基于函数计算FC3.0 部署AI数字绘画stable-diffusion自定义模型

简介: 基于函数计算FC3.0 部署AI数字绘画stable-diffusion自定义模型

在讲述了函数计算FC3.0和函数计算FC2.0的操作界面UI改版以及在函数管理、函数执行引擎、自定义域名、函数授权及弹性伸缩规则方面进行了多项改进后,这里我们来正式部署AI数字绘画stable-diffusion自定义模型来真实体验一下函数计算FC3.0。

部署AI数字绘画stable-diffusion

进入函数计算控制台:https://fcnext.console.aliyun.com/overview

image.png

点击右上角【体验函数计算3.0】跳转到函数计算FC3.0控制台

image.png这里很奇怪,为什么函数计算FC3.0的模板应用中没有我们想要部署的AI数字绘画stable-diffusion模板应用,这里个人理解是基于函数计算FC3.0的AI数字绘画stable-diffusion模板应用还没有上线,希望后续官方可以尽快上线,好真切感受一下函数计算FC3.0的【AI 应用一键部署,上手难度降低 80%】操作体验。

曲线救国

虽然函数计算FC3.0目前并没有提供AI数字绘画stable-diffusion模板应用,但是个人还是想体验一下函数计算FC3.0的部署操作和运行速度,这里我切换到函数计算FC2.0找到AI数字绘画stable-diffusion模板应用的github的源码地址: https://github.com/ai-app-with-serverless/fc-stable-diffusion-image/tree/master

image.png

然后通过【通过仓库导入应用】的方式来尝试部署AI数字绘画stable-diffusion模板应用。

授权github账号

点击【通过仓库导入应用】下的仓库用户/组织,【前往授权】

image.png

跳转到github的授权页面,输入github密码后完成授权

image.png

github账号关联之后,就可以选择当前关联账号下的仓库项目

image.png

但是我这里实际是想通过输入github链接 https://github.com/ai-app-with-serverless/fc-stable-diffusion-image 来下载AI数字绘画stable-diffusion模板应用的

image.png

目前看来函数计算FC3.0只能支持下载部署关联github账号下的项目,这里如果可能的话,希望后续可以补充通过github链接下载项目并部署,这样就不用局限于仅有的模板应用来体验函数计算FC3.0的性能了,那么下面我只能基于函数计算FC3.0现有的模板应用部署操作。

部署ffmpeg-app-v3

返回应用菜单,单击【立即创建】

image.png

这里我勾选【通过代码仓库部署】

image.png

进入部署页面,这里我说一下,过去部署页面是上下结构,因此日志多时需要上线滑动页面关注部署状态及日志信息,现在改成左右结构就很方便了,左边可以直接看到函数计算部署状态,右边可以直接看到部署日志,很赞

image.png

整个部署过程耗时不到1分钟完成

image.png

点击访问域名可以看到图片处理效果

image.png

到这里基于函数计算FC3.0的ffmpeg-app-v3就部署成功了。

总结

整个基于函数计算FC3.0的部署操作很流畅,文档方面也很完善,只是没有AI数字绘画stable-diffusion模板应用比较遗憾,在过去使用函数计算FC2.0部署AI数字绘画stable-diffusion模板应用时,总有几次会遇到莫名的错误需要重新部署,另外点击访问域名之后文生图的操作也有卡顿或者无法生成图片的情况出现。所以当函数计算FC3.0出来的时候,特别想体验的就是AI数字绘画stable-diffusion模板应用的部署,一时想看看是否真的部署速度有所提升,另外也是想看看部署成功之后,在文生图操作过程中的图片生成速度是不是也有很大提升,希望官方尽快完善模板应用吧,后续再来体验。



