ساخت اپلیکیشن تولید تصویر با هوش مصنوعی: API، ذخیره‌سازی، هزینه و ایمنی

برای ساخت اپلیکیشن تولید تصویر با هوش مصنوعی، یک API تولید تصویر از یک ارائه‌دهنده‌ی مدل انتخاب کنید، آن را از سرور خودتان با کلید شخصی صدا بزنید، هر نتیجه را در فضای ذخیره‌سازی فایل ذخیره کنید و همه را در یک گردش کار برای یک کاربرد مشخص قرار دهید: عکس محصول، پست شبکه‌های اجتماعی، آواتار، یا تصویرسازی با سبک یک برند. برای سه موضوعی که اپلیکیشن‌های متنی بیشتر می‌توانند نادیده بگیرند آماده باشید: تولید تصویر کندتر است، هر تولید هزینه‌ی بیشتری دارد و باید برای آنچه کاربران می‌توانند بسازند قاعده داشته باشید. رابط کاربری بخش ساده‌ی کار است.

یک کاربرد انتخاب کنید، نه «یک تولیدکننده‌ی تصویر»

تولیدکننده‌های تصویر عمومی از قبل داخل دستیارهای گفتگو و ابزارهای طراحی وجود دارند. یک اپلیکیشن جدید وقتی ارزش استفاده دارد که یک کار مشخص را بهتر انجام دهد:

• سبک یکنواخت: هر تصویر با رنگ‌ها و ظاهر برند هماهنگ است، بدون اینکه کاربر پرامپت بلندی بنویسد.
• ورودی ساختاریافته: یک ابزار عکس محصول، تصویر محصول و صحنه را می‌پرسد؛ یک ابزار طراحی جلد کتاب، عنوان، ژانر و حال‌وهوا را می‌پرسد.
• خروجی مناسب: ابعاد درست برای فهرست یک بازار آنلاین یا قالب یک تبلیغ، با متن روی تصویر که توسط اپلیکیشن شما اضافه می‌شود و نه توسط مدل.
• گردش کار: چند گزینه تولید کنید، یکی را انتخاب کنید، ویرایش کنید، دانلود کنید و کتابخانه‌ای نگه دارید.

اپلیکیشن از چه چیزهایی ساخته شده است

تصمیم‌هایی که پیش از ساخت باید بگیرید

کدام ارائه‌دهنده‌ی مدل تصویر

چند ارائه‌دهنده API تولید تصویر دارند، از آزمایشگاه‌های بزرگ هوش مصنوعی تا پلتفرم‌هایی که چند مدل باز را پشت یک API میزبانی می‌کنند. آن‌ها را روی پرامپت‌های آزمایشی خودتان مقایسه کنید از نظر:

• کیفیت برای کاربرد شما: محصولات عکاسی‌شده، تصویرسازی، متن داخل تصویر، چهره‌ها.
• سرعت: بعضی مدل‌ها در چند ثانیه پاسخ می‌دهند، بعضی دیرتر.
• قیمت هر تصویر در اندازه‌هایی که لازم دارید. صفحه‌ی قیمت خود ارائه‌دهنده را بررسی کنید؛ این قیمت‌ها تغییر می‌کنند.
• امکانات ویرایش: بعضی از ویرایش یک تصویر آپلودشده یا پر کردن بخشی از آن پشتیبانی می‌کنند که برای بسیاری از کاربردها لازم است.
• شرایط: استفاده‌ی تجاری، قوانین محتوا، و آنچه برای پرامپت‌ها و تصاویری که می‌فرستید پیش می‌آید.

ارائه‌دهنده را پشت یک تابع سمت سرور نگه دارید تا بعداً بتوانید مدل را عوض کنید. نحوه‌ی استفاده از APIهای LLM کلیدهای API و قیمت‌گذاری بر اساس مصرف را پوشش می‌دهد، که برای مدل‌های تصویر هم به همان شکل کار می‌کند.

انتظار برای نتایج

یک پاسخ متنی می‌تواند کلمه‌به‌کلمه استریم شود؛ تصویر معمولاً یک‌جا می‌رسد. برای مدل‌های سریع، مرورگر می‌تواند منتظر پاسخ سرور بماند. برای مدل‌های کند، الگوی بهتر این است: یک رکورد «تولید» با وضعیت در انتظار بسازید، فوراً پاسخ دهید، وقتی ارائه‌دهنده کار را تمام کرد سرور رکورد را به انجام‌شده با نشانی تصویر به‌روز کند، و صفحه هر چند ثانیه وضعیت را بررسی کند. بعضی ارائه‌دهندگان از وب‌هوک پشتیبانی می‌کنند، یعنی پیامی که وقتی کار تمام شد به سرور شما می‌فرستند. وب‌هوک چیست را ببینید.

