Platform For AI:AI 動画生成 - ComfyUI のデプロイ

オンラインデバッグ

[Elastic Algorithm Service (EAS)] ページで、対象のサービスを見つけ、[操作] 列の [オンラインデバッグ] をクリックします。

1. POST リクエストを送信してプロンプト ID を取得します。

   1. デバッグページの [オンラインデバッグリクエストパラメーター] セクションで、[ボディ] フィールドにリクエストボディを入力します。次に、リクエスト URL テキストボックスに /prompt を追加します。

   2. [リクエストの送信] をクリックして、[デバッグ情報] エリアでレスポンスを表示します。次の図を参照してください。

2. GET リクエストを送信して、プロンプト ID に基づいて推論結果を取得します。

   1. [オンライン API デバッグリクエストパラメーター] エリアで、リクエストメソッドを GET に設定し、テキストボックスに /history/<prompt id> を入力します。次の図を参照してください。

      <prompt id> を前のステップで取得したプロンプト ID に置き換えます。

   2. [リクエストの送信] をクリックして推論結果を取得します。

      生成された推論結果は、マウントされたストレージの output ディレクトリで確認できます。

同期呼び出し

1. エンドポイント情報を表示します。

   1. [推論サービス] タブで、対象のサービス名をクリックして [概要] ページに移動します。[基本情報] セクションで、[エンドポイント情報を表示] をクリックします。

   2. [呼び出し方法] パネルで、エンドポイントとトークンを取得します。要件に応じてインターネットまたは VPC エンドポイントを選択します。以下の例では、これらの値のプレースホルダーとして <EAS_ENDPOINT> と <EAS_TOKEN> を使用します。

      

2. POST リクエストを送信してプロンプト ID を取得します。

   • HTTP リクエストメソッド：POST。

   • リクエストの URI (URL)：<EAS_ENDPOINT>/prompt。<EAS_ENDPOINT> がスラッシュ (/) で終わる場合は、それを削除します。最終的な URL は次の例のようになります：http://comfyui****.175805416243****.cn-beijing.pai-eas.aliyuncs.com/prompt。

   • リクエストヘッダー (Headers)：

     ヘッダー	値	説明
     Authorization	<EAS_TOKEN>	ライセンスキー。
     Content-Type	application/json	リクエストボディのフォーマットを指定します。

   サンプルコード：

   cURL

   curl --location --request POST '<EAS_ENDPOINT>/prompt' \
   --header 'Authorization: <EAS_TOKEN>' \
   --header 'Content-Type: application/json' \
   --data-raw '{
       "prompt":
       ...omitted
   }'

   この場合、--data-raw はリクエストボディです。

   Python

   サンプルコード：

   import requests
   import json
   
   # ステップ 1 で取得したエンドポイントとトークンに <EAS_ENDPOINT> と <EAS_TOKEN> を置き換えます。
   service_url = "<EAS_ENDPOINT>"
   token = "<EAS_TOKEN>"
   
   if service_url[-1] == "/":
       service_url = service_url[:-1]
   
   # リクエストボディ。ペイロードの prompt の値をワークフローに対応する JSON ファイルの内容として設定します。
   payload = """{
       "prompt":
       ...omitted
   }"""
   payload = json.loads(payload)
   
   session = requests.session()
   session.headers.update({"Authorization": token})
     
   response = session.post(url=f'{service_url}/prompt', json=payload)
   if response.status_code != 200:
       raise Exception(response.content)
   
   data = response.json()
   print(data)

   レスポンスの例：

   {
       "prompt_id": "021ebc5b-e245-4e37-8bd3-00f7b949****",
       "number": 5,
       "node_errors": {}
   }

   返された結果からプロンプト ID を取得できます。

3. リクエストを送信して推論結果を取得します。

   • HTTP リクエストメソッド：GET

   • リクエスト URL：<EAS_ENDPOINT>/history/<prompt_id>。<prompt_id> を前のステップで取得した prompt_id に置き換えます。

   • リクエストヘッダー：

     ヘッダー	値	説明
     Authorization	<EAS_TOKEN>	ライセンスキー。ステップ 1 で取得します。

   サンプルコード：

   cURL

   curl --location --request GET '<EAS_ENDPOINT>/history/<prompt_id>' \
        --header 'Authorization: <EAS_TOKEN>'

   Python

   import requests
   
   # ステップ 1 で取得したエンドポイントとトークンに <EAS_ENDPOINT> と <EAS_TOKEN> を置き換えます。
   # ステップ 2 で取得した prompt_id に <prompt_id> を置き換えます。
   service_url = "<EAS_ENDPOINT>"
   token = "<EAS_TOKEN>"
   prompt_id = "<prompt_id>"
   
   if service_url[-1] == "/":
       service_url = service_url[:-1]
   
   session = requests.session()
   session.headers.update({"Authorization": token})
   
   response = session.get(url=f'{service_url}/history/{prompt_id}')
   
   if response.status_code != 200:
       raise Exception(response.content)
   
   data = response.json()
   print(data)

