今天了解了一个新的项目，stable-diffusion.java， 这是一个Java 项目，通过底层调用stable-diffusion.cpp， 从而让Java 项目也能AI 画图， 好神奇！

stable-diffusion.java的官网（
https://github.com/javaaiorg/stable-diffusion.java）介绍， stable-diffusion.java 项目是基于stable-diffusion.cpp 的Java项目， 在Java平台上调用Stable Diffusion的 AI 模型，实现从文字到图片转换，也支持从图片到图片的transform， 它支持的Stable Diffusion模型包括v1.4， v1.5， v2.1， 目前支持Mac， Windows和Linux 平台。

stable-diffusion.java的使用也非常简单。

一、添加依赖

首先， 在项目中添加依赖：

org.javaai.stablediffusion

StableDiffusionApi

1.0.4

二、下载Stable Diffusion 模型

然后， 下载Stable Diffusion 模型， 这对于经常使用Stable Diffusion 的人来说是非常简单的：

curl -L -O https://huggingface.co/CompVis/stable-diffusion-v-1-4-original/resolve/main/sd-v1-4.ckpt
# curl -L -O https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.safetensors
# curl -L -O https://huggingface.co/stabilityai/stable-diffusion-2-1/resolve/main/v2-1_768-nonema-pruned.safetensors

三、Java 项目中调用Stable Diffusion：加载动态链接库

最后， 就可以在Java 项目中调用Stable Diffusion 了。

调用的时候， 第一步就是要加载动态链接库（dynamic link library）：

StableDiffusionLoader.loadShared();

没错的，StableDiffusionApi native 是通过C++来实现的， 还记得最开始介绍的stable-diffusion.cpp吗？

这个是Stable Diffusion 的C++ 版本， 基于ggml，完全通过C++来使用Stable Diffusion。 而stable-diffusion.java 就是stable-diffusion.cpp的Java Binding， 在stable-diffusion.cpp的基础上通过动态链接库，调用stable-diffusion.cpp的方法。

等等， 对于一些AI 小白来说， 什么是GGML？

GGML 是一个用于机器学习的 C 库，允许使用大语言模型在CPU上进行推理。“GG”指的是其创始人 (Georgi Gerganov) 的缩写。

我们一般都或多或少的了解到， 学习AI，尤其是最近的生成式人工智能技术， 非常依赖显卡， 那么这个GGML 又可以做到在CPU 上运行， 甚至不需要显卡， 那这是怎么做到的呢？

答案就在于， 为了做到这一点，GGML使用了量化（quantization）技术，这种量化技术允许 LLM 在消费类硬件上运行，并进行有效的 CPU 推理。

下面这张图片， 非常形象的介绍了什么是量化：

在大语言模型中， 一个典型的LLM，一般包含一个数值矩阵，通常称为权重（weight）。 量化的过程，就是最小化内存消耗，将这些权重转换为更有效的数据类型。

可见， 量化，就是通过数据类型的精度降级，从而减少计算量：

下面这张图解释了LLM中常见的int8、int4等权重长度的单位：

通过采用这种技术，即使是资源最密集的LLM也可以适应在功能较弱的硬件上执行，而不会影响生成响应的速度或准确性。

量化技术根据量化的阶段，有不同的方法，对于在CPU 上进行推理工作而言， GGML 提供了量化的方法。

GGML 支持多种不同的量化策略（例如 4 位、5 位和 8 位量化），每种策略都在效率和性能之间提供不同的权衡。

除了定义低级机器学习原语（如张量类型）之外，GGML 还定义了用于分发大型语言模型 (LLM) 的二进制格式。

四、Java 项目中调用Stable Diffusion

动态库已经封装在相应的jar 里面了， 所以作为Java 程序猿， 只需要执行这个StableDiffusionLoader， 就可以操作Stable Diffusion 了。

如果见到下面的错误， 就要排查动态链接库的加载：

java.lang.UnsatisfiedLinkError: org.javaai.stablediffusion.api.StableDiffusion.newInstance (IZLjava/lang/String; Ljava/lang/String; ZLjava/lang/Boolean; Ljava/lang/String; I)J

如果StableDiffusionAPI 加载成功， 那么就可以创建StableDiffusion 对象：

StableDiffusion sd = new StableDiffusion();

然后加载模型：

sd.loadFromFile(modelPath, null, null, null);

最后， 就可以从文本创建图像了：

StableResult result = sd.txt2img("a lovely cat");

返回值中包含一个Txt2ImgParams 对象和BufferedImage， BufferedImage 就是Stable Diffusion 产生的图像， 而Txt2ImgParams 则包含了调用AI 模型的所有参数， 上面的sd.txt2img("a lovely cat")实际上是一个简化的调用， 下面是参数更多的方法：

StableResult imgs = sd.txt2img("a lovely cat", 
	null, null, null, null, null, 20, 
	(long)(Math.random() * Long.MAX_VALUE), null);

最后一步，就是把BufferedImage 写入本地文件：

for (int i = 0; i < imgs.getResultImages().size(); i ++) {
	BufferedImage img = imgs.getResultImages().get(i);
	ImageIO.write(img, "jpg", new File(outputDir, "sd-java-txt2img-" + i + ".jpg"));
}

就可以得到这种照片啦：

来看一下整体的调用代码：

import org.javaai.stablediffusion.api.SDLogCallback;
import org.javaai.stablediffusion.api.StableDiffusion;
import org.javaai.stablediffusion.api.StableDiffusionLoader;
import org.javaai.stablediffusion.api.Util;

public class Main {
	
	
	public static void main(String[] args) throws Exception {
		
		StableDiffusionLoader.loadShared();
		
		StableDiffusion sd = new StableDiffusion();
		Util.setSDLogCallback(new SDLogCallback() {
			
			@Override
			public void onSDLogCallback(int SDLogLevel, String file, int line, String log) {
				System.out.println(log);
			}
		});
		
		boolean loadFromFile = sd.loadFromFile("/Users/u/Desktop/models/sd-v1-4.ckpt", null, null, null);
		
		System.out.println("load:" + loadFromFile);
		sd.txt2img("test");
		
		
		sd.close();
		
		System.out.println("success");
		
	}

}

stable-diffusion.java 还支持从图生成图， 这里不作进一步介绍了， 有兴趣的可以自行去搭建和体验

#Stable Diffusion##Java# #让AI触手可及##人工智能##Java学习#