Stable Diffusion XL を用いて複数の画像を一度に生成するアプリケーション（AUTOMATIC1111 の txt2img の API，Python，PyTorch を使用）（Windows 上）

【要約】このページのPythonプログラムは、AUTOMATIC1111のtxt2img APIを活用してテキストから画像を生成（txt2img）する。具体的には、特定のパラメータ（モデル、プロンプト、画像の幅と高さ、ステップ数、スケール、ネガティブプロンプト）を用いてAPIエンドポイントにPOSTリクエストを送る。得られたレスポンスから画像を抽出し、PNG形式で保存する。このプロセスの結果、'output.png'という名前のファイルが作成され、その画像が表示される。さらに、利用可能なモデルのリストもAPIから取得して表示する。

【目次】

前準備
AUTOMATIC1111 の stable-diffusion-webui のインストールと動作生成（Windows 上）
AUTOMATIC1111 の txt2img の API を使う Python プログラム例

Stable Diffusion XL (SDXL)

Stable Diffusion XL (SDXL) は，Stability AIによって開発されたDiffusionベースの image-to-text の画像生成モデルである． SDXLはStable Diffusion with Larger UNet Backboneの略称である．

SDXLは，以前のStable Diffusionモデルと比較して，UNetバックボーンのサイズが3倍に増加している．この増加は，アテンションブロック数の増加とクロスアテンションコンテキストの拡大によるものである．また，SDXLはリファインメントモデルを導入している．このリファインメントモデルは，SDXLによって生成された画像の視覚的な精度を向上させるために使用される．

【文献】

Dustin Podell, Zion English, Kyle Lacey, Andreas Blattmann, Tim Dockhorn, Jonas Müller, Joe Penna, Robin Rombach: SDXL: Improving Latent Diffusion Models for High-Resolution Image Synthesis. CoRR abs/2307.01952, 2023.

https://arxiv.org/pdf/2307.01952v1.pdf

【サイト内の関連ページ】

Stable Diffusion XL 1.0 (SDXL 1.0) のインストール，画像生成（img2txt），画像変換（img2img），APIを利用して複数画像を一括生成（AUTOMATIC1111，Python，PyTorch を使用）（Windows 上）: 別ページ »で説明，

【関連する外部ページ】

Paper with Code のページ: https://paperswithcode.com/paper/sdxl-improving-latent-diffusion-models-for
公式のソースコード (GitHub のページ）: https://github.com/Stability-AI/generative-models
AUTOMATIC1111 の stable-diffusion-webui の GitHUb のページ: https://github.com/AUTOMATIC1111/stable-diffusion-webui

前準備

Build Tools for Visual Studio 2022 のインストール（Windows 上）

Build Tools for Visual Studio は，Visual Studio の IDE を含まない C/C++ コンパイラ，ライブラリ，ビルドツール等のコマンドライン向け開発ツールセットである。

以下のコマンドを管理者権限のコマンドプロンプトで実行する（手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。

REM VC++ ランタイム
winget install --scope machine --id Microsoft.VCRedist.2015+.x64 -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/quiet /norestart"

REM Build Tools + Desktop development with C++（VCTools）+ 追加コンポーネント（一括）
winget install --id Microsoft.VisualStudio.2022.BuildTools --accept-source-agreements --accept-package-agreements ^
    --override "--passive --wait --norestart --add Microsoft.VisualStudio.Workload.VCTools --includeRecommended --add Microsoft.VisualStudio.Component.VC.Llvm.Clang --add Microsoft.VisualStudio.ComponentGroup.ClangCL --add Microsoft.VisualStudio.Component.VC.CMake.Project --add Microsoft.VisualStudio.Component.Windows11SDK.26100"

--add で追加されるコンポーネント

上記のコマンドでは，まず Build Tools 本体と Visual C++ 再頒布可能パッケージをインストールし，次に setup.exe を用いて以下のコンポーネントを追加している。

VCTools：C++ デスクトップ開発ワークロード（--includeRecommended により、MSVC コンパイラ、C++ AddressSanitizer、vcpkg、CMake ツール、Windows 11 SDK 等の推奨コンポーネントが含まれる）
VC.Llvm.Clang：Windows 向け C++ Clang コンパイラ
ClangCL：clang-cl ツールセットを含むコンポーネントグループ（MSBuild から Clang を使用するために必要）
VC.CMake.Project：Windows 向け C++ CMake ツール
Windows11SDK.26100：Windows 11 SDK（ビルド 10.0.26100）

