SD.Next API 批量出图3 条命令跑完 100 张【免费下载链接】automaticSD.Next: All-in-one WebUI for AI generative image and video creation, captioning and processing项目地址: https://gitcode.com/GitHub_Trending/au/automatic板块一 · 定位与场景SD.Next 是 AI 图像视频生成的 WebUIAPI 与 CLI 工具让出图可以做成批量任务。上次想批量验证同一提示词配 30 个艺术家、6 种风格的效果时在界面里一张张点不现实。把任务交给它的 /sdapi/v1/txt2img 接口后全程没离开终端改配置、跑脚本、收图。板块二 · 最小可行路径三步跑通一次。先启动 WebUI等 7860 端口就绪Linux/Mac 用 bash webui.sh。再跑一张图验证 API 可用终端出现 image received 即正常这条命令的作用是把请求发出去并把返回的 base64 解码落盘python cli/api-txt2img.py \ --prompt a small robot on a spaceship \ --width 512 --height 512 --steps 20 \ --output robot.jpg # 返回的 base64 自动保存为本地文件打开 robot.jpg 确认效果即可。这张只用来验证链路批量参数下一节再谈。板块三 · 能力拆解填充动态提示词模板不想手写每条提示词时cli/generate.py 的--prompt dynamic模式会按图取随机组合styleartistplacesuffix等占位符从 generate-random.json 的列表里填充每张图一套组合。模板就是 prompts 数组里的一行字符串占位符可任意增减。用 Python 调接口sdapi.py 是带连接池的异步 HTTP 封装提供 get/post及对应同步版SDAPI_URL、SDAPI_USR、SDAPI_PWD 三个环境变量控制地址与认证。自己的脚本要复用这套请求逻辑时import asyncio, sdapi async def main(): data await sdapi.post(/sdapi/v1/txt2img, {prompt: a small robot, steps: 20}) print(data[info]) asyncio.run(main())在 cli/ 目录下运行即可直接导入 sdapi。串联放大与排版两个常用的后处理入口api-upscale.py 调 /sdapi/v1/extra-single-image 做单图放大image-grid.py 把文件夹里的图排成网格图。两者都是单命令工具第四节的工作流会直接用到。板块四 · 一条完整工作流步骤 1改配置。只动 generate.json必要字段如下其中两处容易卡住{ paths: { root: ./output, generate: image, grid: grid }, generate: { prompt: dynamic, steps: 30, batch_size: 2, seed: -1 }, upscale: { upscaler_1: SwinIR_4x, upscaling_resize: 2 }, options: { sd_model_checkpoint: your-model-name }, // …其余字段省略 }⚠️ paths.root 在仓库里默认是 Windows 路径必须改成你自己的输出目录options 里的 sd_model_checkpoint 要和 WebUI 注册的模型名一致不匹配脚本会直接退出。模型拿不准时可先看 models/Reference/ 下的参考缩略图generate-random.json 可以不动用仓库自带的随机词表。步骤 2跑批。一条命令--max 100表示攒够 100 张自动停跑之前把上面的配置指给它python cli/generate.py --config cli/generate.json --max 100每轮内部拼动态提示词 → 调 txt2img → 存原图并生成网格图 → 放大每张图把提示词、种子、模型写进 EXIF 方便回查。CtrlC 随时停退出时打印每张图的平均耗时。生成期间在浏览器打开 WebUI可看队列与实时输出步骤 3收图。输出目录下三个子目录image/ 原图、upscale/ 放大图、grid/ 网格图。要把现有的一批图重新排成一张拼版直接跑这条python cli/image-grid.py --square portfolio.jpg output/image第一个位置参数是输出文件名后面是图片目录默认带文件名标签。板块五 · 收尾接下来可以试试把 generate.json 的 batch_size 从 2 改成 4观察单图耗时和显存变化对不满意的单图单独跑python cli/api-upscale.py --input 文件 --scale 2或在 generate.py 后加--detailer打开 modules/api/endpoints.py看 /sdapi/v1/caption、/sdapi/v1/img2img 等其他端点能接到什么流程里跑完上面流程后先把 batch_size 改成 4 再跑一次对比单图耗时。【免费下载链接】automaticSD.Next: All-in-one WebUI for AI generative image and video creation, captioning and processing项目地址: https://gitcode.com/GitHub_Trending/au/automatic创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/9/22 22:09:21 · 阅读 1.2k SD.Next API 批量出图：3 条命令跑完 100 张
