LimeWire AI API：开发人员快速部署在线AI艺术生成应用

LimeWire 最近推出了面向创作者和艺术家的人工智能工作室。现在，该公司发布了 RESTful API，用于使用顶级生成式人工智能模型创建内容。开发人员可以利用 LimeWire 的 AI API，根据文本提示生成图像、提升图像大小、将图像扩展到边界之外，并使用 AI 修改图像。

更不用说，LimeWire 还在努力为音乐和视频生成提供 API 支持。因此，在本文中，我们将体验 LimeWire AI API 在许多不同人工智能生成任务中的应用。通过我们对 API 的详细测试，看看它是否适合你的需求。

使用 LimeWire API 生成图像

首先，我们来了解一下文本到图片的端点，以及如何使用 LimeWire AI API 生成图片。我将用 Python 演示示例，但你也可以选择其他语言，包括 Node.js、PHP、Java、Go、Ruby 等。

下面是用 Python 生成图像的代码示例：

import requests
url = "https://api.limewire.com/api/image/generation"
payload = {
"prompt": "A dinosaur on the moon",
"aspect_ratio": "1:1"
}
headers = {
"Content-Type": "application/json",
"X-Api-Version": "v1",
"Accept": "application/json",
"Authorization": "Bearer "
}
response = requests.post(url, json=payload, headers=headers)
data = response.json()
print(data)

如图所示，我使用了 LimeWire 的图片生成端点（ api/image/generation ），并在正文中定义了提示。提示应少于 2000 个字符，您还可以通过 negative_prompt 来描述图像中不应包含的内容。下面，我将 aspect_ratio 指定为 1:1，但也可以指定 2:3 和 3:2 。

由于这是 LimeWire AI API 的首个版本，X-Api-version 为 v1 。 只需在 Bearer 旁粘贴 LimeWire API 密钥，就可以使用了。

顺便说一句，你还可以加入许多其他参数，比如 samples 来生成图片数量（从 1 到 4 ）、quality 来指定所需的质量（LOW, MID, 和 HIGH，默认为 MID）、风格来定义图片风格（PHOTOREALISTIC、SCIFI、LANDSCAPE）、指导比例来要求模型严格遵守你的文本提示（从 1 到 100，默认为 40）。你可以在 LimeWire 的 API 文档页面找到更多信息。

现在，只需调用 API，就能以 JSON 格式输出图片的 asset_id 和 asset_url。使用 LimeWire 的 AI API 生成图像就是这么简单。目前，LimeWire 支持 10 多种生成式人工智能模型，包括 BlueWillow（v3、v4 和 v5）、Dall -E3、Stable Diffusion XL v1.0、Google AI Imagen 等。

使用 LimeWire API 放大图片

接下来，我们将使用 LimeWire 的 api/image/upscaling 端点 API 来放大图片。在这里，你需要定义 image_asset_id，你可以通过 POST 请求使用其 ” api/upload” 端点生成 image_asset_id，如下所述。然后，只需提及 upscale_factor （2、3 或 4）并粘贴 API 密钥即可。

import requests
url = "https://api.limewire.com/api/image/upscaling"
payload = {
"image_asset_id": "XXXXXXXXXXXXXXXXXXXXXXXXX",
"upscale_factor": 2
}
headers = {
"Content-Type": "application/json",
"X-Api-Version": "v1",
"Accept": "application/json",
"Authorization": "Bearer "
}
response = requests.post(url, json=payload, headers=headers)
data = response.json()
print(data)

它将返回生成的 asset_id 和 asset_url。在我的测试中，LimWire API 做得非常出色。我传入了一张 1000×750 的 PNG 图像，它将图像升频后生成了一张 2000×1500 的图像，而且没有任何伪影。

我们经常可以看到，在传递带有文字的图像时，Diffusion 模型会很难处理文字，从而导致渲染错误。但是，LimeWire 的图像缩放 API 并没有弄坏图像中的文字，这一点非常了不起。

使用 LimeWire API 外绘图像

现在，我们来看看外绘图像，它允许你扩展图像的边界。它能根据图片的现有内容同步生成对象和背景。在这里，我使用的是 LimeWire 的 api/image/outpainting 端点。

