MusePublicAPI接入指南：Python调用MusePublic生成服务开发手册

MusePublicAPI接入指南：Python调用MusePublic生成服务开发手册

想在自己的Python应用里直接调用MusePublic艺术创作引擎，生成那些充满故事感的时尚人像吗？这篇文章就是为你准备的。

MusePublic提供了一个简洁高效的API接口，让你无需打开WebUI，就能通过几行代码把艺术图像生成能力集成到你的脚本、应用或自动化流程中。无论你是想批量创作、搭建个性化工具，还是进行二次开发，这个API都能让你事半功倍。

1. 环境准备与API服务确认

在开始编写调用代码之前，你需要确保两件事：MusePublic服务正在运行，以及你的Python环境准备好了必要的库。

1.1 启动MusePublic服务

API调用的前提是MusePublic的Web服务已经启动。如果你还没启动，回到项目根目录，执行启动命令：

python launch.py

看到终端输出类似Running on local URL: http://127.0.0.1:7860的信息，就说明服务启动成功了。默认情况下，API服务会和WebUI一起运行在7860端口。

1.2 安装Python请求库

调用HTTP API，我们最常用的就是requests库。如果你的Python环境里还没有它，用pip安装一下：

pip install requests

如果安装速度慢，可以试试国内的镜像源，比如：

pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple

安装完成后，你可以在Python里导入它，没报错就说明准备好了。

2. 理解MusePublic的API接口

MusePublic的API设计得很直观，主要就是一个接收生成参数、返回生成结果的接口。我们先来看看这个接口长什么样，需要哪些信息。

2.1 核心API端点

服务启动后，图像生成的核心API地址是：

http://127.0.0.1:7860/api/generate

这是一个POST类型的接口。你需要向这个地址发送一个包含所有生成参数的JSON数据包，服务器处理后会返回生成结果。

2.2 必需的请求参数

你的JSON数据包里需要包含以下关键信息，这些参数和你在WebUI里设置的基本一致：

• prompt: 正面提示词。描述你想要生成的画面，比如"a fashionable woman in an elegant dress, standing in a sunlit art studio, soft shadows, cinematic lighting, masterpiece, high detail"。用英文或中英混合效果更好。
• negative_prompt: 负面提示词。描述你不希望在画面中出现的内容。服务端通常有默认值，但你可以覆盖它，比如"ugly, deformed, noisy, blurry, low quality"。
• steps: 生成步数。控制生成过程的精细度，一般设置在20到50之间。30步是一个在速度和质量之间取得很好平衡的推荐值。
• seed: 随机种子。设置为-1表示每次随机生成；设置为一个固定的整数（如42）则可以复现完全相同的图像，这对测试和调试非常有用。

这就是最基础的参数。实际上，API可能支持更多高级参数（如尺寸width/height，引导系数guidance_scale等），你可以查阅服务的具体API文档或通过代码探索。

3. 编写Python调用代码

理论清楚了，我们动手写代码。下面是一个完整的、可以直接运行的Python脚本示例。

3.1 基础调用示例

创建一个新文件，比如叫generate_with_muse.py，然后把下面的代码复制进去：

import requests import json import time from PIL import Image from io import BytesIO # 1. 定义API地址和生成参数 api_url = "http://127.0.0.1:7860/api/generate" # 构建请求数据，这里包含了核心参数 payload = { "prompt": "a sophisticated portrait of a woman with striking blue eyes, art gallery lighting, rim light, fine details, trending on artstation, elegant", "negative_prompt": "ugly, deformed, cartoon, anime, 3d, render, low quality, out of frame", "steps": 30, "seed": -1, # 更多可选参数示例： # "width": 1024, # "height": 1024, # "guidance_scale": 7.5, } # 2. 设置请求头，告诉服务器我们发送的是JSON格式数据 headers = { 'Content-Type': 'application/json' } print("正在向MusePublic API发送生成请求...") try: # 3. 发送POST请求 response = requests.post(api_url, data=json.dumps(payload), headers=headers) # 4. 检查请求是否成功 response.raise_for_status() # 如果状态码不是200，会抛出异常 # 5. 解析返回的JSON数据 result = response.json() # 6. 处理生成结果 # 假设API返回一个包含图像base64编码字符串的字段，例如 `image` if 'images' in result and len(result['images']) > 0: # 通常返回的是一个base64编码的图片字符串列表 import base64 image_data = base64.b64decode(result['images'][0].split(',', 1)[-1] if ',' in result['images'][0] else result['images'][0]) # 用PIL打开图片并保存 image = Image.open(BytesIO(image_data)) timestamp = int(time.time()) filename = f"muse_generated_{timestamp}.png" image.save(filename) print(f" 图像生成成功！已保存为: {filename}") # 如果你想直接显示图片（在支持的环境下） # image.show() elif 'image' in result: # 另一种可能的返回格式：直接是 `image` 字段 # 处理方式类似，根据实际base64前缀调整解码逻辑 pass else: print(" API响应成功，但未找到预期的图像数据。") print("完整响应:", json.dumps(result, indent=2)) except requests.exceptions.ConnectionError: print(" 连接失败，请确保MusePublic服务已启动（`python launch.py`）。") except requests.exceptions.HTTPError as e: print(f" HTTP请求错误: {e}") print(f"响应状态码: {response.status_code}") try: print(f"错误详情: {response.text}") except: pass except json.JSONDecodeError: print(" 无法解析服务器的响应为JSON。") print(f"原始响应: {response.text[:500]}...") # 打印前500个字符 except Exception as e: print(f" 发生未知错误: {e}")