インストール完了の確認

winget list Microsoft.VisualStudio.2022.BuildTools

上記以外の追加のコンポーネントが必要になった場合は Visual Studio Installer で個別にインストールできる。

Visual Studio の機能を必要とする場合は、追加インストールできる。

Python 3.12 のインストール（Windows 上） [クリックして展開]

以下のいずれかの方法で Python 3.12 をインストールする。Python がインストール済みの場合、この手順は不要である。

方法1：winget によるインストール

管理者権限のコマンドプロンプトで以下を実行する。管理者権限のコマンドプロンプトを起動するには、Windows キーまたはスタートメニューから「cmd」と入力し、表示された「コマンドプロンプト」を右クリックして「管理者として実行」を選択する。

winget install --scope machine --id Python.Python.3.12 -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/quiet InstallAllUsers=1 PrependPath=1 Include_pip=1 Include_test=0 Include_launcher=1 InstallLauncherAllUsers=1"

--scope machine を指定することで、システム全体（全ユーザー向け）にインストールされる。このオプションの実行には管理者権限が必要である。インストール完了後、コマンドプロンプトを再起動すると PATH が自動的に設定される。

方法2：インストーラーによるインストール

Python 公式サイト（https://www.python.org/downloads/）にアクセスし、「Download Python 3.x.x」ボタンから Windows 用インストーラーをダウンロードする。
ダウンロードしたインストーラーを実行する。
初期画面の下部に表示される「Add python.exe to PATH」に必ずチェックを入れてから「Customize installation」を選択する。このチェックを入れ忘れると、コマンドプロンプトから python コマンドを実行できない。
「Install Python 3.xx for all users」にチェックを入れ、「Install」をクリックする。

インストールの確認

コマンドプロンプトで以下を実行する。

python --version

バージョン番号（例：Python 3.12.x）が表示されればインストール成功である。「'python' は、内部コマンドまたは外部コマンドとして認識されていません。」と表示される場合は、インストールが正常に完了していない。

Git のインストール

REM Git をシステム領域にインストール
winget install --scope machine --id Git.Git -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/VERYSILENT /NORESTART /NOCANCEL /SP- /CLOSEAPPLICATIONS /RESTARTAPPLICATIONS /COMPONENTS=""icons,ext\reg\shellhere,assoc,assoc_sh"" /o:PathOption=Cmd /o:CRLFOption=CRLFCommitAsIs /o:BashTerminalOption=MinTTY /o:DefaultBranchOption=main /o:EditorOption=VIM /o:SSHOption=OpenSSH /o:UseCredentialManager=Enabled /o:PerformanceTweaksFSCache=Enabled /o:EnableSymlinks=Disabled /o:EnableFSMonitor=Disabled"

【関連する外部ページ】

Git の公式ページ: https://git-scm.com/

Build Tools for Visual Studio 2022，NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN 8.9.7 のインストール（Windows 上）

【サイト内の関連ページ】 NVIDIA グラフィックスボードを搭載しているパソコンの場合には， NVIDIA ドライバ， NVIDIA CUDA ツールキット， NVIDIA cuDNN のインストールを行う．

Windows での Build Tools for Visual Studio 2022 のインストール: 別ページ »で説明
Windows での NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN v8.9.7 のインストール手順: 別ページ »で説明

【関連する外部ページ】

Build Tools for Visual Studio 2022 （ビルドツール for Visual Studio 2022）の公式ダウンロードページ: https://visualstudio.microsoft.com/ja/visual-cpp-build-tools/
NVIDIA ドライバのダウンロードの公式ページ: https://www.nvidia.co.jp/Download/index.aspx?lang=jp
NVIDIA CUDA ツールキットのアーカイブの公式ページ: https://developer.nvidia.com/cuda-toolkit-archive
NVIDIA cuDNN のダウンロードの公式ページ: https://developer.nvidia.com/cudnn

