Generar Imágenes con Amazon Bedrock y Stable Diffusion XL usando Java

Amazon Bedrock es un servicio totalmente administrado que ofrece una selección de modelos fundacionales (FM) de alto rendimiento de las principales empresas de IA. Stable Diffusion XL, ofrecido por Stability.ai, es un potente modelo de texto a imagen capaz de generar imágenes de alta calidad a partir de indicaciones textuales. Este artículo te guiará a través del proceso de uso de Amazon Bedrock para invocar Stable Diffusion XL para la generación de imágenes utilizando el SDK de Java.

Antes de poder empezar a generar imágenes, necesitas configurar el cliente Bedrock Runtime en tu entorno Java. Esto implica crear una instancia de `BedrockRuntimeClient`, configurarla con tus credenciales de AWS y la región de AWS deseada. Aquí te mostramos cómo puedes hacerlo: ```java import software.amazon.awssdk.auth.credentials.DefaultCredentialsProvider; import software.amazon.awssdk.regions.Region; import software.amazon.awssdk.services.bedrockruntime.BedrockRuntimeClient; // Crea un cliente Bedrock Runtime en la región de AWS que deseas utilizar. // Reemplaza DefaultCredentialsProvider con tu proveedor de credenciales preferido. var client = BedrockRuntimeClient.builder() .credentialsProvider(DefaultCredentialsProvider.create()) .region(Region.US_EAST_1) .build(); ``` Asegúrate de tener el SDK de AWS para Java 2.x añadido a las dependencias de tu proyecto.

La API `InvokeModel` requiere un formato de carga específico que el modelo Stable Diffusion XL entiende. Esta carga incluye parámetros como la indicación de texto, el ajuste preestablecido de estilo y la semilla. Puedes crear una cadena JSON que represente esta carga utilizando la siguiente plantilla: ```java var nativeRequestTemplate = """ { "text_prompts": [{ "text": "{{prompt}}" }], "style_preset": "{{style}}", "seed": {{seed}} }"""; // Define la indicación para la generación de imágenes. var prompt = "Una imagen estilizada de un lindo robot steampunk antiguo"; // Obtén una semilla aleatoria de 32 bits para la generación de imágenes (máx. 4.294.967.295). var seed = new BigInteger(31, new SecureRandom()); // Elige un ajuste preestablecido de estilo. var style = "cinematic"; // Incrusta la indicación, la semilla y el estilo en la carga de solicitud nativa del modelo. String nativeRequest = nativeRequestTemplate .replace("{{prompt}}", prompt) .replace("{{seed}}", seed.toString()) .replace("{{style}}", style); ``` Personaliza las variables `prompt`, `style` y `seed` para generar diferentes imágenes.

Con el cliente Bedrock Runtime configurado y la carga de solicitud elaborada, ahora puedes invocar el modelo Stable Diffusion XL utilizando el método `invokeModel`: ```java import software.amazon.awssdk.core.SdkBytes; import software.amazon.awssdk.core.exception.SdkClientException; // Establece el ID del modelo, por ejemplo, Stable Diffusion XL v1. var modelId = "stability.stable-diffusion-xl-v1"; try { // Codifica y envía la solicitud a Bedrock Runtime. var response = client.invokeModel(request -> request .body(SdkBytes.fromUtf8String(nativeRequest)) .modelId(modelId) ); // Decodifica el cuerpo de la respuesta. var responseBody = new JSONObject(response.body().asUtf8String()); // Recupera los datos de la imagen generada de la respuesta del modelo. var base64ImageData = new JSONPointer("/artifacts/0/base64") .queryFrom(responseBody) .toString(); return base64ImageData; } catch (SdkClientException e) { System.err.printf("ERROR: No se puede invocar '%s'. Razón: %s", modelId, e.getMessage()); throw new RuntimeException(e); } ``` Este código envía la solicitud a Amazon Bedrock y recupera la respuesta.

La respuesta del método `invokeModel` contiene los datos de la imagen generada en formato base64. Necesitas decodificar estos datos para mostrar la imagen. El siguiente fragmento de código muestra cómo extraer los datos de la imagen base64 de la respuesta: ```java import org.json.JSONObject; import org.json.JSONPointer; // Decodifica el cuerpo de la respuesta. var responseBody = new JSONObject(response.body().asUtf8String()); // Recupera los datos de la imagen generada de la respuesta del modelo. var base64ImageData = new JSONPointer("/artifacts/0/base64") .queryFrom(responseBody) .toString(); ```

Una vez que tengas los datos de la imagen base64, puedes mostrarlos utilizando un método de visualización de imágenes adecuado. El código original utiliza un método `displayImage`. Deberás implementar este método basándote en tu marco de interfaz de usuario o biblioteca de imágenes elegida. Un ejemplo sencillo podría implicar la conversión de la cadena base64 a un array de bytes y luego el uso de una biblioteca de imágenes para mostrarla. ```java // Suponiendo que tienes un método displayImage displayImage(base64ImageData); ```

Aquí tienes el ejemplo completo de código Java para invocar Stable Diffusion XL en 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() { // Crea un cliente Bedrock Runtime en la región de AWS que deseas utilizar. // Reemplaza DefaultCredentialsProvider con tu proveedor de credenciales preferido. var client = BedrockRuntimeClient.builder() .credentialsProvider(DefaultCredentialsProvider.create()) .region(Region.US_EAST_1) .build(); // Establece el ID del modelo, por ejemplo, Stable Diffusion XL v1. var modelId = "stability.stable-diffusion-xl-v1"; // La API InvokeModel utiliza la carga nativa del modelo. // Obtén más información sobre los parámetros de inferencia disponibles y los campos de respuesta en: // 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}} }"""; // Define la indicación para la generación de imágenes. var prompt = "Una imagen estilizada de un lindo robot steampunk antiguo"; // Obtén una semilla aleatoria de 32 bits para la generación de imágenes (máx. 4.294.967.295). var seed = new BigInteger(31, new SecureRandom()); // Elige un ajuste preestablecido de estilo. var style = "cinematic"; // Incrusta la indicación, la semilla y el estilo en la carga de solicitud nativa del modelo. String nativeRequest = nativeRequestTemplate .replace("{{prompt}}", prompt) .replace("{{seed}}", seed.toString()) .replace("{{style}}", style); try { // Codifica y envía la solicitud a Bedrock Runtime. var response = client.invokeModel(request -> request .body(SdkBytes.fromUtf8String(nativeRequest)) .modelId(modelId) ); // Decodifica el cuerpo de la respuesta. var responseBody = new JSONObject(response.body().asUtf8String()); // Recupera los datos de la imagen generada de la respuesta del modelo. var base64ImageData = new JSONPointer("/artifacts/0/base64") .queryFrom(responseBody) .toString(); return base64ImageData; } catch (SdkClientException e) { System.err.printf("ERROR: No se puede invocar '%s'. Razón: %s", modelId, e.getMessage()); throw new RuntimeException(e); } } public static void main(String[] args) { System.out.println("Generando imagen. Esto puede tardar unos segundos..."); String base64ImageData = invokeModel(); displayImage(base64ImageData); } } ```

Para obtener más información sobre Amazon Bedrock, el SDK de AWS para Java y Stable Diffusion XL, consulta los siguientes recursos: * [Documentación de Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/) * [Referencia de la API del SDK de AWS para Java 2.x](https://sdk.amazonaws.com/java/api/latest/) * [Repositorio de ejemplos de código de AWS en GitHub](https://github.com/awsdocs/aws-doc-sdk-examples) * [Documentación de Stable Diffusion XL](https://stability.ai/)