通用1.4-角色特征保持--人像人体-火山引擎

文档中心

导航

通用1.4-角色特征保持

最近更新时间：2024.12.19 16:38:53首次发布时间：2024.10.14 11:58:14

接口简介

通用1.4-角色特征保持，基于通用1.4底模，包含主体外观保持和面部特征保持。其中主体外观信息包含人/动物/物体等各类主体。主体外观和面部特征，两者在生图过程中跟输入文本共同起作用，生成外观跟输入参考图中的主体一致又符合文本描述的图片。

限制条件

名称	内容
图片要求	图片格式：JPG(JPEG), PNG, BMP 等常见格式, 建议使用JPG格式图片要求：小于5 MB，小于4096*4096。输入图建议包含人/动物/物体等各类主体，不包含上述信息不会报错，但会输出普通文生图

请求说明

名称	内容
接口地址	https://visual.volcengineapi.com
请求方式	POST
Content-Type	application/json

完整公共参数列表见公共参数
本服务Region为cn-north-1； Service为cv

Query参数

拼接到url后的参数，示例：https://visual.volcengineapi.com?Action=CVProcess&Version=2022-08-31

参数	可选/必选	类型	说明
Action	必选	String	接口名，取固定值：CVProcess
Version	必选	String	版本号，取固定值：2022-08-31

Body参数

业务请求参数，放到request.body中，MIME-Type为application/json

参数	可选/必选	类型	说明
req_key	必选	String	算法名称，取固定值为high_aes_general_v14_ip_keep
binary_data_base64	必选（二选一，优先生效）	array of string	图片文件，base64编码。此算法需输入1张图片
image_urls	必选（二选一）	array of string	图片文件URL。此算法需输入1张图片
prompt	必选	String	用于生成图像的提示词，中英文均可输入
model_version	必选	String	模型版本名称，固定值：general_v1.4_ip
ref_ip_weight	可选	float	参考图主体外观的权重，越大生成结果和参考图中主体的相似度越高默认：0.7 取值范围：[0， 1]
ref_id_weight	可选	float	参考图人脸特征的权重，越大生成结果和参考图中人脸的相似度越高默认：0.9 取值范围：[0， 1]
seed	可选	int	随机种子，-1为不随机种子；其他为指定随机种子默认值：-1
scale	可选	float	影响文本描述的程度默认值：3.0 取值范围：(1, 30]
ddim_steps	可选	int	生成图像的步数默认值：16 取值范围[1, 50]
width	可选	int	生成图像的宽（超分前大小）总像素 <= 768*768 默认值：512 取值范围：[128, 768]
height	可选	int	生成图像的高（超分前大小）总像素 <= 768*768 默认值：512 取值范围：[128, 768]
use_rephraser	可选	bool	开启中文prompt扩写默认值：False
use_predict_tags	可选	bool	开启predict_tags 默认值：True
use_sr	可选	bool	True：文生图+AIGC超分 False：文生图默认值：True 内置的超分功能，开启后可将上述宽高均乘以2返回，此参数打开后延迟会有增加如上述宽高均为512和512，此参数关闭出图 512512 ，此参数打开出图1024 1024
return_url	可选	bool	输出是否返回图片链接（链接有效期为24小时）
logo_info	可选	LogoInfo	水印信息

LogoInfo
水印相关参数

名称	类型	必选	描述
add_logo	Boolean	否	是否添加水印。True为添加，False不添加。默认不添加
position	Int	否	水印的位置，取值如下： 0-右下角 1-左下角 2-左上角 3-右上角默认0
language	Int	否	水印的语言，取值如下： 0-中文（AI生成） 1-英文（Generated by AI）默认0
opacity	Float	否	水印的不透明度，取值范围0-1，1表示完全不透明，默认0.3
logo_text_content	String	否	明水印自定义内容

输出说明

通用输出参数

请参考通用返回字段及错误码

业务输出参数

重点关注data 字段，其他字段为公共返回

字段	类型	说明
binary_data_base64	array of string	返回图片的base64数组。
image_urls	array of string	输出处理过的图片url 数组（单张图）

请求&返回完整示例

请求示例

{
    "req_key": "high_aes_general_v14_ip_keep",
    // "binary_data_base64": [],
    "image_urls": ["https://xxx"],
    "prompt": "千军万马",
    "model_version": "general_v1.4_ip",
    "subject_prompt": "",
    "ref_ip_weight": 0.7,
    "ref_id_weight": 0.9,
    "negative_prompt": "negative prompt：nsfw, nude, blurry, watermark, identifying mark, low resolution, mutated, lack of hierarchy",
    "seed": -1,
    "scale": 3.0,
    "ddim_steps": 16,
    "width": 512,
    "height": 512,
    "use_rephraser": false,
    "use_predict_tags": true,
    "use_sr": true,
    "sr_seed": -1,
    "sr_strength": 0.4,
    "sr_scale": 3.5,
    "sr_steps": 10,
    "return_url": true,
    "logo_info": {
        "add_logo": false,
        "position": 0,
        "language": 0,
        "opacity": 0.3,
        "logo_text_content": "这里是明水印内容"
    }
}

输出示例

{
    "code": 10000,
    "data": {
        "algorithm_base_resp": {
            "status_code": 0,
            "status_message": "Success"
        },
        "binary_data_base64": [],
        "image_urls": [
            "https://xxx"
        ],
        "predict_tags_result": "xxx",
        "rephraser_result": "xxx",
        "request_id": "xxxxx9ccce338c963032f7a3ec06f03d259f1c46215750eca3b7f51f5f97xxxx"
    },
    "message": "Success",
    "request_id": "2024101217550004248C63C19B1F15xxxx",
    "status": 10000,
    "time_elapsed": "9.867352102s"
}

错误码

（1）通用错误码
请参考通用返回字段及错误码
（2）业务错误码

HttpCode	错误码	错误消息	描述
200	10000	无	请求成功
400	50411	Pre Img Risk Not Pass	输入图片前审核未通过
400	50511	Post Img Risk Not Pass	输出图片后审核未通过
400	50412	Text Risk Not Pass	输入文本前审核未通过
400	50512	Post Text Risk Not Pass	输出文本后审核未通过
400	50413	Post Text Risk Not Pass	输入文本NER、IP、Blocklist等拦截

SDK使用说明

请参考SDK使用说明

人像人体