Bilder mit Amazon Bedrock und Stable Diffusion XL mit Java generieren

Amazon Bedrock ist ein vollständig verwalteter Dienst, der eine Auswahl an leistungsstarken Foundation Models (FMs) von führenden KI-Unternehmen bietet. Stable Diffusion XL von Stability.ai ist ein leistungsstarkes Text-zu-Bild-Modell, das hochwertige Bilder aus Textaufforderungen generieren kann. Dieser Artikel führt Sie durch den Prozess der Verwendung von Amazon Bedrock, um Stable Diffusion XL für die Bilderzeugung mit dem Java SDK aufzurufen.

Bevor Sie mit der Bilderzeugung beginnen können, müssen Sie den Bedrock Runtime Client in Ihrer Java-Umgebung einrichten. Dies beinhaltet die Erstellung einer `BedrockRuntimeClient`-Instanz und deren Konfiguration mit Ihren AWS-Anmeldeinformationen und der gewünschten AWS-Region. Hier ist, wie Sie das tun können: ```java import software.amazon.awssdk.auth.credentials.DefaultCredentialsProvider; import software.amazon.awssdk.regions.Region; import software.amazon.awssdk.services.bedrockruntime.BedrockRuntimeClient; // Erstellen Sie einen Bedrock Runtime Client in der AWS-Region, die Sie verwenden möchten. // Ersetzen Sie DefaultCredentialsProvider durch Ihren bevorzugten Anmeldeinformationsanbieter. var client = BedrockRuntimeClient.builder() .credentialsProvider(DefaultCredentialsProvider.create()) .region(Region.US_EAST_1) .build(); ``` Stellen Sie sicher, dass das AWS SDK für Java 2.x zu Ihren Projekt-Abhängigkeiten hinzugefügt wurde.

Die `InvokeModel`-API erfordert ein bestimmtes Payload-Format, das das Stable Diffusion XL-Modell versteht. Dieses Payload enthält Parameter wie die Textaufforderung, das Stil-Preset und den Seed. Sie können einen JSON-String erstellen, der dieses Payload darstellt, indem Sie die folgende Vorlage verwenden: ```java var nativeRequestTemplate = """ { "text_prompts": [{ "text": "{{prompt}}" }], "style_preset": "{{style}}", "seed": {{seed}} }"""; // Definieren Sie die Aufforderung für die Bilderzeugung. var prompt = "Ein stilisierter Ausdruck eines niedlichen alten Steampunk-Roboters"; // Holen Sie sich einen zufälligen 32-Bit-Seed für die Bilderzeugung (max. 4.294.967.295). var seed = new BigInteger(31, new SecureRandom()); // Wählen Sie ein Stil-Preset. var style = "cinematic"; // Betten Sie die Aufforderung, den Seed und den Stil in das native Anfrage-Payload des Modells ein. String nativeRequest = nativeRequestTemplate .replace("{{prompt}}", prompt) .replace("{{seed}}", seed.toString()) .replace("{{style}}", style); ``` Passen Sie die Variablen `prompt`, `style` und `seed` an, um verschiedene Bilder zu generieren.

Mit dem eingerichteten Bedrock Runtime Client und dem erstellten Anfrage-Payload können Sie nun das Stable Diffusion XL-Modell mit der Methode `invokeModel` aufrufen: ```java import software.amazon.awssdk.core.SdkBytes; import software.amazon.awssdk.core.exception.SdkClientException; // Legen Sie die Modell-ID fest, z. B. Stable Diffusion XL v1. var modelId = "stability.stable-diffusion-xl-v1"; try { // Kodieren und senden Sie die Anfrage an den Bedrock Runtime. var response = client.invokeModel(request -> request .body(SdkBytes.fromUtf8String(nativeRequest)) .modelId(modelId) ); // Dekodieren Sie den Antwort-Body. var responseBody = new JSONObject(response.body().asUtf8String()); // Rufen Sie die generierten Bilddaten aus der Antwort des Modells ab. var base64ImageData = new JSONPointer("/artifacts/0/base64") .queryFrom(responseBody) .toString(); return base64ImageData; } catch (SdkClientException e) { System.err.printf("FEHLER: Kann '%s' nicht aufrufen. Grund: %s", modelId, e.getMessage()); throw new RuntimeException(e); } ``` Dieser Code sendet die Anfrage an Amazon Bedrock und ruft die Antwort ab.

