
        // 請求流水號
        String request_id = response.getRequestId();
        // 請求狀態
        String code = response.getCode();
        // 請求狀態具體資訊
        String message = response.getMessage();
        // 請求返回內容
        InlineResponse200Data Data = response.getData();

        // 列印返回結果
        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);
        // 請求流水號
        String request_id = createResponse.getRequestId();
        // 請求狀態
        String code = createResponse.getCode();
        // 請求狀態具體資訊
        String message = createResponse.getMessage();
        // 請求返回內容
        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);

        // 請求流水號
        String request_id = createResponse.getRequestId();
        // 請求狀態
        String code = createResponse.getCode();
        // 請求狀態具體資訊
        String message = createResponse.getMessage();
        // 請求返回內容
        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);


    }

}

通過單參考圖進行AI寫真製作（無需進行模型訓練）

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) {
            //調整異常資料
            if (imgBtyes[i] < 0) {
                imgBtyes[i] += 256;
            }
        }

        return imgBtyes;
    }

    public boolean Check(List<String> images) throws ApiException {
        AIGCImageCheckResponse response = this.api.aigcImagesCheck(images);
        // 請求流水號
        String request_id = response.getRequestId();
        // 請求狀態
        String code = response.getCode();
        // 請求狀態具體資訊
        String message = response.getMessage();
        // 請求返回內容
        AIGCImageCheckData data = response.getData();

        // 列印返回結果
        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);
        // 請求流水號
        String request_id = createResponse.getRequestId();
        // 請求狀態
        String code = createResponse.getCode();
        // 請求狀態具體資訊
        String message = createResponse.getMessage();
        // 請求返回內容
        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);


    }
}

通過提示詞和單參考圖產生模板映像進行AI寫真製作（無需提供模板映像）

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) {
            //調整異常資料
            if (imgBtyes[i] < 0) {
                imgBtyes[i] += 256;
            }
        }

        return imgBtyes;
    }

    public boolean Check(List<String> images) throws ApiException {
        AIGCImageCheckResponse response = this.api.aigcImagesCheck(images);
        // 請求流水號
        String request_id = response.getRequestId();
        // 請求狀態
        String code = response.getCode();
        // 請求狀態具體資訊
        String message = response.getMessage();
        // 請求返回內容
        AIGCImageCheckData data = response.getData();

        // 列印返回結果
        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);
        // 請求流水號
        String request_id = response.getRequestId();
        // 請求狀態
        String code = response.getCode();
        // 請求狀態具體資訊
        String message = response.getMessage();
        // 請求返回內容
        InlineResponse200Data Data = response.getData();

        // 列印返回結果
        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);
        // 請求流水號
        String request_id = createResponse.getRequestId();
        // 請求狀態
        String code = createResponse.getCode();
        // 請求狀態具體資訊
        String message = createResponse.getMessage();
        // 請求返回內容
        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, huge filesize, best quality, realistic, photo-realistic, ultra high res, raw photo, put on makeup";
        Create(model_id, t2i_prompt, template_image);

    }

}

通過提示詞和單參考圖產生模板映像進行AI寫真製作（無需提供模板映像和進行模型訓練）

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) {
            //調整異常資料
            if (imgBtyes[i] < 0) {
                imgBtyes[i] += 256;
            }
        }

        return imgBtyes;
    }

    public boolean Check(List<String> images) throws ApiException {
        AIGCImageCheckResponse response = this.api.aigcImagesCheck(images);
        // 請求流水號
        String request_id = response.getRequestId();
        // 請求狀態
        String code = response.getCode();
        // 請求狀態具體資訊
        String message = response.getMessage();
        // 請求返回內容
        AIGCImageCheckData data = response.getData();

        // 列印返回結果
        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);
        // 請求流水號
        String request_id = response.getRequestId();
        // 請求狀態
        String code = response.getCode();
        // 請求狀態具體資訊
        String message = response.getMessage();
        // 請求返回內容
        InlineResponse200Data Data = response.getData();

        // 列印返回結果
        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);
        // 請求流水號
        String request_id = createResponse.getRequestId();
        // 請求狀態
        String code = createResponse.getCode();
        // 請求狀態具體資訊
        String message = createResponse.getMessage();
        // 請求返回內容
        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, huge filesize, best quality, realistic, photo-realistic, ultra high res, raw photo, put on makeup";
        Create(t2i_prompt, template_image, ref_image);

    }

}