和上面一样，你必须传递 image_asset_id 并添加 API 密钥。在这里，” direction “（方向）参数可让你定义如何展开图像，是只展开一面还是展开所有方向。您可以将 direction 定义为UP, DOWN, LEFT, RIGHT, 或 ALL。

import requests
url = "https://api.limewire.com/api/image/outpainting"
payload = {
"image_asset_id": "XXXXXXXXXXXXXXXXXXXXXXXXXXX",
"direction": "UP",
"crop_side": "LEFT"
}
headers = {
"Content-Type": "application/json",
"X-Api-Version": "v1",
"Accept": "application/json",
"Authorization": "Bearer "
}
response = requests.post(url, json=payload, headers=headers)
data = response.json()
print(data)

接下来，您可以定义 crop_side ，指定要裁剪哪一面进行外绘。不过，并非所有图像都需要裁剪，人工智能模型可以选择是否需要裁剪，以使图像看起来更自然。您可以将其定义为 TOP, BOTTOM, LEFT, 或 RIGHT。请记住，在进行外绘时，图像的宽高比应为 1:1, 2:3或3:2。

然后，我传入了一张纵横比为 1:1 的 PNG 图像，并将 direction 设置为 ALL，但它未能处理该图像。于是，我只要求它将图像的上边界涂掉，它就成功地处理了图像。你可以在上图中看到差异。

使用 LimeWire API 内绘图像

现在，我们来看看内绘，它能让你通过文本提示修改图片。只需在图像中添加文本提示，就能使用 LimeWire 的 AI API 对图像进行操作。在这里，我使用的是 api/image/inpainting 端点。

import requests
url = "https://api.limewire.com/api/image/inpainting"
payload = {
"image_asset_id": "XXXXXXXXXXXXXXXXXXXXXXXXX",
"prompt": "Add a tiger on the roof"
}
headers = {
"Content-Type": "application/json",
"X-Api-Version": "v1",
"Accept": "application/json",
"Authorization": "Bearer "
}
response = requests.post(url, json=payload, headers=headers)
data = response.json()
print(data)

我尝试运行 Inpainting API，但不幸的是，它一直抛出 “内部服务器错误”（Internal Server Error）。API 可能由于某种原因关闭了。不过，这就是你如何使用 LimeWire 的 AI API 为图片上色的方法。

使用 LimeWire API 上传资产

最后，我们来看使用 LimeWire API 上传资产。你可以使用 api/upload 端点上传资产。上传资产后，LimeWire 会将其保留 24 小时。图片的最大上传大小为 10MB。你可以使用 POST 请求方法来传递图片。

请注意，Content-Type 参数应与图片格式相匹配。支持的图片格式有  image/png, image/jpeg, image/x-ms-bmp, image/webp, 和 image/tiff。

import requests
url = "https://api.limewire.com/api/upload"
payload = '''
[object Object]
'''
headers = {
"Content-Type": "image/png",
"Authorization": "Bearer "
}
response = requests.post(url, data=payload, headers=headers)
data = response.json()
print(data)

LimeWire AI API 值得购买吗？

就性能而言，LimeWire 的生成式 API 工具物有所值。API 基于 REST 架构构建，因此具有可扩展性，并能提供出色的性能。在我的测试中，API 调用在 4 到 5 秒内就能解决，这真是令人难以置信。除此之外，生成内容的质量也相当不错，因为它承载了来自 OpenAI、Stability AI、谷歌等供应商的最先进的 Diffusion 模型。

更不用说，API 的实现非常简单，任何人都可以在任何环境下开始使用这些工具。其文档简洁易懂。尽管这是 LimeWire 首次发布人工智能 API，但仍有多个自定义选项，你可以通过多个参数来生成自己喜欢的内容。

至于定价，我喜欢 LimeWire 的做法。与竞争对手提供的用于生成图片、内画、外画等的多个计划相比，LimeWire 只提供了一个计划，即可使用所有类型的 API。API Pro 计划每月最多可生成 7,500 张图片，并发请求数为 4。每月费用为 49 美元，与竞争对手相比相当合理。对于开发人员和小型企业来说，该计划非常适合。

您还可以选择每月 29.99 美元（3,750 张图片）的 API Basic 计划或每月 250 美元（37,500 张图片）的 API Pro Plus 计划。