Да генерираме картинки с помощта на ИИ

Напоследък е силно популярно генерирането но изображения и видео материали с помощта на изкуствен интелект. Има много и най-различни онлайн услуги, които предлагат тази възможност безпралтно (с определени ограничения) или срещу абонаментна такса. Но можем ли да правим това на домашния компютър/лаптоп без да използваме готови услуги?

ComfyUI

Оказва се, че това е напълно възможно. Има различни проекти, които дават тази възможност, нека видим какво и как може да бъде използвано. ComfyUI е такъв проект, който може да се използва локално - тегли се от github.com и се стартира в няколко стъпки, за да позволи създаването на изображения чрез описване на желания краен резултат. Нека видим как.

Порво изискване на проекта е инсталирането на определени модули за python3.

Защо Python?

Python е популярен език, за който са писани много и най-различни библиотеки - и по стечение на обстоятелствата е този език за програмиране, който се използва за “слепване” на различни библиотеки за изкуствен интелект в приложения. Тъй като е лесен език, почти описателен - успява да се наложи като стандарт за този тип приложения.

Инсталиране на модули

За да се стартира ComfyUI е необходимо да се изтегли кода на уеб приложението, да се инсталират необходимите модули за Python и да се стартира услугата локално. За този пример използвам Linux среда (това, което използвам) - за други операционни системи ще е необходимо да се модифицират някои от стъпките, за да отговарят на определени условия за съответната ОС.

Първо, необходимо е да изтеглим кода на ComfyUI:

mkdir ~/ComfyUI
cd ~/ComfyUI
git clone https://github.com/comfyanonymous/ComfyUI

След това е необходимо да създадем Python virtual environment за да инсталираме там необходимите модули (за да не правим това в host environment):

python3 -m venv venv
source venv/bin/activate

Инсталираме необходимите модули:

cd ComfyUI
pip3 install -r requirements.txt

Стартиране на ComfyUI

На този етап можем да стартираме ComfyUI и сме почти готови за генериране на изображения и видео. За целта използваме следната команда:

python3 main.py --listen

Това ще стартира услугата локално на порт 8188 и може да бъде достъпена с браузер на адрес http:/localhost:8188 - което ще зареди интерфейса на изкуствения интелект. Какво липсва обаче?

Инсталиране на модели

При първо зареждане на интерфейса излиза съобщение, което казва кои модели липсват и къде трябва да бъдат разположени, с бутони за автоматично изтегляне или копиране на линка към моделите. До този момент не съм успявал да накарам автоматичното изтегляне да работи, но с ръчно копиране на линковете, изтеглянето на моделите (с които работи ComfyUI) и поставянето им в правилните директории всичко работи чудесно. Пътят към директориите, в които се слагат моделите е ~/ComfyUI/models.

Генериране на изображения

Чудесно, вече имаме работещ ComfyUI, нека използваме готов пример за генериране. За целта от интерфейса на уеб приложението ще изберем “Templates/Chroma Text to Image”. Там виждаме меню като това:

За да изпробваме способностите на изкуствения интелект можем да опитаме с примерен prompt:

(masterpiece), (extremely intricate:1.3), (realistic), portrait of a girl, the most beautiful in the world, (medieval armor), metal reflections, upper body, outdoors, intense sunlight, far away castle, professional photograph of a stunning woman detailed, sharp focus, dramatic, award winning, cinematic lighting, octane render unreal engine, volumetrics dtx, (film grain, blurry background, blurry foreground, bokeh, depth of field, sunset, motion blur:1.3), chainmail

И примерен negative prompt:

BadDream, (UnrealisticDream:1.3)

Въвеждаме ги в съответните полета в “Step 3: Prompts”:

Резултат?

И така, генерирали сме съответното изображение и получаваме готовият резултат. Трябва да имаме предвид и това, че времето за генериране на изображение пряко зависи от различни фактори:

1. хардуера (необходимо е да имаме добра видеокарта с поне 8GB VRAM)
2. използвания модел (зависи от темплейта ако не се навръзват ръчно nodes)
3. размера на изображението, което генерираме (конфигурира се в Step 2)
4. натоварването на компютъра в момента на генериране
5. и др.

Но нека видим и получения готов резултат от тази операция:

Какво още можем да правим в ComfyUI?

Много неща всъщност. Можем да генериране на изображения по описание, можем да генерираме видеоклипове по описание, да превръщаме изображения във видеоклипове, да редактираме изображения и видеоклипове и много много други. Това е страхотен инструмент, който може лесно да бъде използван за различни цели. Но нека никога не го ползваме за злонамерени цели - вместо това нека го използваме (както и всичко останало) за да направим света по-красиво и добро място за живот!