Generator Prompt SDXL ChatGPT vs Skrip API Anda

Dua cara mendapatkan prompt SDXL dari model bahasa

Cara pertama adalah asisten obrolan. Anda menempelkan instruksi bergaya sistem sekali, lalu mengirim ide pendek satu per satu dan menyalin setiap balasan ke alat gambar Anda. Ini tidak memerlukan kode, Anda melihat jawaban segera, dan Anda dapat mengatakan "lebih gelap, lebih sinematik" dan mendapatkan revisi. Untuk penemuan, hal ini sulit dikalahkan.

Cara kedua adalah skrip. Anda menulis instruksi sekali dalam kode, memuat daftar ide dari file, memanggil endpoint chat completions untuk setiap item, dan menulis hasilnya ke file atau mengirimkannya langsung ke generator gambar Anda. Layanan ini adalah API teks-only yang kompatibel dengan OpenAI dan melayani satu model bobot terbuka dari penyedia independen. Ini bukan ChatGPT dan bukan produk OpenAI, tetapi setiap SDK OpenAI dapat mengaksesnya setelah Anda mengubah URL dasar dan kunci API.

Kedua pendekatan tidak menggambar gambar. Dalam keduanya, model menulis teks dan alat terpisah seperti SDXL merendernya.

Bersebelahan

Faktor	Jendela obrolan	Skrip API
Pengaturan	Tidak Ada	Kunci, 30 baris Python
Ukuran batch terbaik	1 hingga 20 prompt	Ratusan hingga ribuan
Format output	Apa pun yang dikembalikan obrolan; Anda membersihkannya secara manual	Mode JSON mengembalikan bidang yang dapat Anda urai
Dapat diulang	Melenceng seiring pertumbuhan percakapan	Instruksi yang sama pada setiap panggilan, benih opsional
Iterasi	Alami: balas dengan umpan balik	Anda mengedit skrip dan menjalankannya lagi
Model Biaya	Tergantung pada paket yang Anda miliki; periksa syarat saat ini	Bayar per token, saldo prabayar
Penolakan	Tergantung pada kebijakan konten asisten	Model ini menjawab tanpa penolakan konten untuk penggunaan dewasa yang sah

Ringkasan jujur: jika Anda membuat beberapa gambar per minggu dan menikmati berbicara tentangnya, tetaplah dengan obrolan. Skrip mulai menguntungkan pada titik di mana salin-tempel menjadi langkah paling lambat dalam pipeline Anda.

Biaya waktu salin dan tempel

Ambil asumsi sederhana: 30 detik per prompt untuk mengetik ide, menunggu, menyalin hasil, dan menempelkannya di tempat yang sesuai. Untuk 1.000 prompt, itu adalah 1.000 × 30 s = 30.000 s, atau sekitar 8,3 jam perhatian.

Skrip memiliki bentuk yang berbeda. Katakanlah setiap panggilan API memakan waktu sekitar 5 detik (itu adalah asumsi, jadi ukur sendiri). Dengan 8 permintaan yang sedang berjalan, yang merupakan batas konkurensi kunci penuh, 1.000 panggilan membutuhkan sekitar 1.000 / 8 × 5 s = 625 s, sedikit lebih dari 10 menit. Batas permintaan 300 per menit berarti lantai absolutnya hanya sedikit lebih dari 3 menit. Anda memulainya, membuat kopi, dan membaca file setelahnya.

Waktu yang disimpan adalah argumen utama. Uang adalah sekunder, seperti yang ditunjukkan bagian berikutnya.

Biaya per 1.000 prompt

API ini mengenakan biaya $0,15 per 1 juta token input dan $0,50 per 1 juta token output. Katakan setiap panggilan mengirimkan instruksi 250 token dan ide 50 token (300 input) dan mengembalikan prompt 200 token.

• Input: 1.000 × 300 = 300.000 token × $0,15 / 1 juta = $0,045.
• Output: 1.000 × 200 = 200.000 token × $0,50 / 1M = $0,10.
• Total: $0,145 untuk 1.000 prompt.

Untuk perbandingan dengan langganan obrolan atau API lain, bagi harga paket tersebut dengan jumlah prompt yang sebenarnya akan Anda buat dalam sebulan, dan periksa harga saat ini mereka daripada mempercayai angka dari artikel. Kredit uji coba $0,50, diklaim dengan satu klik di halaman kunci API setelah masuk, mencakup sedikit lebih dari 3.400 prompt berukuran ini. Lihat halaman harga untuk isi saldo dari $20 hingga $500, dengan kripto.

