【LLM】基于Stable-Diffusion模型构建可以生成图像的聊天机器人

[toc]

今天，我从头开始创建图像生成聊天机器人。按照已经构建的聊天机器人 awesome-tiny-sd 的脚本来执行

awesome-tiny-sd项目地址：https://astrabert.github.io/awesome-tiny-sd

环境准备

安装依赖库

python3 -m pip install gradio==4.25.0 diffusers==0.27.2 torch==2.1.2 pydantic==2.6.4 accelerate transformers trl peft

安装完毕之后，在当前文件夹中创建文件如下：

./
|__ app.py
|__ imgen.py

第一步：导入stable-diffusion

导入stable-diffusion模型到imgen.py文件中

• 导入依赖选项

  from diffusers import DiffusionPipeline
  import torch
  

• 定义图像生成管道（这将自动下载您指定的稳定扩散模型及其所有相关组件

  pipeline = DiffusionPipeline.from_pretrained("segmind/small-sd", torch_dtype=torch.float32)
  

  我们选择的是segmind/small-sd，这个模型不是很大，而且对CPU支持友好。

  segmind/small-sd下载地址：https://huggingface.co/segmind/small-sd

第二步：定义核心函数

• 导入依赖选项

  import gradio as gr
  import time
  from imgen import *
  

• 定义一个简单功能，打印用户喜欢的和不喜欢的信息

  def print_like_dislike(x: gr.LikeData):
      print(x.index, x.value, x.liked)
  

• 将新消息和/或上传的文件附加到聊天机器人历史记录的功能：

  def add_message(history, message):
      if len(message["files"]) > 0:
          history.append((message["files"], None))
      if message["text"] is not None and message["text"] != "":
          history.append((message["text"], None))
      return history, gr.MultimodalTextbox(value=None, interactive=False)
  

• 从文本提示符开始生成图像的函数：

  def bot(history):
      if type(history[-1][0]) != tuple: ## text prompt
          try:
              prompt = history[-1][0]
              image = pipeline(prompt).images[0] ## call the model
              image.save("generated_image.png")
              response = ("generated_image.png",)
              history[-1][1] = response
              yield history ## return the image
          except Exception as e:
              response = f"Sorry, the error '{e}' occured while generating the response; check [troubleshooting documentation](https://astrabert.github.io/awesome-tiny-sd/#troubleshooting) for more"
              history[-1][1] = ""
              for character in response:
                  history[-1][1] += character
                  time.sleep(0.05)
                  yield history
      if type(history[-1][0]) == tuple: ## input are files
          response = f"Sorry, this version still does not support uploaded files :(" ## We will see how to add this functionality in the future
          history[-1][1] = ""
          for character in response:
              history[-1][1] += character
              time.sleep(0.05)
              yield history
  

第三步：构建聊天机器人

• 使用 Gradio 定义聊天机器人块：

  with gr.Blocks() as demo:
      chatbot = gr.Chatbot(
          [[None, ("Hi, I am awesome-tiny-sd, a little stable diffusion model that lets you generate images:blush:\nJust write me a prompt, I'll generate what you ask for:heart:",)]], ## the first argument is the chat history
          label="awesome-tiny-sd",
          elem_id="chatbot",
          bubble_full_width=False,
      ) ## this is the base chatbot architecture
  
      chat_input = gr.MultimodalTextbox(interactive=True, file_types=["png","jpg","jpeg"], placeholder="Enter your image-generating prompt...", show_label=False) ## types of supported input
  
      chat_msg = chat_input.submit(add_message, [chatbot, chat_input], [chatbot, chat_input]) ## receive a message
      bot_msg = chat_msg.then(bot, chatbot, chatbot, api_name="bot_response") ## send a message
      bot_msg.then(lambda: gr.MultimodalTextbox(interactive=True), None, [chat_input])
  
      chatbot.like(print_like_dislike, None, None)
      clear = gr.ClearButton(chatbot) ## show clear button
  

• 启动机器人

  demo.queue()
  if __name__ == "__main__":
      demo.launch(server_name="0.0.0.0", share=False)
  

• 执行脚本

  python3 app.py
  

现在等着机器人启动成功，一单 stable diffusion 通道加载成功，聊天机器人应该在 localhost：7860（或类似 Linux 的操作系统为 0.0.0.0：7860）上运行。

小结

今天我们学习了通过stable diffusion模型构建对话机器人来生成图像信息，你可以通过 awesome-tiny-sd直接运行你的对话机器人来生成图像，您将使用 awesome-tiny-sd 生成的第一张图像是什么？请在下面的评论中告诉我

其他

线上体验地址：Hugging Face：https://huggingface.co/spaces/as-cle-bert/awesome-tiny-sd

您可以下载awesome-tiny-sd Docker镜像并通过容器运行它：

docker pull ghcr.io/astrabert/awesome-tiny-sd:latest
docker run -p 7860:7860 ghcr.io/astrabert/awesome-tiny-sd:latest