ذخیره‌سازی

پاسخ‌های ارائه‌دهنده اغلب شامل یک لینک موقت یا داده‌ی خام تصویر هستند. تصویر را بلافاصله در فضای ذخیره‌سازی فایل خودتان کپی کنید و نشانی آن را در پایگاه داده ذخیره کنید. تصمیم بگیرید برای کاربران رایگان چه مدت تصاویر را نگه دارید، چون ذخیره‌سازی هزینه‌ی مداوم دارد. راهنمای ما درباره‌ی افزودن آپلود فایل مبانی ذخیره‌سازی را توضیح می‌دهد.

هزینه و محدودیت‌ها

تولید تصویر یکی از گران‌ترین قابلیت‌های هوش مصنوعی برای ارائه است. پیش از راه‌اندازی:

• یک سقف هزینه‌ی ماهانه در داشبورد ارائه‌دهنده تنظیم کنید.
• تعداد تصاویر در روز برای هر کاربر را محدود کنید، و این محدودیت را روی سرور اعمال کنید.
• اندازه و کیفیت استاندارد را پیش‌فرض قرار دهید؛ برای رندرهای با وضوح بالا هزینه‌ی بیشتری بگیرید یا از اعتبار استفاده کنید.
• فقط تولیدهای موفق را از سهمیه‌ی کاربر کم کنید.

ایمنی محتوا و حقوق

• قوانین ارائه‌دهنده. بیشتر ارائه‌دهندگان بعضی محتواها را مسدود می‌کنند و اگر حساب قوانین آن‌ها را مکرراً نقض کند، آن را تعلیق می‌کنند. رفتار کاربرانتان مسئولیت شماست، پس شرایطی بنویسید که با شرایط ارائه‌دهنده هم‌خوان باشد.
• نظارت محتوا. از تنظیمات ایمنی ارائه‌دهنده استفاده کنید و در نظر بگیرید پرامپت‌ها را پیش از ارسال بررسی کنید. اگر مردم می‌توانند تصاویر را به اشتراک بگذارند، راهی برای گزارش تصاویر اضافه کنید.
• افراد واقعی. ساختن تصویر از افراد واقعی و قابل شناسایی، به‌ویژه در زمینه‌های جنسی، خشونت‌آمیز یا گمراه‌کننده، آسیب واقعی می‌زند و در بسیاری از کشورها غیرقانونی است. این کار را به‌روشنی مسدود کنید.
• تصاویر مرجع آپلودشده. اگر کاربران عکس آپلود می‌کنند، فقط اجازه دهید از تصاویری استفاده کنند که حق استفاده از آن‌ها را دارند و آن‌ها را بیش از نیاز نگه ندارید.
• مالکیت و برچسب‌گذاری. قوانین مربوط به مالکیت تصاویر ساخته‌شده با هوش مصنوعی و اینکه باید برچسب بخورند بین کشورها فرق دارد و تغییر می‌کند. شرایط ارائه‌دهنده را بخوانید و اگر برای کسب‌وکارتان مهم است از متخصص مشاوره بگیرید.

یک پرامپت اول برای اپ‌ساز

یک اپلیکیشن وب به نام ShelfShot بساز که برای فروشگاه‌های آنلاین کوچک عکس‌های سبک‌زندگی تولید می‌کند. پس از ورود، کاربر یک عکس محصول آپلود می‌کند، یک پیش‌تنظیم صحنه (کانتر آشپزخانه، پیک‌نیک بیرون، استودیوی مینیمال، اتاق نشیمن گرم) و یک ابعاد (مربع یا ۴:۵) انتخاب می‌کند و روی تولید کلیک می‌کند. سرور دستورالعمل‌های سبک پنهان پیش‌تنظیم را با جزئیات محصول ترکیب می‌کند و API ارائه‌دهنده‌ی تصویر را با کلید مخفی IMAGE_API_KEY صدا می‌زند. هر تصویر تمام‌شده را در فضای ذخیره‌سازی فایل ذخیره کن و کاربر، پرامپت، پیش‌تنظیم، ابعاد و نشانی فایل را در پایگاه داده ثبت کن. هنگام انتظار وضعیت پیشرفت، و بعد از آن نتیجه را با دکمه‌های دانلود و حذف نشان بده. یک صفحه‌ی گالری تصاویر قبلی کاربر را نشان دهد و هر کاربر فقط تصاویر خودش را ببیند. هر کاربر را روی سرور به ۲۰ تصویر در روز محدود کن. هرگز کلید را به مرورگر نفرست.

