当前位置：首页 > news >正文

Z-Image-Turbo_Sugar脸部Lora代码实例：Python调用Xinference API生成Sugar面部

news 2026/8/18 3:26:51

Z-Image-Turbo_Sugar脸部Lora代码实例：Python调用Xinference API生成Sugar面部

1. 快速上手：Sugar脸部Lora模型介绍

如果你想要快速生成具有Sugar风格的面部图片，Z-Image-Turbo_Sugar脸部Lora模型是个不错的选择。这个模型基于Z-Image-Turbo构建，专门针对生成Sugar风格的面部特征进行了优化训练。

简单来说，这个模型能帮你生成具有"纯欲甜妹"风格的面部图片，特点是淡颜系清甜长相、清透水光肌、微醺蜜桃腮红等特征。无论你是想为创作寻找灵感，还是需要特定风格的人物头像，这个模型都能提供很好的效果。

模型通过Xinference提供服务，这意味着你可以在本地或服务器上部署，然后通过简单的API调用来生成图片。下面我会详细介绍如何使用Python代码来调用这个服务。

2. 环境准备与模型部署

2.1 确认模型服务状态

在使用模型之前，首先需要确认Xinference服务已经正常启动。通过以下命令检查服务状态：

# 查看服务日志，确认启动状态 cat /root/workspace/xinference.log

如果看到类似"Server started successfully"或"Model loaded"这样的信息，说明服务已经就绪。初次加载模型可能需要一些时间，请耐心等待。

2.2 访问Web界面

模型提供了Web界面供你直观地使用：

打开提供的Web UI链接
在界面中输入图片描述
点击生成按钮即可看到效果

Web界面适合快速测试和直观查看生成效果，但如果你想要批量生成或者将功能集成到自己的应用中，就需要通过API来调用了。

3. Python调用API生成图片

3.1 安装必要的Python库

首先确保你安装了必要的依赖库：

pip install requests pillow

或者使用requirements.txt：

requests>=2.28.0 Pillow>=9.0.0

3.2 基础API调用代码

下面是一个简单的Python示例，展示如何调用Xinference API生成Sugar面部图片：

import requests import json import base64 from io import BytesIO from PIL import Image def generate_sugar_face(prompt, api_url="http://localhost:9997", output_path="output.png"): """ 生成Sugar风格面部图片 Args: prompt (str): 图片描述文本 api_url (str): Xinference服务地址 output_path (str): 输出图片路径 """ # API端点 endpoint = f"{api_url}/v1/images/generations" # 请求参数 payload = { "model": "z-image-turbo-sugar-lora", "prompt": prompt, "size": "512x512", "n": 1, "response_format": "b64_json" } # 设置请求头 headers = { "Content-Type": "application/json" } try: # 发送请求 response = requests.post(endpoint, headers=headers, json=payload) response.raise_for_status() # 解析响应 result = response.json() image_data = result['data'][0]['b64_json'] # 解码并保存图片 image_bytes = base64.b64decode(image_data) image = Image.open(BytesIO(image_bytes)) image.save(output_path) print(f"图片已保存至: {output_path}") return image except Exception as e: print(f"生成图片时出错: {str(e)}") return None # 使用示例 if __name__ == "__main__": prompt = """Sugar面部,纯欲甜妹脸部，淡颜系清甜长相，清透水光肌，微醺蜜桃腮红，薄涂裸粉唇釉，眼尾轻挑带慵懒笑意，细碎睫毛轻颤""" generated_image = generate_sugar_face(prompt) if generated_image: generated_image.show()