3.2 代码分步解读

这段代码做了以下几件关键事情：

1. 准备数据：我们把想要生成的画面描述（prompt）、不想要的内容（negative_prompt）以及其他参数，打包成一个Python字典payload。
2. 设置请求头：headers告诉服务器，我们发送的数据是JSON格式的。
3. 发送请求：使用requests.post()方法，将我们的数据字典用json.dumps()转换成JSON字符串，发送到指定的API地址。
4. 错误处理：用try...except块包裹核心调用逻辑，分别处理网络连接错误、HTTP状态码错误、返回数据格式错误等常见问题。这能让你的脚本更健壮。
5. 处理结果：假设API成功返回并包含了图像数据（通常是Base64编码的字符串），我们就将其解码成二进制数据，然后用PIL库（Python Imaging Library）创建图片对象并保存到本地文件。

运行这个脚本前，请确保MusePublic服务正在运行。然后在终端执行：

python generate_with_muse.py

如果一切顺利，你会在当前目录下看到一个类似muse_generated_1734567890.png的新图片文件。

3.3 探索更多API参数

基础的生成参数可能无法满足你的所有需求。MusePublic的API很可能支持更多调节选项。如何发现它们呢？

一个实用的方法是检查WebUI发出的网络请求。你可以在浏览器中打开MusePublic的Web界面（http://127.0.0.1:7860），按F12打开开发者工具，切换到“网络”(Network)选项卡。然后，在WebUI里设置各种参数并点击生成，在开发者工具里你会看到一个发往/api/generate或类似地址的请求。点击这个请求，查看它的“载荷”(Payload)，里面就包含了WebUI发送的所有参数。

你可以把这些参数名和值借鉴到你的Python脚本的payload字典里。常见的扩展参数可能包括：

advanced_payload = { "prompt": "...", "negative_prompt": "...", "steps": 30, "seed": 42, "width": 832, # 生成图像的宽度 "height": 1216, # 生成图像的高度 "cfg_scale": 7.5, # 提示词引导系数，值越大越遵循提示词 "sampler_name": "Euler a", # 采样器名称 # ... 可能还有其他参数 }

4. 进阶应用与实用技巧

掌握了基础调用后，我们可以玩点更高级的，让API调用更强大、更贴合实际项目需求。

4.1 批量生成与自动化

如果你需要为一系列不同的描述生成图片，或者用不同的种子生成多个变体，循环是你的好帮手。

import requests import json import base64 import time from io import BytesIO from PIL import Image api_url = "http://127.0.0.1:7860/api/generate" headers = {'Content-Type': 'application/json'} # 定义一组不同的提示词 prompt_list = [ "A mysterious man in a vintage trench coat, rainy paris street at night, neon signs reflected on wet pavement, cinematic, moody", "A joyful dancer in a flowing red dress, captured mid-movement in a grand ballroom, dramatic spotlight, motion blur, dynamic", "A thoughtful elderly painter in his cluttered studio, surrounded by canvases, soft morning light from a window, detailed textures" ] for i, prompt in enumerate(prompt_list): print(f"正在生成第 {i+1}/{len(prompt_list)} 张: {prompt[:50]}...") payload = { "prompt": prompt, "negative_prompt": "ugly, deformed, cartoon, blurry", "steps": 30, "seed": -1, # 每次都用随机种子 # 可以在这里为每张图设置不同的参数，比如尺寸 # "width": 768 + (i * 128), # 示例：动态改变宽度 # "height": 1024, } try: response = requests.post(api_url, data=json.dumps(payload), headers=headers, timeout=120) # 设置超时 response.raise_for_status() result = response.json() # 保存图片，用索引和提示词关键词命名 if 'images' in result: image_data = base64.b64decode(result['images'][0].split(',', 1)[-1]) image = Image.open(BytesIO(image_data)) # 创建一个简单的文件名，避免特殊字符 safe_prompt_part = prompt.replace(' ', '_').replace(',', '')[:30] filename = f"batch_{i:02d}_{safe_prompt_part}.png" image.save(filename) print(f" 已保存: {filename}") time.sleep(1) # 每次请求后稍作停顿，避免对服务器造成压力 except Exception as e: print(f" 生成第 {i+1} 张时失败: {e}") continue # 跳过这次错误，继续下一张 print("批量生成任务完成！")