SD.Next API 批量出图3 条命令跑完 100 张【免费下载链接】automaticSD.Next: All-in-one WebUI for AI generative image and video creation, captioning and processing项目地址: https://gitcode.com/GitHub_Trending/au/automatic板块一 · 定位与场景SD.Next 是 AI 图像视频生成的 WebUIAPI 与 CLI 工具让出图可以做成批量任务。上次想批量验证同一提示词配 30 个艺术家、6 种风格的效果时在界面里一张张点不现实。把任务交给它的 /sdapi/v1/txt2img 接口后全程没离开终端改配置、跑脚本、收图。板块二 · 最小可行路径三步跑通一次。先启动 WebUI等 7860 端口就绪Linux/Mac 用 bash webui.sh。再跑一张图验证 API 可用终端出现 image received 即正常这条命令的作用是把请求发出去并把返回的 base64 解码落盘python cli/api-txt2img.py \ --prompt a small robot on a spaceship \ --width 512 --height 512 --steps 20 \ --output robot.jpg # 返回的 base64 自动保存为本地文件打开 robot.jpg 确认效果即可。这张只用来验证链路批量参数下一节再谈。板块三 · 能力拆解填充动态提示词模板不想手写每条提示词时cli/generate.py 的--prompt dynamic模式会按图取随机组合styleartistplacesuffix等占位符从 generate-random.json 的列表里填充每张图一套组合。模板就是 prompts 数组里的一行字符串占位符可任意增减。用 Python 调接口sdapi.py 是带连接池的异步 HTTP 封装提供 get/post及对应同步版SDAPI_URL、SDAPI_USR、SDAPI_PWD 三个环境变量控制地址与认证。自己的脚本要复用这套请求逻辑时import asyncio, sdapi async def main(): data await sdapi.post(/sdapi/v1/txt2img, {prompt: a small robot, steps: 20}) print(data[info]) asyncio.run(main())在 cli/ 目录下运行即可直接导入 sdapi。串联放大与排版两个常用的后处理入口api-upscale.py 调 /sdapi/v1/extra-single-image 做单图放大image-grid.py 把文件夹里的图排成网格图。两者都是单命令工具第四节的工作流会直接用到。板块四 · 一条完整工作流步骤 1改配置。只动 generate.json必要字段如下其中两处容易卡住{ paths: { root: ./output, generate: image, grid: grid }, generate: { prompt: dynamic, steps: 30, batch_size: 2, seed: -1 }, upscale: { upscaler_1: SwinIR_4x, upscaling_resize: 2 }, options: { sd_model_checkpoint: your-model-name }, // …其余字段省略 }⚠️ paths.root 在仓库里默认是 Windows 路径必须改成你自己的输出目录options 里的 sd_model_checkpoint 要和 WebUI 注册的模型名一致不匹配脚本会直接退出。模型拿不准时可先看 models/Reference/ 下的参考缩略图generate-random.json 可以不动用仓库自带的随机词表。步骤 2跑批。一条命令--max 100表示攒够 100 张自动停跑之前把上面的配置指给它python cli/generate.py --config cli/generate.json --max 100每轮内部拼动态提示词 → 调 txt2img → 存原图并生成网格图 → 放大每张图把提示词、种子、模型写进 EXIF 方便回查。CtrlC 随时停退出时打印每张图的平均耗时。生成期间在浏览器打开 WebUI可看队列与实时输出步骤 3收图。输出目录下三个子目录image/ 原图、upscale/ 放大图、grid/ 网格图。要把现有的一批图重新排成一张拼版直接跑这条python cli/image-grid.py --square portfolio.jpg output/image第一个位置参数是输出文件名后面是图片目录默认带文件名标签。板块五 · 收尾接下来可以试试把 generate.json 的 batch_size 从 2 改成 4观察单图耗时和显存变化对不满意的单图单独跑python cli/api-upscale.py --input 文件 --scale 2或在 generate.py 后加--detailer打开 modules/api/endpoints.py看 /sdapi/v1/caption、/sdapi/v1/img2img 等其他端点能接到什么流程里跑完上面流程后先把 batch_size 改成 4 再跑一次对比单图耗时。【免费下载链接】automaticSD.Next: All-in-one WebUI for AI generative image and video creation, captioning and processing项目地址: https://gitcode.com/GitHub_Trending/au/automatic创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考