通用2.0-图生图--人像人体-火山引擎

文档中心

立即注册

导航

通用2.0-图生图

最近更新时间：2025.02.10 11:26:32首次发布时间：2025.01.13 20:40:18

接口简介

基于字节跳动高美感2.0模型的可控图生图模型，可参考输入图片的轮廓边缘、景深、人物姿态特征进行出图，出图效果更精美。

限制条件

名称	内容
输入图要求	图片格式：JPG(JPEG), PNG, BMP 等常见格式, 建议使用JPG格式。小于5 MB，小于40964096。不开内置超分，若输入图宽高均在[384, 640] 区间，输出图片分辨率与输入图一致；若输入图宽高不在[384, 640] 区间，则输入图会尽量等比例进行resize调节到此区间内，输出图片分辨率与输入图resize后一致。开超分后出图分辨率2。

名称

内容

输入图要求

图片格式：JPG(JPEG), PNG, BMP 等常见格式, 建议使用JPG格式。
小于5 MB，小于4096*4096。
不开内置超分，若输入图宽高均在[384, 640] 区间，输出图片分辨率与输入图一致；若输入图宽高不在[384, 640] 区间，则输入图会尽量等比例进行resize调节到此区间内，输出图片分辨率与输入图resize后一致。开超分后出图分辨率*2。

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	备注
req_key	必选	String	算法名称，取固定值为high_aes_scheduler_svr_controlnet_v2.0
binary_data_base64	必选（二选一）	array of string	图片文件，base64编码。此算法至少需输入1张图片
image_urls	必选（二选一）	array of string	图片文件URL。此算法至少需输入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	可选	String	模型版本名称默认值："general_controlnet_v2.0"
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]	建议使用默认值，过高容易导致超时
use_rephraser	可选	bool	开启中文prompt扩写默认值：true
use_sr	可选	bool	true：文生图+AIGC超分 false：文生图默认值：true	建议开启超分参数内置的超分功能，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
sr_seed	可选	int	超分模型随机种子，-1为不随机种子；其他为指定随机种子，当use_sr开启时有效默认值：-1
sr_strength	可选	float	只在超分模型生效默认值：0.4 取值范围：[0.0, 1.0]
sr_scale	可选	float	在超分模型上，影响文本描述的程度默认值：3.5 取值范围：[1, 30]
sr_steps	可选	int	超分模型生成图像的步数默认值：10 取值范围：[1, 50]
controlnet_args	必选	list[ControlnetArgs]	类似controlnet配置可参考输入图的canny（轮廓边缘）、depth（景深）、pose（人物姿态）进行出图
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

ControlnetArgs

名称	类型	必选/可选	描述
type	String	必选	类似ControlNet 保持构图的方案 canny（轮廓边缘）、depth（景深）、pose（人物姿态）三选一
strength	float	必选	ControlNet强度取值范围：(0.0, 1.0] 建议值：0.8
binary_data_index	int	必选	Controlnet要处理的图片，取值为binary_data图片的下标取值范围：[0, len(binary_data) - 1]

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
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_scheduler_svr_controlnet_v2.0",
    // "binary_data_base64": [],
    "image_urls": [
        "https://xxx"
    ],
    "prompt": "一只狗",
    "model_version": "general_controlnet_v2.0",
    "seed": -1,
    "scale": 3,
    "ddim_steps": 16,
    "use_rephraser": true,
    "use_sr": true,
    "sr_seed": -1,
    "sr_strength": 0.4,
    "sr_scale": 3.5,
    "sr_steps": 10,
    "controlnet_args": [
        {
            "type": "depth",
            "binary_data_index": 0,
            "strength": 0.8
        }
    ],
    "return_url": true,
    "logo_info": {
        "add_logo": false,
        "position": 0,
        "language": 0,
        "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://xxxx"
        ],
        "predict_tags_result": "",
        "rephraser_result": "一只毛色鲜艳的狗，它有着饱满的毛发和锐利的眼神，看起来非常健康活泼。",
        "request_id": "0444b94371cef27e5e193dde55372f37745d887dee580898367a717d0f92f83c"
    },
    "message": "Success",
    "request_id": "202501132006376AA642D2FBD42465DF60",
    "status": 10000,
    "time_elapsed": "5.861744206s"
}

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