【涂鸦即艺术】基于云应用开发平台 CAP 部署 AI 实时生图绘板

本文涉及的产品
函数计算FC,每月15万CU 3个月
简介: 本实验介绍如何使用阿里云的云原生应用开发平台CAP、函数计算FC和日志服务SLS,三步创建AI实时绘画平台。

场景介绍

  • 阿里云不对第三方模型的合法性、安全性、准确性进行任何保证,阿里云不对由此引发的任何损害承担责任。
  • 您应自觉遵守第三方模型的用户协议、使用规范和相关法律法规,并就使用第三方模型的合法性、合规性自行承担相关责任。

实验产品

  • 云原生应用开发平台 CAP
  • 函数计算 FC
  • 日志服务 SLS

费用说明

本实验涉及到一个云产品的付费:阿里云函数计算。
  • 函数计算费用。
    - 免费试用额度:首次开通函数计算的用户,您可以领取免费试用额度,每月15万CU试用额度,连续3个月,即每月预计可免费生成约70张图,超过额度即付费
    - 按量付费:每张图预计消耗费用约为0.21元。
计算公式如下: 使用本页面生图将会消耗阿里云函数计算资源。例如配置为12GB A10 GPU + 4核 vCPU + 16GB内存,生成每张图尺寸约1024px × 784px预计消耗时间约1分钟,每张图预计消耗费用约为0.21元。

重要

以上计费示例中的资源用量、费用金额、预估可生成图片数量等均为测试数据,仅供参考。实际使用中,因为图片像素不同,插件安装耗时等情况费用均有不同。更多计费详情,请参见 计费概述

3步创建 AI 实时绘画平台

第一步:同意授权

1.前往 云原生应用开发平台CAP控制台,新用户需要进行 2 个授权
2.点击 角色授权——返回控制台,再进行 云资源访问授权——同意授权, 此时可以进入 云原生应用开发平台CAP控制台

3.填写问卷领取内测资格,云应用开发平台 CAP 新产品发布诚邀您进行体验,提交问卷即可无需等待

4.找到本次实验需要使用的模版:人工智能 —— 【涂鸦即艺术】AI实时生图绘板——点击进入部署页面

5.点击“立即部署”,开始部署

6.项目配置、服务共享配置、服务配置已经准备好,点击 项目部署 即可

AI 实时生图绘板需要部署 2个服务:ComfyUI 模型服务,web 函数服务,分别提供 ComfyUI 模型的的AI生图能力,和应用入口页面。

第二步 准备资源

1.开通项目需要的产品资源,本项目需要使用的产品为:函数计算FC 和 日志服务 SLS,点击立即开通 ,开通函数计算并领取新用户试用套餐。

1.1开通函数计算

1.2开通 日志服务 SLS,点击立即开通

如您已经开通了这两款产品,可以直接点击“确认部署

1.3函数计算FC 还需要 创建服务关联角色,两个产品的状态为 “已开通” 即可以开始部署流程

第三步 确认部署

1.点击确认部署

2.等待部署成功

3.部署成功,在web 函数找到自定义域名,点击进入 AI实时绘画平台,即可在绘画平台上开始创作。

说明:本次实验提供的镜像由Serverless Devs开源项目贡献者贡献,仅供您体验使用。您也可以使用自己的构建的镜像,构建方法详情请参见项目代码内的README文档。

