# stable-diffusion-starter

**Repository Path**: osheyx/stable-diffusion-starter

## Basic Information

- **Project Name**: stable-diffusion-starter
- **Description**: stable-diffusion 模型部署
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-06-18
- **Last Updated**: 2025-06-23

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Stable Diffusion 3.5 HTTP服务

这是一个基于Stable Diffusion 3.5的HTTP API服务，可以通过HTTP请求生成图片。

## 文件说明

- `sd-3.5-start.py` - 原始的单次生成脚本
- `sd-3.5-server.py` - HTTP服务主程序
- `test_client.py` - 测试客户端
- `requirements.txt` - 依赖包列表

## 安装依赖

```bash
pip install -r requirements.txt
```

## 启动服务

```bash
python sd-3.5-server.py
```

服务将在 `http://localhost:5000` 启动。

## API接口

### 1. 健康检查

**GET** `/health`

返回服务状态和模型加载情况。

**响应示例：**
```json
{
  "status": "healthy",
  "model_loaded": true
}
```

### 2. 生成图片（文件流）

**POST** `/generate`

生成图片并直接返回PNG文件流。

**请求参数：**
```json
{
  "prompt": "A beautiful sunset over mountains",
  "num_inference_steps": 4,
  "guidance_scale": 0.0
}
```

**响应：** PNG图片文件流

### 3. 生成图片（JSON base64）

**POST** `/generate_json`

生成图片并返回base64编码的JSON响应。

**请求参数：**
```json
{
  "prompt": "A cute cat playing with a ball",
  "num_inference_steps": 4,
  "guidance_scale": 0.0
}
```

**响应示例：**
```json
{
  "success": true,
  "image": "iVBORw0KGgoAAAANSUhEUgAA...",
  "format": "png",
  "prompt": "A cute cat playing with a ball"
}
```

## 参数说明

- `prompt` (必需): 图片生成的提示词
- `num_inference_steps` (可选): 推理步数，默认为4
- `guidance_scale` (可选): 引导比例，默认为0.0

## 测试

运行测试客户端：

```bash
python test_client.py
```

## 使用示例

### curl命令示例

```bash
# 生成图片（文件流）
curl -X POST http://localhost:5000/generate \
  -H "Content-Type: application/json" \
  -d '{"prompt": "A beautiful landscape"}' \
  --output generated_image.png

# 生成图片（JSON）
curl -X POST http://localhost:5000/generate_json \
  -H "Content-Type: application/json" \
  -d '{"prompt": "A beautiful landscape"}'
```

### Python客户端示例

```python
import requests

# 生成图片（文件流）
response = requests.post(
    "http://localhost:5000/generate",
    json={"prompt": "A beautiful sunset"}
)

if response.status_code == 200:
    with open("image.png", "wb") as f:
        f.write(response.content)
```

## 注意事项

1. 首次启动时需要下载模型，可能需要较长时间
2. 需要CUDA支持的GPU
3. 建议至少8GB显存
4. 服务启动后模型会常驻内存，重复请求响应更快

## 错误处理

服务会返回适当的HTTP状态码和错误信息：

- `400` - 请求参数错误
- `500` - 服务器内部错误（如模型未加载、生成失败等）

错误响应格式：
```json
{
  "error": "错误描述"
}
```