百度文心 ERNIE-ViLG API 申请和使用指南

百度文心 ERNIE-ViLG 概述

文心 ERNIE-ViLG 是百度推出的一款强大的中文跨模态 AI 绘画大模型。凭借其 100 亿参数的规模，该模型能够通过自回归算法将图像生成和文本生成进行统一建模，从而增强跨模态语义对齐能力，显著提高图文生成效果。在艺术创作、虚拟现实、图像编辑等领域，文心 ERNIE-ViLG 展现出广泛的应用前景。文章将详细介绍如何申请和使用百度文心 ERNIE-ViLG API。

文心 ERNIE-ViLG 的应用场景

文心 ERNIE-ViLG 通过 AI 技术生成图像，激发了创作者的想象力和创造力。其应用场景包括但不限于：

艺术创作：艺术家可以利用该模型生成独特风格的艺术作品，涵盖古风、二次元、写实等多种风格。
虚拟现实：在 VR 游戏和体验中，文心 ERNIE-ViLG 可用于生成逼真的虚拟场景。
图像编辑：设计师可使用该模型生成素材，提高工作效率。
AI 辅助设计：工程师可以在设计过程中利用生成的图像进行概念验证。

通过这些应用，文心 ERNIE-ViLG 在多个行业中展现出其强大的创新能力。

ERNIE-ViLG生成的不同风格的图像

文心 ERNIE-ViLG API 申请步骤

注册百度智能云账号

要使用文心 ERNIE-ViLG API，首先需要注册百度智能云账户。访问百度智能云网站，点击页面右上角的“注册”按钮，按照提示完成账户注册流程。

注册百度智能云账号

获取 API Key 和 Secret Key

注册完成后，登录百度智能云控制台，导航至“产品服务”中的“人工智能”模块，找到“智能创作平台”项目并进入。在“应用列表”中点击“创建应用”，根据提示填写信息，完成后即可获取 API Key 和 Secret Key。这两个密钥将用于验证 API 请求。

获取API Key和Secret Key

文心 ERNIE-ViLG API 使用指南

提交请求接口

提交请求接口用于创建 ERNIE-ViLG AI 绘画任务。用户需传入文本描述、分辨率、风格参数等信息，系统将自动生成任务 ID。以下是示例代码：

import requests
import json

API_KEY = "你的API Key"
SECRET_KEY = "你的Secret Key"

url = "https://aip.baidubce.com/rpc/2.0/ernievilg/v1/txt2img?access_token=" + get_access_token()

payload = json.dumps({
    "text": "中国山水画",
    "resolution": "1024*1024",
    "style": "古风",
    "num": 2
})
headers = {
    'Content-Type': 'application/json',
    'Accept': 'application/json'
}

response = requests.request("POST", url, headers=headers, data=payload)

print(response.text)

查询结果接口

查询结果接口用于在任务创建后查看图片生成状态。通过任务 ID 查询生成图片的地址链接：

import requests
import json
from io import BytesIO
from PIL import Image
import os

url = "https://aip.baidubce.com/rpc/2.0/ernievilg/v1/getImg?access_token=" + get_access_token()

payload = json.dumps({
    "taskId": "提交请求代码返回的 'taskId' 的值"
})
headers = {
    'Content-Type': 'application/json',
    'Accept': 'application/json'
}

response = requests.request("POST", url, headers=headers, data=payload)

print('请求的返回值：', response.text)

本地环境配置

在本地环境中配置 Python 及相关库，以便调试和运行代码。推荐使用 Python 3.7 及以上版本，安装方式如下：

pip install --upgrade wenxin-api

在 PyCharm 中，通过项目设置添加 Python 解释器和所需依赖包。

PyCharm环境配置

文心 ERNIE-ViLG 2.0 的创新

知识增强

ERNIE-ViLG 2.0 融合了细粒度的文本知识和图片关键元素知识。例如，模型在文本中增加了词性描述（动词、名词、形容词）以及物体识别预处理，从而提高了图像生成的准确性和细节表现。

混合降噪专家

该模型在去噪过程中引入了混合降噪专家机制，不同的去噪步骤采用不同的 U-Net 网络参数，从而提升了生成图像的质量。

混合降噪专家模型

实验与结果

在实验中，ERNIE-ViLG 2.0 在 MS-COCO 数据集上的表现优于 DALL-E 2 和 Stable Diffusion。通过人类评估，模型生成的图像在文本相关性和逼真度方面均表现出色。

实验结果

常见问题解答 (FAQ)

FAQ

问：如何申请百度文心 ERNIE-ViLG API？
- 答：首先注册百度智能云账号，然后访问智能创作平台创建应用，获取 API Key 和 Secret Key 即可。
问：文心 ERNIE-ViLG API 支持哪些图像风格？
- 答：API 支持多种图像风格，包括古风、二次元、写实风格、浮世绘、未来主义、赛博朋克等。
问：API 的使用是否收费？
- 答：百度智能云提供免费的接口资源，用户需实名认证后可获取免费额度，超出部分可能需要付费。
问：如何处理 API 调用中的错误？
- 答：可以通过百度智能云提供的错误码查询助手查找错误原因，并根据提示进行修正。
问：如何确保生成的图像质量？
- 答：在提交请求时，选择适当的分辨率和风格参数，同时确保输入文本的准确性，以提高生成图像的质量。