1. 概述
人工智能正在改变我们构建Web应用程序的方式，人工智能的一个令人兴奋的应用是从基于文本的描述生成图像。OpenAI的DALL·E 3是一种流行的文本转图像模型，可帮助我们实现这一点。
在本教程中，我们将探索如何使用Spring AI通过OpenAI的DALL·E 3模型生成图像。
要遵循本教程，我们需要一个OpenAI API Key。
2. 设置项目
在开始生成AI图像之前，我们需要包含Spring Boot Starter依赖并正确配置我们的应用程序。
2.1 依赖
让我们首先将spring-ai-openai-spring-boot-starter依赖添加到项目的pom.xml文件中：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-openai-spring-boot-starter</artifactId>
<version>1.0.0-M3</version>
</dependency>
由于当前版本1.0.0-M3是一个里程碑版本，我们还需要将Spring Milestones仓库添加到我们的pom.xml中：
<repositories>
<repository>
<id>spring-milestones</id>
<name>Spring Milestones</name>
<url>https://repo.spring.io/milestone</url>
<snapshots>
<enabled>false</enabled>
</snapshots>
</repository>
</repositories>
此仓库是发布里程碑版本的地方，与标准Maven Central仓库不同。
上述Starter依赖为我们提供了从我们的应用程序与OpenAI服务交互并使用其DALL·E 3模型生成AI图像所需的类。
2.2 配置OpenAI API Key
现在，要与OpenAI服务交互，我们需要在application.yaml文件中配置API Key：
spring:
ai:
openai:
api-key: ${OPENAI_API_KEY}
我们使用${}属性占位符从环境变量中加载我们的属性值。
配置有效的API Key后，Spring AI将自动为我们创建一个ImageModel Bean，我们将在服务层中自动注入它并发送请求以生成AI图像。
2.3 配置默认图像选项
接下来，我们还配置一些用于生成图像的默认图像选项：
spring:
ai:
openai:
image:
options:
model: dall-e-3
size: 1024x1024
style: vivid
quality: standard
response-format: url
我们首先将dall-e-3配置为用于图像生成的模型。
为了得到完美的方形图像，我们指定1024 × 1024作为size；另外两个允许的size选项是1792 × 1024和1024 × 1792。
接下来，我们将style设置为vivid-告诉AI模型生成超现实和戏剧性的图像。另一个可用选项是natural，我们可以使用它来生成更自然、更少超现实的图像。
对于quality选项，我们将其设置为standard，这适用于大多数用例。但是，如果我们需要具有增强细节和更好一致性的图像，我们可以将值设置为hd。需要注意的是，hd质量的图像将需要更多时间来生成。
最后，我们将response-format选项设置为url，生成的图像将可通过有效期为60分钟的URL访问。或者，我们可以将其值设置为b64_json，以Base64编码的字符串形式接收图像。
在本教程的后面我们将研究如何覆盖这些默认图像选项。
3. 使用DALL·E 3生成AI图像
现在我们已经设置了应用程序，让我们创建一个ImageGenerator类，我们将自动注入ImageModel Bean并引用它来生成AI图像：
public String generate(String prompt) {
ImagePrompt imagePrompt = new ImagePrompt(prompt);
ImageResponse imageResponse = imageModel.call(imagePrompt);
return resolveImageContent(imageResponse);
}
private String resolveImageContent(ImageResponse imageResponse) {
Image image = imageResponse.getResult().getOutput();
return Optional
.ofNullable(image.getUrl())
.orElseGet(image::getB64Json);
}
在这里，我们创建一个generate()方法，它接收一个prompt字符串，表示我们要生成的图像的文本描述。
接下来，我们用prompt参数创建一个ImagePrompt对象。然后，我们将其传递给ImageModel Bean的call()方法，以发送图像生成请求。
imageResponse将包含图像的URL或Base64编码的字符串表示形式，具体取决于我们之前在application.yaml文件中配置的response-format选项。为了解析正确的输出属性，我们创建了一个resolveImageContent()工具方法并将其作为响应返回。
4. 覆盖默认图像选项
在某些情况下，我们可能想要覆盖我们在application.yaml文件中配置的默认图像选项。
让我们看看如何通过重载generate()方法来做到这一点：
public String generate(ImageGenerationRequest request) {
ImageOptions imageOptions = OpenAiImageOptions
.builder()
.withUser(request.username())
.withHeight(request.height())
.withWidth(request.width())
.build();
ImagePrompt imagePrompt = new ImagePrompt(request.prompt(), imageOptions);
ImageResponse imageResponse = imageModel.call(imagePrompt);
return resolveImageContent(imageResponse);
}
record ImageGenerationRequest(
String prompt,
String username,
Integer height,
Integer width
) {}
我们首先创建一个ImageGenerationRequest记录，除了保存我们的prompt之外，它还包含username和所需的图像height和width。
我们使用这些附加值创建一个ImageOptions实例并将其传递给ImagePrompt构造函数，需要注意的是，OpenAiImageOptions类没有size属性，因此我们分别提供height和width值。
user选项帮助我们将图像生成请求与特定的最终用户联系起来。建议将其作为防止滥用的最佳安全做法。
根据要求，我们还可以覆盖ImageOptions对象中的其他图像选项，如style、quality和response-format。
5. 测试我们的ImageGenerator类
现在我们已经实现了ImageGenerator类，让我们测试一下它：
String prompt = """
A cartoon depicting a gangster donkey wearing
sunglasses and eating grapes in a city street.
""";
String response = imageGenerator.generate(prompt);
在这里，我们将prompt传递给ImageGenerator的generate()方法。经过短暂的处理时间后，我们将收到一个响应，其中包含我们生成的图像的URL或Base64编码字符串，具体取决于配置的response-format属性。
让我们看看DALL·E 3为我们生成了什么：
我们可以看到，生成的图像与我们的提示准确匹配。这证明了DALL·E 3在理解自然语言描述并将其转换为图像方面的强大功能。
6. 总结
在本文中，我们探讨了如何使用Spring AI根据文本描述生成AI图像，我们在底层使用了OpenAI的DALL·E 3模型。
我们介绍了必要的配置并开发了一个服务类来生成AI图像。此外，我们还研究了默认图像选项以及如何动态覆盖它们。
通过Spring AI将DALL·E 3集成到我们的Java应用程序中，我们可以轻松添加图像生成功能，而无需训练和托管我们自己的模型的开销。
Post Directory