   レスポンスの例：

   サンプルレスポンスを表示するにはクリック

   {
       "130bcd6b-5bb5-496c-9c8c-3a1359a0****": {
           "prompt": ...omitted,
           "outputs": {
               "9": {
                   "images": [
                       {
                           "filename": "ComfyUI_1712645398_18dba34d-df87-4735-a577-c63d5506a6a1_.png",
                           "subfolder": "",
                           "type": "output"
                       }
                   ]
               },
               "15": {
                   "images": [
                       {
                           "filename": "ComfyUI_1712645867_.webp",
                           "subfolder": "",
                           "type": "output"
                       }
                   ],
                   "animated": [
                       true
                   ]
               },
               "19": {
                   "gifs": [
                       {
                           "filename": "comfyUI_00002.mp4",
                           "subfolder": "",
                           "type": "output",
                           "format": "video/h264-mp4"
                       }
                   ]
               }
           },
           "status": {
               "status_str": "success",
               "completed": true,
               "messages": ...omitted,
           }
       }
   }
   

   このサンプルレスポンスの outputs は、プロンプトによって生成された画像、webp ファイル、および mp4 ビデオを提供します。これらのファイルは、マウントされたストレージの output ディレクトリでファイル名によって見つけることができます。

非同期呼び出し

1. [推論サービス] タブで、対象のサービス名をクリックして [概要] ページを開きます。[基本情報] セクションで、[呼び出し情報を表示] をクリックします。[呼び出し情報] ダイアログボックスの [非同期呼び出し] タブで、サービスのエンドポイントとトークンを表示できます。

   

2. リクエストをプッシュします。

   サンプルコード：

   import requests,io,base64
   from PIL import Image, PngImagePlugin
   import json
   
   service_url = "<EAS_ENDPOINT>"
   token = "<EAS_TOKEN>"
   
   if service_url[-1] == "/":
       service_url = service_url[:-1]
   
   session = requests.session()
   session.headers.update({"Authorization":token})
   
   # リクエストボディ。ワークフロー JSON ファイルの内容です。複数行の文字列として定義するには """ """ を使用します。そうしないと、ワークフロー JSON のブール値 (true と false) の最初の文字を大文字にする必要があります。
   payload = """{
       '3': 
       ...omitted
     }
     """
   payload = json.loads(payload)
   
   for i in range(5):
     # task_id はリクエストと結果を識別するための重要なフラグです。各リクエストに一意の値を割り当てて、後続のキュー結果に対応させます。
     response = session.post(url=f'{service_url}/api_prompt?task_id=txt2img_{i}', json=payload)
     if response.status_code != 200:
       exit(f"send request error:{response.content}")
     else:
       print(f"send {i} success, index is {response.content}")

3. 結果をサブスクライブします。

   1. 次のコマンドを実行して eas_prediction SDK をインストールします。

      pip install eas_prediction  --user

   2. 次のコードを実行して、返された結果を取得します。

      from eas_prediction import QueueClient
      from urllib.parse import urlparse, urlunparse
      
      service_url     = "<EAS_ENDPOINT>"
      token           = "<EAS_TOKEN>"
      
      def parse_service_url(service_url):
          parsed = urlparse(service_url)
          service_domain = f"{parsed.scheme}://{parsed.netloc}"
          path_parts = [p for p in parsed.path.strip('/').split('/') if p]
          service_name = path_parts[-1]
          return service_domain, service_name
      
      service_domain, service_name = parse_service_url(service_url)
      print(f"service_domain: {service_domain}, service_name: {service_name}.")
          
      sink_queue = QueueClient(service_domain, f'{service_name}/sink')
      sink_queue.set_token(token)
      sink_queue.init()
      
      watcher = sink_queue.watch(0, 5, auto_commit=False)
      for x in watcher.run():
          if 'task_id' in x.tags:
              print('index {} task_id is {}'.format(x.index, x.tags['task_id']))
          print(f'index {x.index} data is {x.data}')
          sink_queue.commit(x.index)

      レスポンスの例：

      index 42 task_id is txt2img_0
      index 42 data is b'[{"type": "executed", "data": {"node": "9", "output": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "prompt_id": "c3c983b6-f92b-4dd5-b4dc-442db4d1736f"}}, {"type": "executed", "data": {"node": "15", "output": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "prompt_id": "c3c983b6-f92b-4dd5-b4dc-442db4d1736f"}}, {"type": "executed", "data": {"node": "19", "output": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}, "prompt_id": "c3c983b6-f92b-4dd5-b4dc-442db4d1736f"}}, {"9": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "15": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "19": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}}]'
      index 43 task_id is txt2img_1
      index 43 data is b'[{"9": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "15": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "19": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}}]'
      index 44 task_id is txt2img_2
      index 44 data is b'[{"9": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "15": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "19": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}}]'
      index 45 task_id is txt2img_3
      index 45 data is b'[{"9": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "15": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "19": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}}]'
      index 46 task_id is txt2img_4
      index 46 data is b'[{"9": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "15": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "19": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}}]'

      推論結果ファイルは、マウントされたストレージの output ディレクトリで確認できます。