在充满活力的技术领域中，创新不断塑造着可能的边界，而人工智能（AI）从未停止过吸引我们的想象力。
人工智能是指计算机系统对人类智能过程的模拟。这些过程包括学习、推理、解决问题、感知、语言理解和决策等任务。
如今，个人和公司已经开发并训练出了多个人工智能模型，可以比人类更好地实时执行某些任务。在人工智能的无数应用中，一个特别引人关注的领域是人工智能驱动的图像生成。
您正在构建的内容
本指南介绍如何构建一个 React 应用程序，通过 Node.js 后端与 OpenAI DALL-E API 无缝集成，并根据文本提示生成图像。
运行中的人工智能图像生成器，使用 DALL-E API 生成生动而富有创意的图像。
要参与本项目，您应具备以下条件
- 对 HTML、CSS 和 JavaScript 有基本了解
- React 和 Node.js 的基础知识
- 计算机上安装了 Node.js 和 npm（Node 包管理器）或 yarn
什么是 OpenAI DALL-E API？
OpenAI API 是一个基于云的平台，它允许开发者访问 OpenAI 预先训练好的人工智能模型，如 DALL-E 和 GPT-3（我们使用该模型在此 Git 仓库中的代码构建了 ChatGPT 克隆版）。它允许开发人员在程序中添加摘要、翻译、图像生成和修改等人工智能功能，而无需开发和训练自己的模型。
要使用 OpenAI API，请使用 Google 账户或电子邮件在 OpenAI 网站上创建一个账户，并获取一个 API 密钥。要生成 API 密钥，请单击网站右上角的 “Personal“，然后选择 “View API keys“。
创建 OpenAI API 密钥的过程。
单击 “Create new secret key” 按钮，并将密匙保存在某处。您将在本应用程序中使用它与 OpenAI 的 DALL-E API 进行交互。
设置开发环境
您可以从头开始创建 React 应用程序并开发自己的界面，也可以按照以下步骤获取我们的 Git 启动模板：
- 访问本项目的 GitHub 仓库。
- 选择 “Use this template“>”Create a new repository“，将启动代码复制到 GitHub 账户中的仓库（选中复选框以包含所有分支）。
- 将仓库拉到本地电脑，然后使用命令切换到 starter-files 分支：
git checkout starter-files。 - 运行
npm install命令安装必要的依赖项。
安装完成后，就可以在本地电脑上使用 npm run start 启动项目。这样，项目就可以在 http://localhost:3000/ 上运行了。
AI 图像生成器应用程序的用户界面，展示了人工智能在图像创建方面的强大功能。
在本项目中，我们为 React 应用程序添加了所有必要的依赖项。以下是已安装内容的概览：
- file-server：该实用库简化了下载生成图片的过程。它与下载按钮相连，确保了流畅的用户体验。
- uuid：该库为每张图片分配一个唯一标识。这可以防止图像共享相同的默认文件名，从而保持秩序和清晰度。
- react-icons：该库集成到项目中，可以毫不费力地整合图标，增强应用程序的视觉吸引力。
React 应用程序的核心是 src 文件夹。这里存放着 Webpack 的基本 JavaScript 代码。让我们来了解一下 src 文件夹中的文件和文件夹：
- assets：在此目录中，您可以找到整个项目中使用的图片和加载器 gif。
- data：该文件夹包含一个 index.js 文件，可导出 30 个提示数组。这些提示可用于生成各种随机图片。请随意编辑。
- index.css：这里存储了本项目中使用的样式。
了解 Utils 文件夹
在该文件夹中，index.js 文件定义了两个可重复使用的函数。第一个函数会随机选择描述可生成的各种图像的提示。
import { randomPrompts } from '../data';
export const getRandomPrompt = () => {
const randomIndex = Math.floor(Math.random() * randomPrompts.length);
const randomPrompt = randomPrompts[randomIndex];
return randomPrompt;
}
第二个函数利用 file-saver 依赖关系处理生成图像的下载。这两个函数的创建都是为了提供模块化和高效性，在需要时可以方便地导入到组件中。
import FileSaver from 'file-saver';
import { v4 as uuidv4 } from 'uuid';
export async function downloadImage(photo) {
const _id = uuidv4();
FileSaver.saveAs(photo, `download-${_id}.jpg`);
}
在上面的代码中，uuid 属性为每个生成的图像文件提供了一个唯一的 ID，因此它们不会有相同的文件名。
了解组件
组件是分隔开来的小代码块，使代码易于维护和理解。本项目创建了三个组件： Header.jsx、Footer.jsx 和 Form.jsx。主要组件是表单组件，在该组件中，输入被接收并传递到 App.jsx 文件，generateImage 函数被添加为 Generate Image 按钮的 onClick 事件。
在表单组件中，创建了一个状态来存储和更新提示。此外，您还可以通过点击随机图标来生成随机提示。这是通过 handleRandomPrompt 函数实现的，该函数使用了已设置的 getRandomPrompt 函数。当你点击图标时，它会获取随机提示并更新状态：
const handleRandomPrompt = () => {
const randomPrompt = getRandomPrompt();
setPrompt(randomPrompt)
}
了解 App.jsx 文件
大部分代码都在这里。所有组件都集中在这里。还有一个指定区域用于显示生成的图片。如果尚未生成图像，则会显示一个占位符图像（预览图像）。
在该文件中，有两种状态需要管理：
isGenerating: 用于跟踪图像当前是否正在生成。默认设置为 false。generatedImage: 该状态存储已生成图像的相关信息。
此外，还导入了 downloadImage 实用程序函数，使您可以在单击 Download 按钮时触发生成图像的下载：
现在，您已经了解了启动文件并设置了项目。让我们开始处理这个应用程序的逻辑。
使用 OpenAI 的 DALL-E API 生成图像
要利用 OpenAI 的 DALL-E API 功能，您需要使用 Node.js 建立一个服务器。在该服务器中，您将创建一个 POST 路由。该路由将负责接收从 React 应用程序发送的提示文本，然后利用它生成图像。
要开始工作，请运行以下命令在项目目录中安装必要的依赖项：
npm i express cors openai
此外，将以下依赖项安装为开发依赖项。这些工具将帮助您设置 Node.js 服务器：
