全网最全stable diffusion webui API调用示例，包含controlneth和segment anything的API（附json示例）
交流群 100419879
欢迎合作👏🏻 V ： 864399407
GitHub：https://github.com/Anning01
BiliBili： https://space.bilibili.com/50125441
txt2img -> /sdapi/v1/txt2img
不带 controlnet
data = {
"prompt": "提示词",
"negative_prompt": "反向提示词",
"seed": -1, # 随机种子
"sampler_name": "取样器（之间复制webui的名字就行）",
"cfg_scale": 7.5, # 提示词相关性 越大越接近提示词
"width": 640, # 宽 （注意要被16整除）
"height": 360, # 高 （注意要被16整除）
"batch_size": 4, # 批量数量 并行 显存不够会爆显存
"n_iter": 4, # 批量数量 队列 显存不够排队一个一个来 和 batch_size 二选一
"steps": 30, # 迭代步数
"return_grid": True, # 返回网格预览 xl-base 好像没用
"restore_faces": True, # 脸部修复
"send_images": True, # 是否在响应中返回生成的图像
"save_images": False, # 是否保存生成的图像 一般api设置成False
"do_not_save_samples": False, # 是否保存samples 一般api设置成False
"do_not_save_grid": False, # 是否保存网格的图像 一般api设置成False
# 下面的很少用
"enable_hr": True, # 是否开启高清修复
"denoising_strength": 0.5, # 去噪强度 要求enable_hr = True
"firstphase_width": 0,
# firstphase_width 和firstphase_height 定义了图像的初始分辨率。在图像生成的第一阶段，这些值决定了图像的大小。如果这些值设置为0，系统可能会使用默认或预设的分辨率。
"firstphase_height": 0,
"hr_scale": 2, # 放大倍数 对应webui Upscale by
"hr_upscaler": "string", # 对应webui 的 Upscaler
"hr_second_pass_steps": 0, # 迭代步数 对应webui 的 Hires steps。
"hr_resize_x": 0, # 不放大，指定宽高 对应webui Resize width to 和Resize height to
"hr_resize_y": 0, # 不放大，指定宽高 对应webui Resize width to 和Resize height to
"hr_checkpoint_name": "string", # 高分辨率模式下使用的大模型昵称。
"hr_sampler_name": "string", # 高分辨率模式下使用的采样器名称。
"hr_prompt": "", # 高分辨率模式下使用的提示词名称。
"hr_negative_prompt": "", # 高分辨率模式下使用的反向提示词名称。
"override_settings": {
"sd_model_checkpoint": "sd_xl_base_1.0.safetensors [31e35c80fc]", # 指定大模型
"sd_vae": "Automatic", # 指定vae 默认自动
},
"override_settings_restore_afterwards": True # override_settings 是否在之后恢复覆盖的设置 默认是True
}
带 controlnet
data = {
"prompt": "提示词",
"negative_prompt": "反向提示词",
"seed": -1, # 随机种子
"sampler_name": "取样器（之间复制webui的名字就行）",
"cfg_scale": 7.5, # 提示词相关性 越大越接近提示词
"width": 640, # 宽 （注意要被16整除）
"height": 360, # 高 （注意要被16整除）
"batch_size": 4, # 批量数量 并行 显存不够会爆显存
"n_iter": 4, # 批量数量 队列 显存不够排队一个一个来 和 batch_size 二选一
"steps": 30, # 迭代步数
"return_grid": True, # 返回网格预览 xl-base 好像没用
"restore_faces": True, # 脸部修复
"send_images": True, # 是否在响应中返回生成的图像
"save_images": False, # 是否保存生成的图像 一般api设置成False
"do_not_save_samples": False, # 是否保存samples 一般api设置成False
"do_not_save_grid": False, # 是否保存网格的图像 一般api设置成False
"alwayson_scripts": {
"controlnet":
{
"args": [
{
"enabled": True, # 启用
"control_mode": 0, # 对应webui 的 Control Mode 可以直接填字符串 推荐使用下标 0 1 2
"model": "t2i-adapter_diffusers_xl_lineart [bae0efef]", # 对应webui 的 Model
"module": "lineart_standard (from white bg & black line)", # 对应webui 的 Preprocessor