相关实践学习
【AI破次元壁合照】少年白马醉春风,函数计算一键部署AI绘画平台
本次实验基于阿里云函数计算产品能力开发AI绘画平台,可让您实现“破次元壁”与角色合照,为角色换背景效果,用AI绘图技术绘出属于自己的少年江湖。
从 0 入门函数计算
在函数计算的架构中,开发者只需要编写业务代码,并监控业务运行情况就可以了。这将开发者从繁重的运维工作中解放出来,将精力投入到更有意义的开发任务上。
相关文章
|
4月前
|
人工智能 小程序 搜索推荐
【一步步开发AI运动APP】十二、自定义扩展新运动项目2
本文介绍如何基于uni-app运动识别插件实现“双手并举”自定义扩展运动,涵盖动作拆解、姿态检测规则构建及运动分析器代码实现,助力开发者打造个性化AI运动APP。
|
5月前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段三:自定义 Advisor 与结构化输出实现以及对话记忆持久化开发
本文介绍如何在Spring AI中自定义Advisor实现日志记录、结构化输出、对话记忆持久化及多模态开发,结合阿里云灵积模型Qwen-Plus,提升AI应用的可维护性与功能性。
1167 125
AI 超级智能体全栈项目阶段三:自定义 Advisor 与结构化输出实现以及对话记忆持久化开发
|
5月前
|
人工智能 Kubernetes 安全
重塑云上 AI 应用“运行时”,函数计算进化之路
回顾历史,电网的修建,深刻地改变了世界的经济地理和创新格局。今天,一个 AI 原生的云端运行时的进化,其意义也远不止于技术本身。这是一次设计哲学的升华:从“让应用适应平台”到“让平台主动理解和适应智能应用”的转变。当一个强大、易用、经济且安全的 AI 运行时成为像水电一样的基础设施时,它将极大地降低创新的门槛。一个独立的开发者、一个小型创业团队,将有能力去创造和部署世界级的 AI 应用。这才是技术平权的真谛,是激发全社会创新潜能的关键。
|
5月前
|
存储 人工智能 安全
企业级 AI Agent 开发指南:基于函数计算 FC Sandbox 方案实现类 Chat Coding AI Agent
通过 Sandbox 与 Serverless 的深度融合,AI Agent 不再是“黑盒”实验,而是可被企业精准掌控的生产力工具。这种架构不仅适配当前 AI Agent 的动态交互特性,更为未来多模态 Agent、跨系统协作等复杂场景提供了可复用的技术底座。若您的企业正面临 AI Agent 规模化落地的挑战,不妨从 Sandbox 架构入手,结合函数计算 FC 的能力,快速验证并构建安全、高效、可扩展的 AI 应用系统。
数据采集 Web App开发 人工智能
274 0
|
5月前
|
存储 人工智能 Serverless
企业级 AI Agent 开发指南:基于函数计算 FC Sandbox 方案实现类 Chat Coding AI Agent
本文深入解析AI Agent系统架构,特别是以Sandbox为核心的落地实践。聚焦泛Chat模式下AI应用的挑战与解决方案,涵盖会话亲和性、隔离性、存储机制、会话恢复、资源弹性等关键技术点,阿里云函数计算(FC)为 AI Agent 系统在企业中的落地实践提供实际解决方案,展示了如何高效、安全地构建可扩展的 AI 应用系统。
|
7月前
|
人工智能 运维 Serverless
GPU 降成本免运维,睿观 AI 助手选择函数计算
从跨境电商 ERP 到“睿观 AI 助手”,阿里云函数计算的支持下,深圳三态股份利用 AI 技术快速完成专利、商标、版权等多维度的侵权风险全面扫描。结合函数计算实现弹性算力支持,降低成本并提升效率,实现业务的快速发展。
|
9月前
|
人工智能 小程序 API
【一步步开发AI运动APP】九、自定义姿态动作识别检测——之关键点追踪
本文介绍了【一步步开发AI运动APP】系列中的关键点追踪技术。此前分享的系列博文助力开发者打造了多种AI健身场景的小程序,而新系列将聚焦性能更优的AI运动APP开发。文章重点讲解了“关键点位变化追踪”能力,适用于动态运动(如跳跃)分析,弥补了静态姿态检测的不足。通过`pose-calc`插件,开发者可设置关键点(如鼻子)、追踪方向(X或Y轴)及变化幅度。示例代码展示了如何在`uni-app`框架中使用`createPointTracker`实现关键点追踪,并结合人体识别结果完成动态分析。具体实现可参考文档与Demo示例。
|
人工智能 Java Serverless
【MCP教程系列】搭建基于 Spring AI 的 SSE 模式 MCP 服务并自定义部署至阿里云百炼
本文详细介绍了如何基于Spring AI搭建支持SSE模式的MCP服务,并成功集成至阿里云百炼大模型平台。通过四个步骤实现从零到Agent的构建,包括项目创建、工具开发、服务测试与部署。文章还提供了具体代码示例和操作截图,帮助读者快速上手。最终,将自定义SSE MCP服务集成到百炼平台,完成智能体应用的创建与测试。适合希望了解SSE实时交互及大模型集成的开发者参考。
13837 60
|
10月前
|
人工智能 小程序 API
【一步步开发AI运动APP】八、自定义姿态动作识别检测——之姿态相似度比较
本文介绍了如何通过姿态相似度比较技术简化AI运动应用开发。相比手动配置规则,插件`pose-calc`提供的姿态相似度比较器可快速评估两组人体关键点的整体与局部相似度,降低开发者工作量。文章还展示了在`uni-app`框架下调用姿态比较器的示例代码,并提供了桌面辅助工具以帮助提取标准动作样本,助力开发者打造性能更优、体验更好的AI运动APP。