4.打开 AI实时绘板,开始绘图

重要:请您妥善保护好自己的访问域名链接,对外暴露可能有产生资费的风险。

开始生图

玩法1: 选择“涂鸦灵感”绘画

玩法2: 直接涂鸦

删除资源

1.进入 云原生应用开发平台 CAP 控制台,点击项目——找到已经部署的项目

2.点击 删除—— 填写项目名称——勾选“我已知晓”——确定删除

相关实践学习
【文生图】一键部署Stable Diffusion基于函数计算
本实验教你如何在函数计算FC上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。函数计算提供一定的免费额度供用户使用。本实验答疑钉钉群:29290019867
建立 Serverless 思维
本课程包括: Serverless 应用引擎的概念, 为开发者带来的实际价值, 以及让您了解常见的 Serverless 架构模式
相关文章
|
12天前
|
人工智能 Java Serverless
阿里云函数计算助力AI大模型快速部署
随着人工智能技术的快速发展,AI大模型已经成为企业数字化转型的重要工具。然而,对于许多业务人员、开发者以及企业来说,探索和利用AI大模型仍然面临诸多挑战。业务人员可能缺乏编程技能,难以快速上手AI模型;开发者可能受限于GPU资源,无法高效构建和部署AI应用;企业则希望简化技术门槛,以更低的成本和更高的效率利用AI大模型。
65 12
|
11天前
|
人工智能 小程序
【一步步开发AI运动小程序】十五、AI运动识别中,如何判断人体站位的远近?
【云智AI运动识别小程序插件】提供人体、运动及姿态检测的AI能力,无需后台支持,具有快速、体验好、易集成等特点。本文介绍如何利用插件判断人体与摄像头的远近,确保人体图像在帧内的比例适中,以优化识别效果。通过`whole`检测规则,分别实现人体过近和过远的判断,并给出相应示例代码。
|
3天前
|
人工智能 数据可视化 JavaScript
NodeTool:AI 工作流可视化构建器,通过拖放节点设计复杂的工作流,集成 OpenAI 等多个平台
NodeTool 是一个开源的 AI 工作流可视化构建器,通过拖放节点的方式设计复杂的工作流,无需编码即可快速原型设计和测试。它支持本地 GPU 运行 AI 模型,并与 Hugging Face、OpenAI 等平台集成,提供模型访问能力。
41 14
NodeTool:AI 工作流可视化构建器,通过拖放节点设计复杂的工作流,集成 OpenAI 等多个平台
|
8天前
|
存储 人工智能 自然语言处理
ChatMCP:基于 MCP 协议开发的 AI 聊天客户端,支持多语言和自动化安装 MCP 服务器
ChatMCP 是一款基于模型上下文协议(MCP)的 AI 聊天客户端,支持多语言和自动化安装。它能够与多种大型语言模型(LLM)如 OpenAI、Claude 和 OLLama 等进行交互,具备自动化安装 MCP 服务器、SSE 传输支持、自动选择服务器、聊天记录管理等功能。
72 15
ChatMCP:基于 MCP 协议开发的 AI 聊天客户端,支持多语言和自动化安装 MCP 服务器
|
10天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
14天前
|
机器学习/深度学习 存储 人工智能
【AI系统】训练后量化与部署
本文详细介绍了训练后量化技术,涵盖动态和静态量化方法,旨在将模型权重和激活从浮点数转换为整数,以优化模型大小和推理速度。通过KL散度等校准方法和量化粒度控制,文章探讨了如何平衡模型精度与性能,同时提供了端侧量化推理部署的具体实现步骤和技术技巧。
40 1
【AI系统】训练后量化与部署
|
5天前
|
人工智能 小程序 API
【一步步开发AI运动小程序】十七、如何识别用户上传视频中的人体、运动、动作、姿态?
【云智AI运动识别小程序插件】提供人体、运动、姿态检测的AI能力,支持本地原生识别,无需后台服务,具有速度快、体验好、易集成等优点。本文介绍如何使用该插件实现用户上传视频的运动识别,包括视频解码抽帧和人体识别的实现方法。
|
10天前
|
人工智能 小程序 UED
【一步步开发AI运动小程序】十六、AI运动识别中,如何判断人体站位?
【云智AI运动识别小程序插件】提供人体、运动及姿态检测的AI能力,本地引擎无需后台支持,具备快速、体验好、易集成等优势。本文介绍如何利用插件的`camera-view`功能,通过检测人体站位视角(前、后、左、右),确保运动时的最佳识别率和用户体验。代码示例展示了如何实现视角检查,确保用户正或背对摄像头,为后续运动检测打下基础。
|
16天前
|
人工智能 小程序 API
【一步步开发AI运动小程序】十三、自定义一个运动分析器,实现计时计数02
本文介绍如何利用“云智AI运动识别小程序插件”开发AI运动小程序,详细解析了俯卧撑动作的检测规则构建与执行流程,涵盖卧撑和撑卧两个姿态的识别规则,以及如何通过继承`sports.SportBase`类实现运动分析器,适用于小程序开发者。
|
16天前
|
人工智能 小程序 API
【一步步开发AI运动小程序】十二、自定义一个运动分析器,实现计时计数01
随着AI技术的发展,AI运动APP如雨后春笋般涌现,如“乐动力”、“天天跳绳”等,推动了云上运动会、线上健身等热潮。本文将指导你从零开始开发一个AI运动小程序,利用“云智AI运动识别小程序插件”,介绍运动识别原理、计量方式及运动分析器基类的使用,帮助你在小程序中实现运动计时和计数功能。下篇将继续探讨运动姿态检测规则的编写。

热门文章

最新文章

下一篇
DataWorks