Skrip batch dengan coba ulang

Skrip di bawah ini membaca ide dari ideas.txt, satu per baris, dan menulis prompts.jsonl. Ini menjalankan 6 pekerja secara paralel dan melakukan coba ulang pada 429.

Copyimport json, time
from concurrent.futures import ThreadPoolExecutor
from openai import OpenAI, RateLimitError

client = OpenAI(base_url="https://api.sdxlapi.com/v1", api_key="YOUR_KEY", max_retries=0)

SYSTEM = (
    "Expand the idea into one SDXL prompt of 40 to 60 words: subject, setting, "
    "lighting, style, mood, comma-separated. Return JSON with key 'prompt'."
)

def make(idea):
    for attempt in range(5):
        try:
            r = client.chat.completions.create(
                model="uncensored",
                messages=[{"role": "system", "content": SYSTEM},
                          {"role": "user", "content": idea}],
                response_format={"type": "json_object"},
                temperature=0.8,
            )
            return {"idea": idea, **json.loads(r.choices[0].message.content)}
        except RateLimitError:
            time.sleep(5 * (attempt + 1))
    return {"idea": idea, "prompt": None}

ideas = [l.strip() for l in open("ideas.txt") if l.strip()]
with ThreadPoolExecutor(max_workers=6) as pool, open("prompts.jsonl", "w") as out:
    for row in pool.map(make, ideas):
        out.write(json.dumps(row, ensure_ascii=False) + "\n")

Jaga jumlah pekerja pada atau di bawah 8 pada kunci penuh, atau 2 pada kunci trial. Jika Anda melihat 429 dengan kode concurrency, turunkan; rate_limited berarti Anda melebihi batas per menit. Permintaan yang gagal tidak ditagih, sehingga coba ulang gratis. Lebih lanjut tentang parameter ada di docs.

Mendapatkan output yang lebih baik dari skrip

Jalankan skrip batch pertama jarang menjadi yang terbaik. Tiga perubahan murah meningkatkan hasil lebih baik daripada mengganti alat.

• Tambahkan dua atau tiga contoh ke prompt sistem. Tempelkan prompt yang memberi Anda gambar yang Anda sukai, masing-masing dengan ide pendek yang menghasilkannya. Model menyalin struktur dan tingkat detail.
• Teruskan bidang gaya. Simpan kamus kecil seperti "film still", "watercolor", "isometric render", dan tambahkan gaya yang dipilih ke setiap ide. Satu daftar ide kemudian dapat menghasilkan beberapa tampilan.
• Saring output. Tolak baris yang prompt-nya lebih pendek dari 25 kata atau lebih panjang dari 80, lalu jalankan ulang hanya itu. Pemeriksaan singkat dalam kode mengalahkan membaca seribu baris.

Simpan ide di samping setiap hasil. Saat satu gambar keluar dengan baik, Anda ingin melihat persis apa yang menghasilkannya, dan riwayat obrolan bergulir. Subjek tetap menjadi keputusan Anda: model disesuaikan untuk penggunaan dewasa yang sah, dan satu batas kerasnya adalah tidak ada seksual yang melibatkan anak di bawah umur yang pernah dihasilkan.

Kapan tetap menggunakan obrolan

Sebuah skrip tidak selalu menjadi pilihan terbaik. Tetap gunakan asisten obrolan ketika Anda belum mengetahui apa yang Anda inginkan, ketika setiap gambar memerlukan percakapan tentang komposisi, atau ketika volume Anda cukup kecil sehingga waktu penyiapan akan melebihi waktu yang dihemat. Pola umum adalah menggunakan obrolan untuk menemukan instruksi yang baik, lalu menempelkan instruksi tersebut ke dalam skrip sebagai prompt sistem dan menjalankan pekerjaan massal di sana.

Pikirkan juga tentang data. Prompt yang dikirim ke API ini tidak digunakan untuk pelatihan. Untuk layanan lain, baca kebijakan data mereka sebelum mengirimkan karya kreatif yang belum dirilis.

Panduan lainnya

• Generator Prompt Stable Diffusion LLM: Penyiapan Python
• Skenario Bermain Peran Teks Berbasis LLM API