PyTorch のインストール（Windows 上）

以下の手順を管理者権限のコマンドプロンプトで実行する（手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。
PyTorch のページを確認
PyTorch の公式ページ: https://pytorch.org/index.html
次のようなコマンドを実行（実行するコマンドは，PyTorch のページの表示されるコマンドを使う）．
次のコマンドを実行することにより， PyTorch 2.3 （NVIDIA CUDA 11.8 用）がインストールされる．但し，Anaconda3を使いたい場合には別手順になる．
事前に NVIDIA CUDA のバージョンを確認しておくこと（ここでは，NVIDIA CUDA ツールキット 11.8 が前もってインストール済みであるとする）．
PyTorch で，GPU が動作している場合には，「torch.cuda.is_available()」により，True が表示される．
```
python -m pip install -U --ignore-installed pip
python -m pip uninstall -y torch torchvision torchaudio torchtext xformers
python -m pip install -U torch torchvision torchaudio numpy --index-url https://download.pytorch.org/whl/cu118

python -c "import torch; print(torch.__version__, torch.cuda.is_available())" 
```
Anaconda3を使いたい場合には， Anaconda プロンプト (Anaconda Prompt) を管理者として実行し，次のコマンドを実行する．（PyTorch と NVIDIA CUDA との連携がうまくいかない可能性があるため，Anaconda3を使わないことも検討して欲しい）．
```
conda install -y pytorch torchvision torchaudio pytorch-cuda=11.8 cudnn -c pytorch -c nvidia
py -c "import torch; print(torch.__version__, torch.cuda.is_available())" 
```
【サイト内の関連ページ】
- Windows での PyTorch のインストール: 別ページ »で説明
【関連する外部ページ】
- PyTorch の公式ページ: https://pytorch.org/index.html

AUTOMATIC1111 の txt2img の API を使う Python プログラム例

AUTOMATIC1111 の stable-diffusion-webui のインストール

【サイト内の関連ページ】 Windows での AUTOMATIC1111 の stable-diffusion-webui のインストールと動作確認: 別ページ »で説明

AUTOMATIC1111 の txt2img の API を使う Python プログラム例

【関連する外部ページ】

AUTOMATIC1111 の API の公式ページ: https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/API

以下の手順を管理者権限のコマンドプロンプトで実行する（手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。
webui とサーバを起動
前準備として「webui.bat --api --allow-code」で起動．（--allow-code はプロンプト中にコードを含めることを可能にするもの．今回はこの機能は使っていない）
```
cd /d c:%HOMEPATH%
cd stable-diffusion-webui
webui.bat --api --allow-code
```

エディタを起動

cd /d c:%HOMEPATH%
cd stable-diffusion-webui
notepad sdapi.py

エディタで，次のプログラムを保存

このプログラムは， AUTOMATIC1111 の API の公式ページ: https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/API で公開されていたものを変更して使用している．

# https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/API
import json
import requests
import io
import base64
from PIL import Image, PngImagePlugin

url = "http://127.0.0.1:7860"
prompt = "1girl, (master piece:1,1) (best quality:1,1), 4k, 8k,"
width = 1024 
height = 1024 
negative_prompt = "low quality, lowers, error, bad anatomy, ugly, out of frame"
model = "sd_xl_base_1.0_0.9vae.safetensors [e6bb9ea85b]"
steps = 20
cfg_scale = 7
fname = "output.png"

def img2txt(url, model, prompt, width, height, steps, cfg_scale, negative_prompt, fname):
    payload = {
        "sd_model_checkpoint": model,
    }
    response = requests.post(url=f'{url}/sdapi/v1/options', json=payload)
#
    payload = {
        "prompt": prompt,
        "width": width, 
        "height": height, 
        "steps": steps, 
        "cfg_scale": cfg_scale,
        "negative_prompt": negative_prompt,
    }
    response = requests.post(url=f'{url}/sdapi/v1/txt2img', json=payload)
#
    r = response.json()
    i = r['images'][0]
    image = Image.open(io.BytesIO(base64.b64decode(i.split(",",1)[0])))
    png_payload = {
        "image": "data:image/png;base64," + i
    }
    response2 = requests.post(url=f'{url}/sdapi/v1/png-info', json=png_payload)
#
    pnginfo = PngImagePlugin.PngInfo()
    pnginfo.add_text("parameters", response2.json().get("info"))
    image.save(fname, pnginfo=pnginfo)

sd_models = requests.get(f"{url}/sdapi/v1/sd-models").json()
for i in sd_models:
    print(i['title'])

img2txt(url, model, prompt, width, height, steps, cfg_scale, negative_prompt, fname)
Image.open(fname).show()

Python プログラムの実行
Python プログラムの実行
- Windows では python （Python ランチャーは py）
- Ubuntu では python3
Python 開発環境（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, Spyder, PyCharm, PyScripterなど）も便利である．
Python のまとめ: 別ページ »にまとめ
プログラムを sdapi.pyのようなファイル名で保存したので，「python sdapi.py」のようなコマンドで行う．
```
python sdapi.py
```
実行の結果，画像生成が行われ，表示される．画像ファイルが output.png のようにできる．

AUTOMATIC1111 の API を利用して，複数の画像を１回の操作で生成する Python プログラム: 別ページ »で説明