Bria 2.3、Bria 2.2 HD 和 Bria 2.3 Fast 现在已在 Amazon S
Bria 2.3 和新版本在 Amazon SageMaker JumpStart 上发布
关键要点
- 发布新模型 ：Bria 2.3、Bria 2.2 HD 和 Bria 2.3 Fast 的文本到图像基础模型现已在 Amazon SageMaker JumpStart 上可用。
- 高质量内容生成 ：Bria 模型通过高质量和上下文相关的视觉内容来满足电子商务、媒体娱乐、游戏等行业的需求。
- 易于部署 ：通过 SageMaker Studio 和 Python SDK，用户可以轻松发现、部署和运行 Bria 2.3 模型。
我们很高兴地宣布，Bria AI 提供的 Bria 2.3、2.2 HD 和 2.3 Fast 文本到图像基础模型（FMs）现在可以在 中使用。Bria模型专门基于商用许可数据进行训练，确保安全和合规，提供全面法律保护。
这些先进的 Bria AI模型能够生成高质量、上下文相关的视觉内容，适用于营销、设计和图像生成，为电子商务、媒体娱乐、游戏、消费品和零售等多个行业提供服务。
在本文中，我们将讨论 Bria 模型家族，解释 平台，并详细说明如何使用 SageMaker JumpStart 发现、部署和运行 Bria 2.3 模型进行推理。
Bria 2.3、Bria 2.2 HD 和 Bria 2.3 Fast 概述
Bria AI 提供一系列高质量视觉内容模型。这些先进模型代表了生成 AI 技术在图像创建方面的前沿：
| 模型名称 | 特点 | 适用场景 |
|---|---|---|
| Bria 2.3 | 核心模型，具有卓越的真实感和细节，能够生成复杂概念的精彩图像。 | 各种艺术风格中的高质量成像 |
| Bria 2.2 HD | 专为高清优化，提供高清视觉内容，确保每个细节都清晰可见。 | 高分辨率应用与设计需求 |
| Bria 2.3 Fast | 以速度优化，能够以更快的速度生成高质量视觉内容。 | 对快速周转有要求的应用 |
SageMaker JumpStart 概述
借助 SageMaker JumpStart，可以从广泛的公开 FM 选择中进行选择。机器学习从业者可以将 FM 部署到专用的 SageMaker实例，从网络隔离环境中自定义模型，利用 SageMaker 平台进行模型训练和部署。您现在可以在 或通过 SageMaker Python SDK 进行 Bria 模型的发现和部署。这使您能够利用 SageMaker 特性，如 、 或容器日志来评估模型性能和机器学习操作（MLOps）控制。
该模型在安全的 AWS 环境中部署，受您的虚拟私有云（VPC）控制，帮助保障数据安全。今天，Bria 模型已有 22 个 AWS 区域可用于 SageMaker Studio 部署及推理，需要使用 g5 和 p4 实例。
前提条件
要尝试使用 SageMaker JumpStart 中的 Bria 模型，您需要以下前提条件：
- 一个包含您所有 AWS 资源的 AWS 账户。
- 一个用于访问 SageMaker 的 （IAM）角色。有关 IAM 如何与 SageMaker 配合使用的更多信息，请参见 。
- 访问 的权限。
- 访问 SageMaker Studio、SageMaker 笔记本实例，或集成开发环境（IDE），如 PyCharm 或 Visual Studio Code。推荐使用 SageMaker Studio，以便简化部署和推理流程。
在 SageMaker JumpStart 中发现 Bria 模型
您可以通过 SageMaker JumpStart 在 SageMaker Studio UI 和 SageMaker Python SDK 中访问这些 FM。在本节中，我们展示如何在 SageMaker Studio 中发现模型。
SageMaker Studio 是一个 IDE，提供单一的基于网络的可视化界面，您可以使用该界面访问一系列专门工具，执行所有机器学习开发步骤，从数据准备到构建、训练和部署机器学习模型。有关如何入门和设置 SageMaker Studio 的更多细节，请参见 。
在 SageMaker Studio 中，您可以通过在导航窗格中选择 JumpStart ，或在 主页 上选择 JumpStart 来访问 SageMaker JumpStart。
在 SageMaker JumpStart 的着陆页上，您可以找到来自流行模型库的预训练模型。通过搜索 Bria，您将看到所有可用的 Bria模型变体的列表。本文中，我们将使用 Bria 2.3 商用文本到图像模型。
您可以选择模型卡以查看有关模型的详细信息，如许可、训练数据及如何使用该模型。您还有两个选项，部署 和 预览笔记本 ，可用于部署模型并创建端点。
在 AWS Marketplace 中订阅 Bria 模型
当您选择 部署 时，如果模型尚未订阅，您需要首先进行订阅，然后才能部署该模型。接下来，我们演示如何为 Bria 2.3 商用文本到图像模型进行订阅。
在选择 订阅 后，您将被重定向到模型概述页面，在此您可以阅读有关模型的详细信息、定价、用法和其他信息。选择 继续订阅 并接受下一页上的报价以完成订阅。