3.3 高级调用示例

如果你想要更多控制选项，可以使用这个增强版本的代码：

import requests import json import base64 from io import BytesIO from PIL import Image class SugarFaceGenerator: def __init__(self, api_url="http://localhost:9997"): self.api_url = api_url self.endpoint = f"{api_url}/v1/images/generations" def generate( self, prompt, negative_prompt="", size="512x512", num_images=1, guidance_scale=7.5, num_inference_steps=20, output_path=None ): """ 生成Sugar风格面部图片（增强版） Args: prompt (str): 正面提示词 negative_prompt (str): 负面提示词（不希望出现的元素） size (str): 图片尺寸 num_images (int): 生成图片数量 guidance_scale (float): 引导尺度 num_inference_steps (int): 推理步数 output_path (str): 输出路径，None则不保存 """ payload = { "model": "z-image-turbo-sugar-lora", "prompt": prompt, "negative_prompt": negative_prompt, "size": size, "n": num_images, "guidance_scale": guidance_scale, "num_inference_steps": num_inference_steps, "response_format": "b64_json" } headers = {"Content-Type": "application/json"} try: response = requests.post(self.endpoint, headers=headers, json=payload) response.raise_for_status() result = response.json() images = [] for i, img_data in enumerate(result['data']): image_bytes = base64.b64decode(img_data['b64_json']) image = Image.open(BytesIO(image_bytes)) images.append(image) if output_path: if num_images > 1: # 多张图片时添加序号 path = output_path.replace('.png', f'_{i+1}.png') else: path = output_path image.save(path) print(f"图片已保存至: {path}") return images except Exception as e: print(f"生成图片时出错: {str(e)}") return None # 使用示例 if __name__ == "__main__": generator = SugarFaceGenerator() # 基础提示词 base_prompt = "Sugar面部,纯欲甜妹脸部，淡颜系清甜长相，清透水光肌" # 可以尝试不同的风格变体 styles = [ "微醺蜜桃腮红，薄涂裸粉唇釉", "眼尾轻挑带慵懒笑意，细碎睫毛轻颤", "阳光下的清透妆容，自然光感" ] for i, style in enumerate(styles): full_prompt = f"{base_prompt}, {style}" print(f"生成风格: {style}") images = generator.generate( prompt=full_prompt, negative_prompt="模糊, 低质量, 畸形", size="512x512", num_images=1, output_path=f"sugar_face_{i+1}.png" )

4. 提示词技巧与最佳实践

4.1 有效的提示词组合

要获得理想的Sugar风格面部图片，提示词的编写很重要。以下是一些有效的提示词组合示例：

# 不同场景的提示词示例 prompt_examples = { "清纯风格": "Sugar面部, 清纯少女, 透明感肌肤, 自然淡妆, 柔和光线", "甜美风格": "Sugar面部, 甜美笑容, 粉嫩腮红, 水润唇彩, 梦幻背景", "日常风格": "Sugar面部, 日常妆容, 自然表情, 室内光线, 生活感", "艺术风格": "Sugar面部, 艺术照风格, 戏剧性光线, 高级质感, 摄影棚效果" } # 负面提示词建议 negative_prompt = "模糊, 变形, 多只手, 多只脚, 丑陋, 畸形, 水印, 文字, 签名, 低质量"

4.2 批量生成与管理

如果你需要批量生成图片，可以使用以下代码模板：

import os import time from pathlib import Path def batch_generate_sugar_faces(prompts_list, output_dir="output"): """ 批量生成Sugar面部图片 Args: prompts_list (list): 提示词列表 output_dir (str): 输出目录 """ # 创建输出目录 Path(output_dir).mkdir(exist_ok=True) generator = SugarFaceGenerator() for i, prompt in enumerate(prompts_list): print(f"生成第 {i+1}/{len(prompts_list)} 张图片...") output_path = os.path.join(output_dir, f"sugar_face_{i+1:03d}.png") # 生成图片 images = generator.generate( prompt=prompt, negative_prompt="模糊, 低质量, 畸形, 水印", output_path=output_path ) # 避免请求过于频繁 time.sleep(1) print(f"批量生成完成！图片保存在 {output_dir} 目录中") # 使用示例 if __name__ == "__main__": # 准备多个提示词 prompts = [ "Sugar面部,纯欲甜妹脸部，清透水光肌，微醺蜜桃腮红", "Sugar面部,淡颜系清甜长相，薄涂裸粉唇釉，自然光", "Sugar面部,眼尾轻挑带慵懒笑意，细碎睫毛轻颤，室内光线", "Sugar面部,清新少女感，透明妆容，柔和阴影，专业摄影" ] batch_generate_sugar_faces(prompts, "batch_output")

5. 常见问题与解决方案

5.1 连接问题处理

如果遇到连接问题，可以添加重试机制：

import time from tenacity import retry, stop_after_attempt, wait_exponential class RobustSugarFaceGenerator(SugarFaceGenerator): @retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=4, max=10)) def generate_with_retry(self, **kwargs): """带重试机制的生成方法""" return self.generate(**kwargs)

5.2 性能优化建议

对于大量生成需求，可以考虑以下优化：

# 异步生成示例 import asyncio import aiohttp async def async_generate_sugar_face(session, prompt, output_path): """异步生成图片""" endpoint = "http://localhost:9997/v1/images/generations" payload = { "model": "z-image-turbo-sugar-lora", "prompt": prompt, "response_format": "b64_json" } async with session.post(endpoint, json=payload) as response: result = await response.json() # ...处理图片保存逻辑