前言

在2024 AWS re:Invent大会上预先宣布的重大更新现已上线！用户现可通过Amazon Bedrock访问Stable Diffusion 3.5 Large模型，生成高质量的图像，从文字描述中快速创作出丰富多样的艺术风格图像，为媒体、游戏、广告和零售行业客户提供概念设计、视觉特效及精美产品图的强大支持。

---

Stable Diffusion 3.5 Large

2024年10月，Stability AI发布了Stable Diffusion 3.5 Large，这款模型拥有81亿参数，是Stable Diffusion系列中最强大的版本，并在Amazon SageMaker HyperPod上完成训练。相比前代模型，它在图像质量与对提示的响应度上显著提升，特别适合以下场景：

• 故事版设计：加速制作故事版和概念设计图。

• 视觉特效：实现快速的效果原型开发。

• 高效创作：生成1百万像素的高质量图像，用于广告、社交媒体内容和宣传活动。

---

Stable Diffusion 3.5 Large 特点

1. 多样风格：支持生成包括3D、摄影、绘画、线条画等多种视觉风格，满足无限创意需求。

2. 精准提示响应：高级提示响应能力，精确实现用户的文本描述。

3. 多元化输出：生成反映多样化世界的图像，无需复杂的提示设置。

---

Stable Image Ultra

Amazon Bedrock 已更新Stable Image Ultra 1.1模型，集成了Stable Diffusion 3.5 Large技术。新的Stable Image Ultra在图像生成上实现了以下突破：

• 优异的版式设计

• 复杂场景的创意构图

• 动态灯光与鲜艳色彩呈现

• 艺术风格的整体协调性

---

Amazon Bedrock 快速上手指南

1. 启用模型访问权限

通过Amazon Bedrock控制台开启Stability AI模型的访问权限，选择“Stable Diffusion 3.5 Large”。

要在 Amazon Bedrock 中测试 Stability AI 模型，请在左侧菜单窗格中选择Playgrounds下的图像。然后选择选择模型，并选择Stability AI作为类别，并选择Stable Diffusion 3.5 Large作为模型。

您可以使用提示生成图像。以下是生成图像的示例提示：

High-energy street scene in a neon-lit Tokyo alley at night, where steam rises from food carts, and colorful neon signs illuminate the rain-slicked pavement.

2. 使用示例命令生成图像

以下命令展示了如何通过AWS CLI生成一个霓虹东京街景的示例图像：

aws bedrock-runtime invoke-model \--model-id stability.sd3-5-large-v1:0 \--body "{\"text_prompts\":[{\"text\":\"High-energy street scene in a neon-lit Tokyo alley at night, where steam rises from food carts, and colorful neon signs illuminate the rain-slicked pavement.\",\"weight\":1}],\"cfg_scale\":0,\"steps\":10,\"seed\":0,\"width\":1024,\"height\":1024,\"samples\":1}" \--cli-binary-format raw-in-base64-out \--region us-west-2 \
/dev/stdout | jq -r '.images[0]' | base64 --decode > img.jpg

以下是如何使用 Stable Image Ultra 1.1 将 Stable Diffusion 3.5 Large 与AWS SDK for Python (Boto3)stability.stable-image-ultra-v1:1一起包含在模型的底层架构中。

这个简单的应用程序以交互方式请求文本到图像提示，然后调用 Amazon Bedrock 以生成具有模型 ID 的图像。

import base64
import boto3
import json
import osMODEL_ID = "stability.stable-image-ultra-v1:1"bedrock_runtime = boto3.client("bedrock-runtime", region_name="us-west-2")print("Enter a prompt for the text-to-image model:")
prompt = input()body = {"prompt": prompt,"mode": "text-to-image"
}
response = bedrock_runtime.invoke_model(modelId=MODEL_ID, body=json.dumps(body))model_response = json.loads(response["body"].read())base64_image_data = model_response["images"][0]i, output_dir = 1, "output"
if not os.path.exists(output_dir):os.makedirs(output_dir)
while os.path.exists(os.path.join(output_dir, f"img_{i}.png")):i += 1image_data = base64.b64decode(base64_image_data)image_path = os.path.join(output_dir, f"img_{i}.png")
with open(image_path, "wb") as file:file.write(image_data)print(f"The generated image has been saved to {image_path}")

应用程序将生成的图像写入到output创建的目录中（如果不存在）。为了不覆盖现有文件，代码会检查现有文件以找到第一个符合该img_.png格式的文件名。