API调用comfyui工作流，做一个自己的app，chatgpt给我写的前端，一键创建自己的卡通形象，附源码

🕗 发布于 2024-10-12 14:50 chatgpt 前端 人工智能 AIGC ai绘画

前言

工具介绍

首先 comfyui你是少不了的，这个是工作流的后端支持，用这个去调试工作流和生成API可调用文件

前端我们就用很流行的gradio吧，什么你一时半会没有学gradio的计划，没事，笔者也没系统学过，我干脆直接让chatgpt写前端gradio了，哈哈~

所有的AI设计工具，安装包、模型和插件，都已经整理好了，👇获取~

comfyui

首先你需要打开comfyui的开发者模式，就是这个地方

开启后会主页设置中会多出一个【保存(API格式)】，让后将你要做应用的工作流保存(API格式)

这里我们做一个【一张图生成人偶的服务】，使用的是 rui的《Cute you！》By Rui，欢迎大家去b站搜 rui400，我已关注哈哈，工作流如下

前端代码

虽然我会gradio（O(∩_∩)O哈哈~），但是为了简便我让chatgpt给我写了

帮我使用gradio写一个 页面，功能是：上传一张照片，然后提交给后台，``后台保存图片到固定目录，并且图片名字不能能重复，``并返回另一张照片的链接，前端将两张照片同事显示出来

代码如下

import os``import gradio as gr``from datetime import datetime``from PIL import Image``import requests``from io import BytesIO``   ``# 设置图片保存目录``UPLOAD_DIRECTORY = "uploaded_images"``if not os.path.exists(UPLOAD_DIRECTORY):`    `os.makedirs(UPLOAD_DIRECTORY)``   ``# 用于生成唯一图片文件名的函数``def generate_unique_filename(extension):`    `timestamp = datetime.now().strftime("%Y%m%d%H%M%S%f")`    `return f"{timestamp}.{extension}"``   ``# 处理图片上传的函数``def process_image(image):`    `# 保存上传的图片`    `extension = image.name.split('.')[-1]`    `unique_filename = generate_unique_filename(extension)`    `image_path = os.path.join(UPLOAD_DIRECTORY, unique_filename)`    `with open(image_path, "wb") as image_file:`        `image_file.write(image.read())`    `    # 返回另一张图片的链接（此处为示例，实际应用中应替换为真实图片链接）`    `response_image_url = "https://via.placeholder.com/150"  # 示例图片链接`    `response = requests.get(response_image_url)`    `response_image = Image.open(BytesIO(response.content))`    `    # 返回上传的图片和网络上的图片`    `return image_path, response_image``   ``# 创建Gradio接口``iface = gr.Interface(`    `fn=process_image,`    `inputs=gr.inputs.Image(type="file"),`    `outputs=[`        `gr.outputs.Image(type="file", label="Uploaded Image"),`        `gr.outputs.Image(type="pil", label="Response Image")`    `],`    `live=False``)``   ``# 运行应用``iface.launch()

基本就是，上传一张图片，然后保存，给工作流用，工作流处理后返回原图和生成的图，这个代码添加一下我们的方法就可以用了，界面如下

还是很不错的，哈哈~

comfyui API调用代码

1、读取工作流

import json``   ``# 这个地方是你工作流的地址，服务器行写路径``prompt_f = r"人偶-api.json"``   ``with open(prompt_f,"r",encoding="utf-8") as f:`    `prompt = json.loads(f.read())

2、设置上传图片

prompt["331"]["inputs"]["image"] = image_url``prompt["432"]["inputs"]["image"] = image_url

这给地方要注意，看看你的工作流的输入图片的节点是多少，我的是331和432

3、请求工作流

import requests``   ``#comfyui地址``url = "http://127.0.0.1:8188/"``p = {"prompt":prompt}``respone = requests.post(url=url+"prompt",json=p)``respone

4、获取prompt_id

prompt_id = respone.json()["prompt_id"]``prompt_id

这个地方获取prompt_id是为了后边获取处理图片做准备，因为工作流执行需要时间，不用时时等待返回，排队处理就好了，后边使用prompt_id去获取结果

5、获取结果

respone = requests.get(url=url+"history/"+prompt_id)``respone.json()

在执行历史中获取结果，展示，这个地方，做成服务的话，你可以循环探测这个接口直到有结果，没有结果他就一直为{}，可以设置5s睡眠再访问

6、解析图片

image_name = respone.json()[prompt_id]['outputs']['456']["images"][0]["filename"]``image_url = url + 'view?filename='+image_name+"&subfolder=&type=output"``image_url

这个地方要注意，返回结果在 prompt_id 下的outputs中，但是你要看看是哪个id下，我的是456

ok，到这后端就ok了

组装程序

将这个后端处理代码，集成到gradio中

# 处理图片上传的函数``def process_image(image):`    `# 保存上传的图片`    `# print(image)`    `# extension = image.split('.')[-1]`    `# unique_filename = generate_unique_filename(extension)`    `# image_path = os.path.join(UPLOAD_DIRECTORY, unique_filename)`    `# with open(image_path, "wb") as image_file:`    `#     image_file.write(image.read())`    `prompt["331"]["inputs"]["image"] = image`    `prompt["432"]["inputs"]["image"] = image``   `    `url = "http://127.0.0.1:8188/"`    `p = {"prompt":prompt}`    `respone = requests.post(url=url+"prompt",json=p)`    `prompt_id = respone.json()["prompt_id"]`    `while True:`        `respone = requests.get(url=url+"history/"+prompt_id)`        `if respone.json() == {}:`            `time.sleep(5)`            `continue`        `image_name = respone.json()[prompt_id]['outputs']['456']["images"][0]["filename"]`        `response_image_url = url + 'view?filename='+image_name+"&subfolder=&type=output"`        `break``   `    `# 返回另一张图片的链接（此处为示例，实际应用中应替换为真实图片链接）`    `# response_image_url = "https://img2.baidu.com/it/u=1814561676,2470063876&fm=253&fmt=auto&app=138&f=JPEG?w=750&h=500"  # 示例图片链接`    `response = requests.get(response_image_url)`    `response_image = Image.open(BytesIO(response.content))`    `    # 返回上传的图片和网络上的图片`    `return image, response_image

测试

需要等待一会。。。。。。。。。

哈哈，还不错吧，赶紧试试吧

为了帮助大家更好地掌握 ComfyUI，我在去年花了几个月的时间，撰写并录制了一套ComfyUI的基础教程，共六篇。这套教程详细介绍了选择ComfyUI的理由、其优缺点、下载安装方法、模型与插件的安装、工作流节点和底层逻辑详解、遮罩修改重绘/Inpenting模块以及SDXL工作流手把手搭建。

由于篇幅原因，本文精选几个章节，详细版点击下方卡片免费领取

一、ComfyUI配置指南

报错指南
环境配置
脚本更新
后记
…

二、ComfyUI基础入门

软件安装篇
插件安装篇
…

三、 ComfyUI工作流节点/底层逻辑详解

ComfyUI 基础概念理解
Stable diffusion 工作原理
工作流底层逻辑
必备插件补全
…

四、ComfyUI节点技巧进阶/多模型串联

节点进阶详解
提词技巧精通
多模型节点串联
…

五、ComfyUI遮罩修改重绘/Inpenting模块详解

图像分辨率
姿势
…

六、ComfyUI超实用SDXL工作流手把手搭建

Refined模型
SDXL风格化提示词
SDXL工作流搭建
…