使用 AWS Marketplace 配置和部署 Bria 模型
配置页面提供了三种不同的启动方法供您选择。本节展示了如何使用 SageMaker 控制台：
- 在 可用启动方法 中选择 SageMaker 控制台 。
- 在 区域 中，选择您首选的区域。
- 选择 在 Amazon SageMaker 中查看 。
之后，您需要为 模型名称 输入名称（例如 Model-Bria-v2-3），为 IAM 角色 选择现有 IAM 角色或创建一个附带
SageMaker 完全访问 IAM 策略的新角色。
请按照屏幕上的提示进行操作并创建端点。
使用 SageMaker JumpStart 配置和部署 Bria 模型
如果 Bria 模型已在 AWS Marketplace 中订阅，您可以在模型卡页面选择 部署 来配置端点。SageMaker会为您预填充端点名称、推荐的实例类型、实例数量和其他详细信息。您可以根据需要进行修改，然后选择 部署 创建端点。
成功创建端点后，状态将显示为 服务中 。
在 SageMaker Studio 中运行推理
在 SageMaker Studio 中，您可以通过发送示例推理请求有效负载来测试端点，或使用 SageMaker 笔记本。以下是在 SageMakerStudio 中使用的方法：
- 在 SageMaker Studio 的导航窗格中，选择 端点 选项卡下的 部署 。
- 选择您刚刚创建的 Bria 端点。
- 在 测试推理 选项卡中，通过发送示例请求来测试端点。您可以在同一页面上查看响应。
使用 SageMaker 笔记本进行文本到图像生成
您还可以使用 SageMaker 笔记本根据已部署的端点使用 SageMaker Python SDK 运行推理。
以下代码用于启动您使用 SageMaker JumpStart 创建的端点：
# 使用现有端点名称
endpoint_name = "XXXXXXXX" # 用您的端点名称替换
# 创建 SageMaker 预测器对象
bria_predictor = Predictor( endpoint_name=endpoint_name,
serializer=JSONSerializer(), deserializer=JSONDeserializer(), )
bria_predictor.endpoint_name ```
模型的响应是 base64 编码格式。以下函数帮助解码 base64 编码的图像并将其显示为图像：
```python import base64 from PIL import Image import io
def display_base64_image(base64_string): image_bytes =
base64.b64decode(base64_string) image_stream = io.BytesIO(image_bytes) image =
Image.open(image_stream)
# 显示图像
image.show()
以下是使用 Bria 模型生成图像的文本提示示例有效负载：
response = bria_predictor.predict(payload) artifacts =
response['artifacts'][0]
encoded_image = artifacts['image_base64']
display_base64_image(encoded_image) ```
您可以像标准图像生成模型一样与 Bria 2.3 模型进行互动，在此部分提供一些示例提示和样本输出：
* 在城市中，专业滑板手带着墨镜，摄影动态捕捉，蓝绿色和橙色的色调
* 流淌的卷发的年轻女子站在地铁站台上，被快速列车的斑斓灯光照亮，紫色和青色的色彩
* 室内的温馨光线下，活力十足的蓝色和绿色鹦鹉依偎在木枝上
* 蓝色和紫色霓虹色的光速运动，背景是高楼大厦
### 清理资源
完成笔记本操作后，请删除您创建的所有资源，以停止计费。可以使用以下代码：
`python predictor.delete_model() predictor.delete_endpoint()`
## 结论
随着 Bria 2.3、2.2 HD 和 2.3 Fast 在 SageMaker JumpStart 和 AWS Marketplace的发布，企业现在可以利用先进的生成 AI能力来提升其视觉内容创建流程。这些模型在质量、速度和合规性之间取得了良好平衡，使其成为在竞争激烈的市场中保持领先地位的组织的宝贵资产。
Bria 对负责任 AI 的承诺以及 SageMaker 的强大安全框架为企业提供了全面的数据隐私、合规性和商业使用的负责任 AI模型。同时，集成平台体验充分利用了两者的能力，简化了 MLOps、数据存储和实时处理。
有关在 SageMaker JumpStart 中使用 FM 的更多信息，请参见 、 和 。
今天就探索 Bria 模型在 SageMaker JumpStart 中的应用，彻底改变您的视觉内容创建过程吧！
* * *
## 作者介绍
**
Leave a Reply