گام‌به‌گام بسازید

1. ارائه‌دهنده را جداگانه آزمایش کنید با ده ورودی واقعی و مدل مناسب را انتخاب کنید.
2. حلقه را بسازید: فرم، فراخوانی سرور، وضعیت پیشرفت، و نتیجه‌ی نمایش‌داده‌شده روی صفحه.
3. در فضای ذخیره‌سازی ذخیره کنید و هر تولید را در پایگاه داده ثبت کنید؛ بررسی کنید که تصاویر روز بعد هم باز می‌شوند.
4. حساب کاربری و گالری را اضافه کنید، سپس با دو حساب آزمایش کنید که هیچ‌کدام نتوانند با حدس زدن یک نشانی، تصاویر دیگری را باز کنند.
5. محدودیت‌ها و مدیریت خطا را اضافه کنید: زمان انتظار بیش‌ازحد، پرامپت‌های مسدودشده و خطاهای ارائه‌دهنده باید پیام واضحی نشان دهند و سهمیه را مصرف نکنند.
6. ایمنی را اضافه کنید: تنظیمات ایمنی ارائه‌دهنده، عبارت‌های مسدودشده، شرایط استفاده، و دکمه‌ی گزارش اگر تصاویر به اشتراک گذاشته می‌شوند.
7. صورتحساب را اضافه کنید اگر پول دریافت می‌کنید؛ نحوه‌ی افزودن پرداخت به اپلیکیشن را ببینید.
8. بررسی امنیتی پیش از راه‌اندازی. فهرست بررسی امنیت برای اپلیکیشن‌های ساخته‌شده با هوش مصنوعی فهرست خوبی است.

اشتباهات رایج

• فراخوانی API تصویر از مرورگر، که کلید شما را لو می‌دهد.
• نگه داشتن فقط لینک موقت ارائه‌دهنده، که باعث می‌شود گالری چند روز بعد خراب شود.
• نبود سقف برای هر کاربر، که به یک کاربر یا ربات اجازه می‌دهد صورتحساب را بالا ببرد.
• گذاشتن متن را بر عهده‌ی مدل. بسیاری از مدل‌ها هنوز کلمات داخل تصویر را غلط می‌نویسند. عنوان و قیمت را در اپلیکیشن خودتان روی تصویر بگذارید.
• نادیده گرفتن قوانین محتوا تا وقتی ارائه‌دهنده حساب را تعلیق کند.
• گالری‌های عمومی بدون نظارت.

زمانی که یک محصول آماده بهتر است

اگر فقط به تصویر نیاز دارید، از قابلیت‌های تصویر در ابزارهای طراحی یا دستیارهای هوش مصنوعی موجود استفاده کنید؛ ساختن یک اپلیکیشن برای تولید تصاویر شخصی کمتر به صرفه است. اپلیکیشن بسازید وقتی به یک گروه مشخص با کاری تکرارپذیر خدمت می‌دهید، یا وقتی سبک یکسانی باید هر بار اعمال شود، یا وقتی تولید تصویر بخشی از یک محصول بزرگ‌تر است، مثلاً ابزار فهرست‌سازی که متن می‌نویسد و عکس هم می‌سازد.

ساختن آن با Mythex

Mythex یک اپ‌ساز هوش مصنوعی است: اپلیکیشن تصویر را در گفتگو توصیف می‌کنید و فرم، فراخوانی سمت سرور، گالری و محدودیت‌ها را در پیش‌نمایش زنده می‌سازد، سپس آن را در یک آدرس عمومی منتشر می‌کند. تولید تصویر اپلیکیشن شما از کلید ارائه‌دهنده‌ی خودتان استفاده می‌کند که به‌عنوان راز پروژه ذخیره می‌شود و مصرف آن به حساب ارائه‌دهنده‌ی شما صورتحساب می‌شود. Mythex مصرف تولید تصویر کاربران اپلیکیشن شما را شامل نمی‌کند.

این جدا از تولید تصویر خود Mythex است، که تصاویر را برای سایتی که می‌سازید تولید می‌کند (مثلاً تصویر اصلی صفحه یا یک آیکون) و با اعتبار Mythex هزینه دارد. وقتی اپلیکیشن شما نیاز به ذخیره‌ی تصاویر دارد، Mythex ذخیره‌سازی فایل را برای پروژه فعال می‌کند و یک پایگاه داده‌ی Postgres برای رکوردهای تولید. برای نقطه‌ی شروع کوچک‌تر، نحوه‌ی افزودن قابلیت‌های هوش مصنوعی به اپلیکیشن افزودن یک اقدام واحد هوش مصنوعی به یک محصول موجود را پوشش می‌دهد.

پرسش‌ها