npm i -D dotenv nodemon
已安装的依赖项说明如下：
- express: 该库有助于在 Node.js 中创建服务器。
- cors: CORS 可促进不同域之间的安全通信。
- openai: 通过该依赖关系，您可以访问 OpenAI 的 DALL-E API。
- dotenv: dotenv 协助管理环境变量。
- nodemon: nodemon 是一种开发工具，可监控文件的变化并自动重启服务器。
安装成功后，在项目根目录下创建 server.js 文件。所有服务器代码都将存放在这里。
在 server.js 文件中，导入刚安装的库并将其实例化：
// Import the necessary libraries
const express = require('express');
const cors = require('cors');
require('dotenv').config();
const OpenAI = require('openai');
// Create an instance of the Express application
const app = express();
// Enable Cross-Origin Resource Sharing (CORS)
app.use(cors());
// Configure Express to parse JSON data and set a data limit
app.use(express.json({ limit: '50mb' }));
// Create an instance of the OpenAI class and provide your API key
const openai = new OpenAI({
apiKey: process.env.OPENAI_API_KEY,
});
// Define a function to start the server
const startServer = async () => {
app.listen(8080, () => console.log('Server started on port 8080'));
};
// Call the startServer function to begin listening on the specified port
startServer();
在上面的代码中，你需要导入必要的库。然后，使用 const app = express(); 建立一个 Express 应用程序实例。然后，启用 CORS。接下来，配置 Express 以处理传入的 JSON 数据，并指定数据大小限制为 50MB。
随后，使用 OpenAI API 密钥创建 OpenAI 类实例。在项目根目录下创建 .env 文件，并使用 OPENAI_API_KEY 变量添加 API 密钥。最后，定义异步 startServer 函数并调用它来启动服务器。
现在你已经配置好了 server.js 文件。让我们创建一个 POST 路由，您可以在 React 应用程序中使用该路由与服务器交互：
app.post('/api', async (req, res) => {
try {
const { prompt } = req.body;
const response = await openai.images.generate({
prompt,
n: 1,
size: '1024x1024',
response_format: 'b64_json',
});
const image = response.data[0].b64_json;
res.status(200).json({ photo: image });
} catch (error) {
console.error(error);
}
});
在这段代码中，路由设置为 /api ，旨在处理传入的 POST 请求。在路由的回调函数中，您将使用 req.body 接收到从 React 应用程序发送的数据，特别是 prompt 值。
随后，会调用 OpenAI 库的 images.generate 方法。该方法接收所提供的提示并生成图像作为响应。n 等参数决定了要生成的图片数量（这里只有一张），size 指定了图片的尺寸，response_format 则指示了应提供的响应格式（本例中为 b64_json ）。
生成图片后，从响应中提取图片数据并存储到 image 变量中。然后，使用 res.status(200).json({ photo: image }) 向 React 应用程序发送包含生成的图像数据的 JSON 响应，并将 HTTP 状态设置为 200（表示成功）。
如果在此过程中出现任何错误，将执行 catch 代码块中的代码，并将错误记录到控制台以便调试。
现在服务器已经准备就绪！让我们在 package.json 文件 scripts 对象中指定用于运行服务器的命令：
"scripts": {
"dev:frontend": "react-scripts start",
"dev:backend": "nodemon server.js",
"build": "react-scripts build",
},
现在运行 npm run dev:backend 时，服务器将在 http://localhost:8080/ 上启动，而运行 npm run dev:frontend 时，React 应用程序将在 http://localhost:3000/ 上启动。确保两者在不同的终端运行。
从 React 向 Node.js 服务器发出 HTTP 请求
在 App.jsx 文件中，您将创建一个 generateImage 函数，当点击 Form.jsx 组件中的 Generate Image（生成图片）按钮时触发该函数。该函数接受两个参数：来自 Form.jsx 组件的 prompt 和 setPrompt 。
在 generateImage 函数中，向 Node.js 服务器发出 HTTP POST 请求：
const generateImage = async (prompt, setPrompt) => {
if (prompt) {
try {
setIsGenerating(true);
const response = await fetch(
'http://localhost:8080/api',
{
method: 'POST',
headers: {
'Content-Type': 'application/json',
},
body: JSON.stringify({
prompt,
}),
}
);
const data = await response.json();
setGeneratedImage({
photo: `data:image/jpeg;base64,${data.photo}`,
altText: prompt,
});
} catch (err) {
alert(err);
} finally {
setPrompt('');