"weight": 0.45, # 对应webui 的Control Weight
"resize_mode": "Crop and Resize",
"threshold_a": 200, # 阈值a 部分control module会用上
"threshold_b": 245, # 阈值b
"guidance_start": 0, # 什么时候介入 对应webui 的 Starting Control Step
"guidance_end": 0.7, # 什么时候退出 对应webui 的 Ending Control Step
"pixel_perfect": True, # 像素完美
"processor_res": 512, # 预处理器分辨率
"save_detected_map": False, # 因为使用了 controlnet API会返回生成controlnet的效果图，默认是True，如何不需要，改成False
"input_image": "", # 图片 格式为base64
}
# 多个controlnet 在复制上面一个字典下来就行
]
}
},
# 下面的很少用
"enable_hr": True, # 是否开启高清修复
"denoising_strength": 0.5, # 去噪强度 要求enable_hr = True
"firstphase_width": 0,
# firstphase_width 和firstphase_height 定义了图像的初始分辨率。在图像生成的第一阶段，这些值决定了图像的大小。如果这些值设置为0，系统可能会使用默认或预设的分辨率。
"firstphase_height": 0,
"hr_scale": 2, # 放大倍数 对应webui Upscale by
"hr_upscaler": "string", # 对应webui 的 Upscaler
"hr_second_pass_steps": 0, # 迭代步数 对应webui 的 Hires steps。
"hr_resize_x": 0, # 不放大，指定宽高 对应webui Resize width to 和Resize height to
"hr_resize_y": 0, # 不放大，指定宽高 对应webui Resize width to 和Resize height to
"hr_checkpoint_name": "string", # 高分辨率模式下使用的大模型昵称。
"hr_sampler_name": "string", # 高分辨率模式下使用的采样器名称。
"hr_prompt": "", # 高分辨率模式下使用的提示词名称。
"hr_negative_prompt": "", # 高分辨率模式下使用的反向提示词名称。
"override_settings": {
"sd_model_checkpoint": "sd_xl_base_1.0.safetensors [31e35c80fc]", # 指定大模型
"sd_vae": "Automatic", # 指定vae 默认自动
},
"override_settings_restore_afterwards": True # override_settings 是否在之后恢复覆盖的设置 默认是True
}
带 Refiner
data = {
"prompt": "提示词",
"negative_prompt": "反向提示词",
"seed": -1, # 随机种子
"sampler_name": "取样器（之间复制webui的名字就行）",
"cfg_scale": 7.5, # 提示词相关性 越大越接近提示词
"width": 640, # 宽 （注意要被16整除）
"height": 360, # 高 （注意要被16整除）
"batch_size": 4, # 批量数量 并行 显存不够会爆显存
"n_iter": 4, # 批量数量 队列 显存不够排队一个一个来 和 batch_size 二选一
"steps": 30, # 迭代步数
"return_grid": True, # 返回网格预览 xl-base 好像没用
"restore_faces": True, # 脸部修复
"send_images": True, # 是否在响应中返回生成的图像
"save_images": False, # 是否保存生成的图像 一般api设置成False
"do_not_save_samples": False, # 是否保存samples 一般api设置成False
"do_not_save_grid": False, # 是否保存网格的图像 一般api设置成False
"alwayson_scripts": {
"controlnet":
{
"args": [
{
"enabled": True, # 启用
"control_mode": 0, # 对应webui 的 Control Mode 可以直接填字符串 推荐使用下标 0 1 2
"model": "t2i-adapter_diffusers_xl_lineart [bae0efef]", # 对应webui 的 Model
"module": "lineart_standard (from white bg & black line)", # 对应webui 的 Preprocessor
"weight": 0.45, # 对应webui 的Control Weight
"resize_mode": "Crop and Resize",
"threshold_a": 200, # 阈值a 部分control module会用上
"threshold_b": 245, # 阈值b
"guidance_start": 0, # 什么时候介入 对应webui 的 Starting Control Step
"guidance_end": 0.7, # 什么时候退出 对应webui 的 Ending Control Step
"pixel_perfect": True, # 像素完美
"processor_res": 512, # 预处理器分辨率
