人工智能(AI) VS 商業智能(BI) 區別與聯系是什么？
由Dezgo公司提供的通過‘文字生成圖片’功能的在線API接口，企業可以通過集成AI繪畫API接口實現自有產品的圖片能力增強。
例如在企業內部發布系統的文章首圖，可以通過文章的摘要，生成特定風格、尺寸的圖片。
1、您可以在這里創建賬號：https://dezgo.com/account
2、創建秘鑰
3、復制秘鑰
text2image是一個文字生成圖片的接口，URL地址：https://api.dezgo.com/text2image，文檔地址：https://dev.dezgo.com/API/
curl -X 'POST' \
'https://api.dezgo.com/text2image' \
-H 'accept: */*' \
-H 'Content-Type: multipart/form-data' \
-F 'lora2_strength=.7' \
-F 'lora2=' \
-F 'lora1_strength=.7' \
-F 'prompt=Su Shi, a male scholar, dressed in a long robe, with a long sword hanging from his waist, stands on the banks of the Yangtze River, watching the sunset in the west。' \
-F 'width=' \
-F 'height=' \
-F 'steps=30' \
-F 'sampler=dpmpp_2m_karras' \
-F 'model=realdream_12' \
-F 'negative_prompt=ugly, tiling, poorly drawn hands, poorly drawn feet, poorly drawn face, out of frame, extra limbs, disfigured, deformed, body out of frame, blurry, bad anatomy, blurred, watermark, grainy, signature, cut off, draft' \
-F 'upscale=1' \
-F 'seed=' \
-F 'format=png' \
-F 'guidance=7' \
-F 'lora1='重點參數說明:
20,1024]dpmpp_2m_karrasmodel屬性枚舉值，代表了不同的AI生成風格，用于生成特定的圖像（每個值的背后可能對應一個預訓練的神經網絡模型，專門用于某種藝術風格或圖像處理技術）：
0001softrealistic_v187：可能是一種以超現實主義風格生成柔和、逼真圖像的模型版本187。
absolute_reality_1、absolute_reality_1_6、absolute_reality_1_8_1：這些可能是以絕對現實主義風格生成圖像的不同版本或迭代。
abyss_orange_mix_2：可能是一種混合了橙色調的深淵風格模型。
analog_diffusion：可能是一種模擬膠片顆粒感的圖像擴散模型。
anylora、dreamshaper、dreamshaper_5 等：這些可能是具有不同風格或特性的圖像生成模型。
art_universe_v8：可能是一種用于生成藝術作品的宇宙風格模型版本8。
basil_mix、blood_orange_mix：這些可能是混合了特定色彩或風格的模型。
cyberrealistic_1_3、cyberrealistic_3_1、cyberrealistic_3_3：可能是以賽博現實主義風格生成圖像的模型。
dark_sushi_mix_v2_25d：可能是一種混合了暗色調和壽司風格的模型。
deliberate、deliberate_2：可能是用于生成具有特定意圖或效果的圖像的模型。
dh_classicanime：可能是用于生成經典動漫風格的模型。
double_exposure_diffusion：可能是用于生成雙重曝光效果的圖像的模型。
eimis_anime_diffusion_1：可能是用于生成動漫風格圖像的模型。
emoji_diffusion：可能是將圖像轉化為表情符號風格的模型。
epic_diffusion_1、epic_diffusion_1_1：可能是用于生成史詩級別效果的圖像的模型。
foto_assisted_diffusion：可能是輔助攝影風格的圖像擴散模型。
furrytoonmix：可能是混合了毛茸茸特征和卡通風格的模型。
ghostmix_v2：可能是以幽靈風格生成圖像的模型。
hasdx、icbinp、icbinp_seco：這些可能是具有特定藝術效果的模型。
inkpunk_diffusion：可能是以墨水朋克風格生成圖像的模型。
juggernaut_reborn：可能是具有強大影響力的圖像生成模型。
lowpoly_world：可能是以低多邊形風格生成圖像的模型。
nightmareshaper：可能是以噩夢風格生成圖像的模型。
openjourney、openjourney_2：可能是開放旅程風格的圖像生成模型。
paint_journey_2_768px：可能是以繪畫旅程風格生成特定分辨率圖像的模型。
pastel_mix：可能是以粉彩風格混合生成圖像的模型。
portrait_plus：可能是用于生成高級肖像的模型。
realcartoon3d_13、realcartoonanime_10：可能是將圖像轉化為3D卡通或動漫風格的模型。
redshift_diffusion：可能是以紅移效果生成圖像的模型。
rpg_5：可能是用于生成角色扮演游戲風格的模型。
stable_diffusion_fluidart、stable_diffusion_papercut、stable_diffusion_voxelart：這些可能是Stable Diffusion模型的不同藝術風格變體。
steampunk_diffusion：可能是以蒸汽朋克風格生成圖像的模型。
synthwavepunk_v2：可能是結合了合成波和朋克風格的模型。
toonify_2：可能是將圖像轉化為卡通風格的模型。
trinart_2_0：可能是Trinart模型的2.0版本。
vectorartz_diffusion：可能是以矢量藝術風格生成圖像的模型。
vintedois_diffusion_v0_1：可能是以復古動漫風格生成圖像的模型。
waifudiffusion_1_3、waifudiffusion_1_4：可能是用于生成動漫角色風格的模型。
yesmix_4：可能是某種混合風格生成圖像的模型。sampler 常量代表用于生成圖像的不同采樣方法，主要用于基于擴散模型的圖像生成技術中，枚舉值說明：
