Gere Imagens com Amazon Bedrock e Stable Diffusion XL usando Java

Amazon Bedrock é um serviço totalmente gerenciado que oferece uma seleção de modelos de fundação (FMs) de alto desempenho de empresas líderes em IA. Stable Diffusion XL, oferecido pela Stability.ai, é um poderoso modelo de texto para imagem capaz de gerar imagens de alta qualidade a partir de prompts textuais. Este artigo irá guiá-lo através do processo de uso do Amazon Bedrock para invocar o Stable Diffusion XL para geração de imagens usando o SDK Java.

Antes de começar a gerar imagens, você precisa configurar o cliente Bedrock Runtime em seu ambiente Java. Isso envolve a criação de uma instância `BedrockRuntimeClient`, configurando-a com suas credenciais AWS e a Região AWS desejada. Veja como você pode fazer isso: ```java import software.amazon.awssdk.auth.credentials.DefaultCredentialsProvider; import software.amazon.awssdk.regions.Region; import software.amazon.awssdk.services.bedrockruntime.BedrockRuntimeClient; // Crie um cliente Bedrock Runtime na Região AWS que você deseja usar. // Substitua o DefaultCredentialsProvider pelo seu provedor de credenciais preferido. var client = BedrockRuntimeClient.builder() .credentialsProvider(DefaultCredentialsProvider.create()) .region(Region.US_EAST_1) .build(); ``` Certifique-se de ter o AWS SDK for Java 2.x adicionado às dependências do seu projeto.

A API `InvokeModel` requer um formato de payload específico que o modelo Stable Diffusion XL entende. Este payload inclui parâmetros como o prompt de texto, o estilo predefinido e a semente (seed). Você pode criar uma string JSON representando este payload usando o seguinte modelo: ```java var nativeRequestTemplate = """ { "text_prompts": [{ "text": "{{prompt}}" }], "style_preset": "{{style}}", "seed": {{seed}} }"""; // Defina o prompt para a geração da imagem. var prompt = "Uma imagem estilizada de um robô steampunk fofo e antigo"; // Obtenha uma semente aleatória de 32 bits para a geração da imagem (máx. 4.294.967.295). var seed = new BigInteger(31, new SecureRandom()); // Escolha um estilo predefinido. var style = "cinematic"; // Incorpore o prompt, a semente e o estilo no payload de requisição nativa do modelo. String nativeRequest = nativeRequestTemplate .replace("{{prompt}}", prompt) .replace("{{seed}}", seed.toString()) .replace("{{style}}", style); ``` Personalize as variáveis `prompt`, `style` e `seed` para gerar imagens diferentes.

Com o cliente Bedrock Runtime configurado e o payload da requisição elaborado, você agora pode invocar o modelo Stable Diffusion XL usando o método `invokeModel`: ```java import software.amazon.awssdk.core.SdkBytes; import software.amazon.awssdk.core.exception.SdkClientException; // Defina o ID do modelo, por exemplo, Stable Diffusion XL v1. var modelId = "stability.stable-diffusion-xl-v1"; try { // Codifique e envie a requisição para o Bedrock Runtime. var response = client.invokeModel(request -> request .body(SdkBytes.fromUtf8String(nativeRequest)) .modelId(modelId) ); // Decodifique o corpo da resposta. var responseBody = new JSONObject(response.body().asUtf8String()); // Recupere os dados da imagem gerada da resposta do modelo. var base64ImageData = new JSONPointer("/artifacts/0/base64") .queryFrom(responseBody) .toString(); return base64ImageData; } catch (SdkClientException e) { System.err.printf("ERRO: Não é possível invocar '%s'. Motivo: %s", modelId, e.getMessage()); throw new RuntimeException(e); } ``` Este código envia a requisição para o Amazon Bedrock e recupera a resposta.

A resposta do método `invokeModel` contém os dados da imagem gerada em formato base64. Você precisa decodificar esses dados para exibir a imagem. O trecho de código abaixo mostra como extrair os dados da imagem base64 da resposta: ```java import org.json.JSONObject; import org.json.JSONPointer; // Decodifique o corpo da resposta. var responseBody = new JSONObject(response.body().asUtf8String()); // Recupere os dados da imagem gerada da resposta do modelo. var base64ImageData = new JSONPointer("/artifacts/0/base64") .queryFrom(responseBody) .toString(); ```

Uma vez que você tenha os dados da imagem base64, você pode exibi-los usando um método de exibição de imagem adequado. O código original usa um método `displayImage`. Você precisará implementar este método com base na sua estrutura de UI ou biblioteca de imagens escolhida. Um exemplo simples pode envolver a conversão da string base64 em um array de bytes e, em seguida, o uso de uma biblioteca de imagens para exibi-la. ```java // Supondo que você tenha um método displayImage displayImage(base64ImageData); ```

Aqui está o exemplo completo de código Java para invocar o Stable Diffusion XL no 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() { // Crie um cliente Bedrock Runtime na Região AWS que você deseja usar. // Substitua o DefaultCredentialsProvider pelo seu provedor de credenciais preferido. var client = BedrockRuntimeClient.builder() .credentialsProvider(DefaultCredentialsProvider.create()) .region(Region.US_EAST_1) .build(); // Defina o ID do modelo, por exemplo, Stable Diffusion XL v1. var modelId = "stability.stable-diffusion-xl-v1"; // A API InvokeModel usa o payload nativo do modelo. // Saiba mais sobre os parâmetros de inferência disponíveis e os campos de resposta em: // 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}} }"""; // Defina o prompt para a geração da imagem. var prompt = "Uma imagem estilizada de um robô steampunk fofo e antigo"; // Obtenha uma semente aleatória de 32 bits para a geração da imagem (máx. 4.294.967.295). var seed = new BigInteger(31, new SecureRandom()); // Escolha um estilo predefinido. var style = "cinematic"; // Incorpore o prompt, a semente e o estilo no payload de requisição nativa do modelo. String nativeRequest = nativeRequestTemplate .replace("{{prompt}}", prompt) .replace("{{seed}}", seed.toString()) .replace("{{style}}", style); try { // Codifique e envie a requisição para o Bedrock Runtime. var response = client.invokeModel(request -> request .body(SdkBytes.fromUtf8String(nativeRequest)) .modelId(modelId) ); // Decodifique o corpo da resposta. var responseBody = new JSONObject(response.body().asUtf8String()); // Recupere os dados da imagem gerada da resposta do modelo. var base64ImageData = new JSONPointer("/artifacts/0/base64") .queryFrom(responseBody) .toString(); return base64ImageData; } catch (SdkClientException e) { System.err.printf("ERRO: Não é possível invocar '%s'. Motivo: %s", modelId, e.getMessage()); throw new RuntimeException(e); } } public static void main(String[] args) { System.out.println("Gerando imagem. Isso pode levar alguns segundos..."); String base64ImageData = invokeModel(); displayImage(base64ImageData); } } ```

Para mais informações sobre Amazon Bedrock, AWS SDK for Java e Stable Diffusion XL, consulte os seguintes recursos: * [Documentação do Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/) * [Referência da API do AWS SDK for Java 2.x](https://sdk.amazonaws.com/java/api/latest/) * [Repositório de Exemplos de Código AWS no GitHub](https://github.com/awsdocs/aws-doc-sdk-examples) * [Documentação do Stable Diffusion XL](https://stability.ai/)