Die Antwort der Methode `invokeModel` enthält die generierten Bilddaten im Base64-Format. Sie müssen diese Daten dekodieren, um das Bild anzuzeigen. Der folgende Codeausschnitt zeigt, wie die Base64-Bilddaten aus der Antwort extrahiert werden: ```java import org.json.JSONObject; import org.json.JSONPointer; // Dekodieren Sie den Antwort-Body. var responseBody = new JSONObject(response.body().asUtf8String()); // Rufen Sie die generierten Bilddaten aus der Antwort des Modells ab. var base64ImageData = new JSONPointer("/artifacts/0/base64") .queryFrom(responseBody) .toString(); ```

Sobald Sie die Base64-Bilddaten haben, können Sie diese mit einer geeigneten Methode zur Bildanzeige darstellen. Der ursprüngliche Code verwendet eine `displayImage`-Methode. Sie müssen diese Methode basierend auf Ihrem gewählten UI-Framework oder Ihrer Bildbibliothek implementieren. Ein einfaches Beispiel könnte darin bestehen, die Base64-Zeichenfolge in ein Byte-Array zu konvertieren und dann eine Bildbibliothek zur Anzeige zu verwenden. ```java // Angenommen, Sie haben eine displayImage-Methode displayImage(base64ImageData); ```

Hier ist das vollständige Java-Codebeispiel für den Aufruf von Stable Diffusion XL auf Amazon Bedrock: ```java import org.json.JSONObject; import org.json.JSONPointer; import software.amazon.awssdk.auth.credentials.DefaultCredentialsProvider; import software.amazon.awssdk.core.SdkBytes; import software.amazon.awssdk.core.exception.SdkClientException; import software.amazon.awssdk.regions.Region; import software.amazon.awssdk.services.bedrockruntime.BedrockRuntimeClient; import java.math.BigInteger; import java.security.SecureRandom; import static com.example.bedrockruntime.libs.ImageTools.displayImage; public class InvokeModel { public static String invokeModel() { // Erstellen Sie einen Bedrock Runtime Client in der AWS-Region, die Sie verwenden möchten. // Ersetzen Sie DefaultCredentialsProvider durch Ihren bevorzugten Anmeldeinformationsanbieter. var client = BedrockRuntimeClient.builder() .credentialsProvider(DefaultCredentialsProvider.create()) .region(Region.US_EAST_1) .build(); // Legen Sie die Modell-ID fest, z. B. Stable Diffusion XL v1. var modelId = "stability.stable-diffusion-xl-v1"; // Die InvokeModel API verwendet das native Payload des Modells. // Erfahren Sie mehr über die verfügbaren Inferenzparameter und Antwortfelder unter: // https://docs.aws.amazon.com/bedrock/latest/userguide/model-parameters-diffusion-1-0-text-image.html var nativeRequestTemplate = """ { "text_prompts": [{ "text": "{{prompt}}" }], "style_preset": "{{style}}", "seed": {{seed}} }"""; // Definieren Sie die Aufforderung für die Bilderzeugung. var prompt = "Ein stilisierter Ausdruck eines niedlichen alten Steampunk-Roboters"; // Holen Sie sich einen zufälligen 32-Bit-Seed für die Bilderzeugung (max. 4.294.967.295). var seed = new BigInteger(31, new SecureRandom()); // Wählen Sie ein Stil-Preset. var style = "cinematic"; // Betten Sie die Aufforderung, den Seed und den Stil in das native Anfrage-Payload des Modells ein. String nativeRequest = nativeRequestTemplate .replace("{{prompt}}", prompt) .replace("{{seed}}", seed.toString()) .replace("{{style}}", style); try { // Kodieren und senden Sie die Anfrage an den Bedrock Runtime. var response = client.invokeModel(request -> request .body(SdkBytes.fromUtf8String(nativeRequest)) .modelId(modelId) ); // Dekodieren Sie den Antwort-Body. var responseBody = new JSONObject(response.body().asUtf8String()); // Rufen Sie die generierten Bilddaten aus der Antwort des Modells ab. var base64ImageData = new JSONPointer("/artifacts/0/base64") .queryFrom(responseBody) .toString(); return base64ImageData; } catch (SdkClientException e) { System.err.printf("FEHLER: Kann '%s' nicht aufrufen. Grund: %s", modelId, e.getMessage()); throw new RuntimeException(e); } } public static void main(String[] args) { System.out.println("Generiere Bild. Dies kann einige Sekunden dauern..."); String base64ImageData = invokeModel(); displayImage(base64ImageData); } } ```

Weitere Informationen zu Amazon Bedrock, dem AWS SDK für Java und Stable Diffusion XL finden Sie in den folgenden Ressourcen: * [Amazon Bedrock Dokumentation](https://docs.aws.amazon.com/bedrock/latest/userguide/) * [AWS SDK für Java 2.x API-Referenz](https://sdk.amazonaws.com/java/api/latest/) * [AWS Code Examples Repository auf GitHub](https://github.com/awsdocs/aws-doc-sdk-examples) * [Stable Diffusion XL Dokumentation](https://stability.ai/)