ddim: 代表"Denoising Diffusion Implicit"（去噪擴散隱式）采樣方法，這是一種基于擴散模型的圖像生成方法，通過逐步引入噪聲并在每個步驟中去除噪聲來生成圖像。
dpm: 代表"Denoising Diffusion Probabilistic"（去噪擴散概率）采樣方法，它是另一種基于擴散模型的方法，側重于概率性地去除噪聲。
dpm_single: 這可能是"Denoising Diffusion Probabilistic Single"的縮寫，指的是在單次迭代中應用去噪擴散概率方法，而不是多次迭代。
dpmpp_2m_karras: 這可能是一個特定實現或變體的去噪擴散模型，其中"2m"可能表示兩次混合步驟，"karras"可能是實現該方法的研究人員或團隊的名稱。
euler: 代表"Euler"采樣方法，以數學家歐拉命名，可能是一種基于歐拉方法的數值采樣技術，用于簡單有效的問題求解。
euler_a: 這可能是"Euler A"的縮寫，表示一種改進的歐拉采樣方法或特定的應用方式。
k_lms: 可能代表"Kalman Least Mean Squares"（卡爾曼最小二乘法）采樣方法，這是一種利用卡爾曼濾波器進行參數估計和信號處理的技術。
pndm: 可能代表"Predictor-Corrector Noise Diffusion Model"（預測-校正噪聲擴散模型）采樣方法，這是一種結合預測和校正步驟的圖像生成技術。Java客戶端代碼示例，在實際項目中，請把下面代碼封裝為一個工具類：
import java.io.*;
import java.net.*;
import java.util.Map;
import java.util.HashMap;
public class Main {
public static void main(String[] args) throws Exception {
String url = "https://api.dezgo.com/text2image";
String dezgoKey = "請注意替換";
HttpURLConnection con = (HttpURLConnection) new URL(url).openConnection();
con.setRequestMethod("POST");
con.setRequestProperty("accept", "application/octet-stream");
con.setRequestProperty("Content-Type", "multipart/form-data; boundary=----WebKitFormBoundary7ma42iwvjor0g3g4");
con.setRequestProperty("X-Dezgo-Key",dezgoKey);
// 創建數據
String boundary = "----WebKitFormBoundary7ma42iwvjor0g3g4";
StringBuilder sb = createMultipartBody(boundary,
// 添加你的參數
"prompt", "Su Shi, a male scholar, dressed in a long robe, with a long sword hanging from his waist, stands on the banks of the Yangtze River, watching the sunset in the west."
// 省略其他參數
);
byte[] bytes = sb.toString().getBytes("UTF-8");
con.setDoOutput(true);
try (DataOutputStream wr = new DataOutputStream(con.getOutputStream())) {
wr.write(bytes);
}
// 檢查響應碼
int status = con.getResponseCode();
if (status == HttpURLConnection.HTTP_OK) {
// 讀取響應流
try (InputStream is = con.getInputStream();
FileOutputStream fileOutputStream = new FileOutputStream("output_image.png")) {
byte[] buffer = new byte[4096];
int bytesRead;
while ((bytesRead = is.read(buffer)) != -1) {
fileOutputStream.write(buffer, 0, bytesRead);
}
System.out.println("Image saved successfully!");
}
} else {
System.out.println("Failed to get image: " + status);
}
}
public static StringBuilder createMultipartBody(String boundary, String... params) {
StringBuilder sb = new StringBuilder();
sb.append("--").append(boundary).append("\r\n");
for (int i = 0; i < params.length; i += 2) {
sb.append("Content-Disposition: form-data; name=\"").append(params[i]).append("\"\r\n\r\n")
.append(params[i + 1]).append("\r\n");
sb.append("--").append(boundary).append("\r\n");
}
sb.append("--").append(boundary).append("--\r\n");
return sb;
}
}該接口常見的幾個錯誤代碼：
國內外提供API的AI繪畫產品有很多，下面推薦幾款冪簡集成已經收集的AI繪畫類型的API接口：
冪簡集成是國內領先的API集成管理平臺，專注于為開發者提供全面、高效、易用的API集成解決方案。冪簡API平臺可以通過以下兩種方式找到所需API：通過關鍵詞搜索API(例如，輸入’AI繪畫‘ 這類品類詞，更容易找到結果)、或者從API Hub分類頁進入尋找。
此外，冪簡集成博客會編寫API入門指南、多語言API對接指南、API測評等維度的文章，讓開發者快速使用目標API。
