PAI ArtLab 开发者中心使用说明 - 人工智能平台 PAI

本文介绍如何使用开发者中心进行ComfyUI API集成验证。

点击登录PAI ArtLab控制台。

ComfyUI API集成验证

API版

ComfyUI API版本主要⽤于多ComfyUI实例下的API调⽤，⾯向开发者集成使⽤，⽆Web图形界⾯。由于ComfyUI是属于有状态服务，因此多ComfyUI实例情况下，需要通过EAS异步队列服务才能正常调⽤ComfyUI服务。

前提条件

已搭建Python环境，并安装EAS SDK依赖（异步队列依赖）：pip install eas_prediction

操作步骤

登录PAI ArtLab控制台，在开发者中心页面的自定义服务页签，单击创建自定义服务。

其中，服务版本选择ComfyUI（API版）。
待服务状态变为运行中，单击调用信息，在公网输出请求地址页签获取请求URL、Token、Endpoint和服务ID。

使用已获得的调用信息替换代码中的对应内容，然后运行代码。

代码示例

import requests

##### 根据调试信息，替换以下参数 #####
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采样器"
        }
    },
    "4": {
        "inputs": {
            "ckpt_name": "3dAnimationDiffusion_v10.safetensors"
        },
        "class_type": "CheckpointLoaderSimple",
        "_meta": {
            "title": "Checkpoint加载器(简易)"
        }
    },
    "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⽂本编码器"
        }
    },
    "7": {
        "inputs": {
            "text": "text, watermark",
            "clip": [
                "4",
                1
            ]
        },
        "class_type": "CLIPTextEncode",
        "_meta": {
            "title": "CLIP⽂本编码器"
        }
    },
    "8": {
        "inputs": {
            "samples": [
                "3",
                0
            ],
            "vae": [
                "4",
                2
            ]
        },
        "class_type": "VAEDecode",
        "_meta": {
            "title": "VAE解码"
        }
    },
    "9": {
        "inputs": {
            "filename_prefix": "ComfyUI",
            "images": [
                "8",
                0
            ]
        },
        "class_type": "SaveImage",
        "_meta": {
            "title": "保存图像"
        }
    }
}

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)

运行完后，在生成结果中获取文件名称。
在PAI ArtLab页面，鼠标悬停右上角，单击储存，访问OSS Bucket，获取储存路径。
拼接OSS图片地址并访问，格式为：OSS Bucket路径/output/文件名称

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

专享版

ComfyUI专享版同时⽀持API调⽤和Web调试，测试验证流程参考API版。

前提条件

已搭建Python环境。

操作步骤

登录PAI ArtLab控制台，在开发者中心页面的自定义服务页签，单击创建自定义服务。

其中，服务版本选择ComfyUI（专享版）。
待服务状态变为运行中，单击调用信息，在公网地址调用页签获取请求URL和Token。

使用已获得的调用信息替换代码中的对应内容，然后运行代码。

代码示例

import requests

##### 根据调试信息，替换以下参数 #####
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采样器"
            }
        },
        "4": {
            "inputs": {
                "ckpt_name": "3dAnimationDiffusion_v10.safetensors"
            },
            "class_type": "CheckpointLoaderSimple",
            "_meta": {
                "title": "Checkpoint加载器(简易)"
            }
        },
        "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⽂本编码器"
            }
        },
        "7": {
            "inputs": {
                "text": "text, watermark",
                "clip": [
                    "4",
                    1
                ]
            },
            "class_type": "CLIPTextEncode",
            "_meta": {
                "title": "CLIP⽂本编码器"
            }
        },
        "8": {
            "inputs": {
                "samples": [
                    "3",
                    0
                ],
                "vae": [
                    "4",
                    2
                ]
            },
            "class_type": "VAEDecode",
            "_meta": {
                "title": "VAE解码"
            }
        },
        "9": {
            "inputs": {
                "filename_prefix": "ComfyUI",
                "images": [
                    "8",
                    0
                ]
            },
            "class_type": "SaveImage",
            "_meta": {
                "title": "保存图像"
            }
        }
    }
}

# 发起请求
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}")


# 获取结果
# 构造请求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 数据，获取所有 outputs 的图片信息
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"节点号: {node_id}, 图⽚⽂件名: {filename}")

运行完后，在生成结果中获取文件名称。
在PAI ArtLab页面，鼠标悬停右上角，单击储存，访问OSS Bucket，获取储存路径。
拼接OSS图片地址并访问，格式为：OSS Bucket路径/output/文件名称

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