4.2 错误处理与重试机制

网络服务不稳定是常有的事。为你的API调用添加重试逻辑，可以显著提高自动化任务的可靠性。

import requests import json import time def generate_with_retry(api_url, payload, max_retries=3, delay=2): """带重试机制的生成函数""" headers = {'Content-Type': 'application/json'} for attempt in range(max_retries): try: print(f"尝试第 {attempt + 1} 次请求...") response = requests.post(api_url, data=json.dumps(payload), headers=headers, timeout=60) response.raise_for_status() # 检查HTTP错误 return response.json() # 成功则返回结果 except (requests.exceptions.ConnectionError, requests.exceptions.Timeout) as e: print(f" 网络错误 ({e})，{delay}秒后重试...") time.sleep(delay) except requests.exceptions.HTTPError as e: # 如果是服务器错误（5xx），可以重试；如果是客户端错误（4xx），重试没用 if 500 <= response.status_code < 600: print(f" 服务器错误 {response.status_code}，{delay}秒后重试...") time.sleep(delay) else: # 4xx错误，如404, 400，通常是请求有问题，直接抛出 raise e # 如果所有重试都失败了 raise Exception(f"API调用失败，已重试{max_retries}次。") # 使用示例 api_url = "http://127.0.0.1:7860/api/generate" payload = {"prompt": "your prompt", "steps": 30} try: result = generate_with_retry(api_url, payload, max_retries=3) # ... 处理成功的result except Exception as e: print(f"最终生成失败: {e}")

4.3 集成到你的应用

将MusePublic API集成到你的Flask、FastAPI应用或桌面程序中，思路是类似的：在你的应用后端，接收用户输入的参数，然后通过requests库去调用MusePublic的API，再将生成的结果（如图片URL或数据）返回给前端。

例如，一个简单的FastAPI后端端点可能长这样：

from fastapi import FastAPI, HTTPException from pydantic import BaseModel import requests import json app = FastAPI() MUSE_API_URL = "http://127.0.0.1:7860/api/generate" class GenerationRequest(BaseModel): prompt: str negative_prompt: str = "" steps: int = 30 seed: int = -1 @app.post("/generate-art/") async def generate_art(request: GenerationRequest): """接收前端请求，转发给MusePublic API""" payload = request.dict() try: response = requests.post(MUSE_API_URL, json=payload, timeout=120) response.raise_for_status() muse_result = response.json() # 这里可以对muse_result进行加工，比如只返回图片的base64数据 if 'images' in muse_result: return {"status": "success", "image_data": muse_result['images'][0]} else: raise HTTPException(status_code=500, detail="MusePublic API返回格式异常") except requests.exceptions.RequestException as e: raise HTTPException(status_code=502, detail=f"调用生成服务失败: {e}")

5. 总结

通过MusePublic的API，我们把一个强大的艺术图像生成引擎，变成了一个可以被任何Python程序轻松调用的函数。从最简单的单次生成，到复杂的批量处理和集成到Web应用，这个API提供了极大的灵活性。

回顾一下关键步骤：

1. 确保服务在线：永远是第一步。
2. 构造请求数据：准备好prompt,negative_prompt,steps,seed等核心参数。
3. 发送并处理请求：使用requests.post()，并妥善处理响应和可能的错误。
4. 解码并保存结果：将返回的Base64图像数据解码成真正的图片文件。

你可以基于这个基础，去探索更多高级功能，比如调整图像尺寸、使用不同的采样器、或者结合LoRA模型进行特定风格的生成。发挥你的创意，用代码驱动艺术创作吧。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。