Сгенерировать изображение с помощью YandexART

1. Создайте сервисный аккаунт и назначьте ему роль ai.imageGeneration.user.

Также назначьте сервисному аккаунту роль ai.languageModels.user — в примере дополнительно используется модель YandexGPT Pro для генерации промта для YandexART.

1. Получите и сохраните API-ключ сервисного аккаунта.

   В примерах используется аутентификация с помощью API-ключа. Yandex Cloud ML SDK также поддерживает аутентификацию с помощью IAM-токена и OAuth-токена. Подробнее см. в разделе Аутентификация в Yandex Cloud ML SDK.

2. С помощью менеджера пакетов pip установите библиотеку ML SDK:

   pip install yandex-cloud-ml-sdk
   

В данный код входят четыре независимые друг от друга примера, иллюстрирующие различные варианты использования интерфейса SDK:

• Пример 1: простой запрос, состоящий из одного текстового описания.
• Пример 2: запрос, состоящий из двух текстовых описаний, с сохранением результата в файл ./image.jpeg.
• Пример 3: запрос, состоящий из двух текстовых описаний с указанием веса.
• Пример 4: сочетание запроса к модели YandexGPT Pro (для генерации расширенного промта) и запроса к модели YandexART (для генерации изображения по этому промту).

Код в примере не возвращает объект Operation, а дожидается выполнения моделями запросов и сохраняет результат в переменную result.

1. Создайте файл generate-image.py и добавьте в него следующий код:

   #!/usr/bin/env python3
   
   from __future__ import annotations
   import pathlib
   from yandex_cloud_ml_sdk import YCloudML
   
   message1 = "a red cat"
   message2 = "Miyazaki style"
   
   
   def main():
       sdk = YCloudML(
           folder_id="<идентификатор_каталога>",
           auth="<API-ключ>",
       )
   
       model = sdk.models.image_generation("yandex-art")
   
       # configuring model for all of future runs
       model = model.configure(width_ratio=1, height_ratio=2, seed=50)
   
       # Sample 1: simple run
       operation = model.run_deferred(message1)
       result = operation.wait()
       print(result)
   
       # Sample 2: run with several messages, saving the result to file
       path = pathlib.Path("./image.jpeg")
       try:
           operation = model.run_deferred([message1, message2])
           result = operation.wait()
           path.write_bytes(result.image_bytes)
       finally:
           path.unlink(missing_ok=True)
   
       # Sample 3: run with several messages specifying weight
       operation = model.run_deferred([{"text": message1, "weight": 5}, message2])
       result = operation.wait()
       print(result)
   
       # Sample 4: example of combining YandexGPT and YandexART models
       gpt = sdk.models.completions("yandexgpt")
       messages = gpt.run(
           [
               "you need to create a prompt for a yandexart model",
               "of " + message1 + "in" + message2,
           ]
       )
       print(messages)
   
       operation = model.run_deferred(messages)
       result = operation.wait()
       print(result)
   
   
   if __name__ == "__main__":
       main()
   

   Где:

   Примечание

   В качестве входных данных для запроса Yandex Cloud ML SDK может принимать строку, словарь, объект класса TextMessage или массив, содержащий любое сочетание указанных типов данных. Подробнее см. в разделе Использование Yandex Cloud ML SDK.

   • message1 — основная часть запроса на генерацию изображения.
   • message2 — уточняющая часть запроса на генерацию изображения.

   • <идентификатор_каталога> — идентификатор каталога, в котором создан сервисный аккаунт.

   • <API-ключ> — API-ключ сервисного аккаунта, полученный ранее и необходимый для аутентификации в API.

     В примерах используется аутентификация с помощью API-ключа. Yandex Cloud ML SDK также поддерживает аутентификацию с помощью IAM-токена и OAuth-токена. Подробнее см. в разделе Аутентификация в Yandex Cloud ML SDK.

   Подробнее о том, как обращаться к модели генерации изображений, см. в разделе Обращение к модели.

2. Выполните созданный файл:

   python3 generate-image.py
   

   Результат выполнения:

   ImageGenerationModelResult(model_version='', image_bytes=<889288 bytes>)
   ImageGenerationModelResult(model_version='', image_bytes=<1062632 bytes>)
   GPTModelResult(alternatives=(Alternative(role='assistant', text='Вот пример того, как может выглядеть запрос для модели YandexART:\n\n«Создай изображение красной кошки в стиле аниме Хаяо Миядзаки. Фон должен быть выполнен в мягких пастельных тонах с добавлением деталей, которые подчёркивают атмосферу волшебства и уюта».\n\n*Обратите внимание, что это лишь пример запроса, и вы можете адаптировать его под свои нужды.*', status=<AlternativeStatus.FINAL: 3>),), usage=Usage(input_text_tokens=31, completion_tokens=76, total_tokens=107), model_version='07.03.2024')
   ImageGenerationModelResult(model_version='', image_bytes=<1180073 bytes>)