"save_detected_map": False, # 因为使用了 controlnet API会返回生成controlnet的效果图，默认是True，如何不需要，改成False
"input_image": "", # 图片 格式为base64
}
# 多个controlnet 在复制上面一个字典下来就行
]
},
"Refiner": {
"args": [
True, # 是否开启
"sd_xl_refiner_1.0", # 大模型昵称
0.75, # 介入时机
]
}
},
# 下面的很少用
"enable_hr": True, # 是否开启高清修复
"denoising_strength": 0.5, # 去噪强度 要求enable_hr = True
"firstphase_width": 0,
# firstphase_width 和firstphase_height 定义了图像的初始分辨率。在图像生成的第一阶段，这些值决定了图像的大小。如果这些值设置为0，系统可能会使用默认或预设的分辨率。
"firstphase_height": 0,
"hr_scale": 2, # 放大倍数 对应webui Upscale by
"hr_upscaler": "string", # 对应webui 的 Upscaler
"hr_second_pass_steps": 0, # 迭代步数 对应webui 的 Hires steps。
"hr_resize_x": 0, # 不放大，指定宽高 对应webui Resize width to 和Resize height to
"hr_resize_y": 0, # 不放大，指定宽高 对应webui Resize width to 和Resize height to
"hr_checkpoint_name": "string", # 高分辨率模式下使用的大模型昵称。
"hr_sampler_name": "string", # 高分辨率模式下使用的采样器名称。
"hr_prompt": "", # 高分辨率模式下使用的提示词名称。
"hr_negative_prompt": "", # 高分辨率模式下使用的反向提示词名称。
"override_settings": {
"sd_model_checkpoint": "sd_xl_base_1.0.safetensors [31e35c80fc]", # 指定大模型
"sd_vae": "Automatic", # 指定vae 默认自动
},
"override_settings_restore_afterwards": True # override_settings 是否在之后恢复覆盖的设置 默认是True
}
生成蒙版 segment anything -> /sam/sam-predict
data = {
"sam_model_name": "sam_vit_b_01ec64.pth", # 蒙版模型名称
"input_image": "base64_str", # 图像base64
"sam_positive_points": [
[317.7521, 174.7542],
[304.25, 174.75],
[295.25, 152.25],
[292.25, 174.75],
[284.75, 168.75],
], # 选中坐标点
"sam_negative_points": [], # 反选中坐标点
"dino_enabled": True, # 开启文字识别 例如一只猫在草坪上，想要得到猫的蒙版 可以使用 cat 会自动识别物品
"dino_model_name": "GroundingDINO_SwinT_OGC (694MB)", # 文字识别模型
"dino_text_prompt": "", # 文字（要英语）例如 cat
}
img2img -> /sdapi/v1/img2img
使用蒙版局部重绘
data = {
"init_images": ["base64", ], # 初始图像(要求使用base64列表)
"mask": "base64", # 蒙版base64
"prompt": "", # 提示词
"negative_prompt": "", # 负面提示词
"batch_size": 4, # 批量数量 并行 显存不够会爆显存
"n_iter": 4, # 批量数量 队列 显存不够排队一个一个来 和 batch_size 二选一
"seed": -1, # 随机种子
"sampler_name": "Euler a", # 采样器名称
"mask_blur": 4, # 边缘模糊
"inpaint_full_res": True, # 更高分辨率修复 耗费算力，一般显卡建议关闭
"inpaint_full_res_padding": 4, # 小到中等大小的修复区域 建议 4 - 10 大型修复区域建议 10 - 20
"inpainting_mask_invert": 0, # 1 则反转蒙版
"cfg_scale": 7, # 提示词相关性
"send_images": True, # 是否在响应中返回生成的图像
"save_images": False, # 是否保存生成的图像 一般api设置成False
"width": 640,
"height": 360,
"denoising_strength": 0.5, # 去噪强度
"steps": 30, # 步数
"override_settings": {
"sd_model_checkpoint": "sd_xl_base_1.0.safetensors [31e35c80fc]", # 指定大模型
"sd_vae": "Automatic", # 指定vae 默认自动
},
"override_settings_restore_afterwards": True # override_settings 是否在之后恢复覆盖的设置 默认是True
}
版权声明：本文为博主作者：Python_anning原创文章，版权归属原作者，如果侵权，请联系我们删除！
原文链接：https://blog.csdn.net/Python_anning/article/details/135269356
