在此示例中,我们将使用我们最受欢迎的 优化的超快速潜在一致性模型。
在我们继续之前,您需要创建 API 密钥。
js
import * as fal from '@fal-ai/serverless-client'
fal.config({
credentials: '在此处粘贴您的 FAL_KEY',
})
const connection = fal.realtime.connect('fal-ai/fast-lcm-diffusion', {
onResult: (result) => {
console.log(result)
},
onError: (error) => {
console.error(error)
},
})
connection.send({
prompt:
'海边的一个岛屿,有海鸥,月亮照在海面上,有灯塔,背景中有船,鱼在海上飞翔',
sync_mode: true,
image_url:
'data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAUAAAAFCAYAAACNbyblAAAAHElEQVQI12P4//8/w38GIAXDIBKE0DHxgljNBAAO9TXL0Y4OHwAAAABJRU5ErkJggg==',
})
您可以在 实时客户端文档 部分中阅读有关实时客户端的更多信息。
为了获得最快的推理速度,请使用 512x512
的 image_url
输入尺寸。
要从此模型中获得最佳性能:
- 确保图像以
base64
编码的数据url
形式提供。 - 确保图像
url
正好是 512x512。 - 确保
sync*mode
为true
,这将确保您还能从我们的 API 获得 base64 编码的数据 url。
您还可以使用 768x768 或 1024x1024 作为图像尺寸,与随机尺寸相比,此配置的推理速度会更快,但不会像 512x512 那样快。
视频教程:潜在一致性 - 使用 WebSockets、Next.js 和 fal.ai 构建实时 AI 图像应用程序,作者:Nader Dabit
上次更新于 2024 年 6 月 21 日