setIsGenerating(false);
}
} else {
alert('Please provide proper prompt');
}
};
在上面的代码中，您要检查 prompt 参数是否有值，然后将 isGenerating 状态设为 true ，因为操作正在开始。这将使加载器显示在屏幕上，因为在 App.jsx 文件中，我们有这段代码控制加载器的显示：
接下来，使用 fetch() 方法，使用 http://localhost:8080/api 向服务器发出 POST 请求–这就是我们安装 CORS 的原因，因为我们正在与另一个 URL 上的 API 交互。我们使用提示作为消息正文。然后，提取 Node.js 服务器返回的响应，并将其设置为 generatedImage 状态。
一旦 generatedImage 状态有了值，图片就会显示出来：
这就是 App.jsx 文件的完整内容：
import { Form, Footer, Header } from './components';
import preview from './assets/preview.png';
import Loader from './assets/loader-3.gif'
import { downloadImage } from './utils';
import { useState } from 'react';
const App = () => {
const [isGenerating, setIsGenerating] = useState(false);
const [generatedImage, setGeneratedImage] = useState({
photo: null,
altText: null,
});
const generateImage = async (prompt, setPrompt) => {
if (prompt) {
try {
setIsGenerating(true);
const response = await fetch(
'http://localhost:8080/api',
{
method: 'POST',
headers: {
'Content-Type': 'application/json',
},
body: JSON.stringify({
prompt,
}),
}
);
const data = await response.json();
setGeneratedImage({
photo: `data:image/jpeg;base64,${data.photo}`,
altText: prompt,
});
} catch (err) {
alert(err);
} finally {
setPrompt('');
setIsGenerating(false);
}
} else {
alert('Please provide proper prompt');
}
};
return (
<div className='container'>
<Header />
<main className="flex-container">
<Form generateImage={generateImage} prompt={prompt} />
<div className="image-container">
{generatedImage.photo ? (
<img
src={generatedImage.photo}
alt={generatedImage.altText}
className="imgg ai-img"
/>
) : (
<img
src={preview}
alt="preview"
className="imgg preview-img"
/>
)}
{isGenerating && (
<div className="loader-comp">
<img src={Loader} alt="" className='loader-img' />
</div>
)}
<button
className="btn"
onClick={() => downloadImage(generatedImage.photo)}
>
Download
</button>
</div>
</main>
<Footer />
</div>
);
};
export default App;
将您的全栈应用程序部署到 Kinsta
到目前为止，您已经成功构建了一个能与 Node.js 交互的 React 应用程序，这使它成为一个全栈应用程序。现在让我们将此应用程序部署到 Kinsta。
首先，配置服务器，以便为 React 应用程序构建过程中生成的静态文件提供服务。这可以通过导入 path 模块并使用它来提供静态文件来实现：
const path = require('path');
app.use(express.static(path.resolve(__dirname, './build')));
当您执行 npm run build && npm run dev:backend 命令时，您的全栈 React 应用程序将加载到 http://localhost:8080/。这是因为 React 应用程序已编译成 build 文件夹中的静态文件。然后，这些文件将作为静态目录并入 Node.js 服务器。因此，当您运行 Node 服务器时，就可以访问应用程序。
在将代码部署到您选择的 Git 提供商（Bitbucket、GitHub 或 GitLab）之前，请记住修改 App.jsx 文件中的 HTTP 请求 URL。将 http://localhost:8080/api 改为 /api ，因为 URL 将被预输入。
最后，在 package.json 文件中，为用于部署的 Node.js 服务器添加一个脚本命令：
"scripts": {
// …
"start": "node server.js",
},
接下来，按照以下步骤将代码推送到您首选的 Git 提供商，并将您的仓库部署到 Kinsta：
- 在 MyKinsta 面板上登录您的 Kinsta 账户。
- 选择左侧边栏上的 Application ，然后单击 “Add Application” 按钮。
- 在出现的模态中，选择要部署的版本库。如果有多个分支，可以选择所需的分支并为应用程序命名。
- 从可用的数据中心位置中选择一个。
- 将
OPENAI_API_KEY添加为环境变量。Kinsta 会自动为你设置一个 Dockerfile。 - 最后，在启动命令字段中添加
npm run build && npm run start。Kinsta 会从 package.json 安装应用程序的依赖项，然后构建并部署应用程序。
小结
小结在本指南中，您将学习如何利用 OpenAI 的 DALL-E API 的强大功能来生成图像。您还学会了如何使用 React 和 Node.js 构建基本的全栈应用程序。
人工智能的可能性是无限的，因为每天都有新的模型问世，您可以创建令人惊叹的项目，并将其部署到应用程序托管中。
原文地址：https://www.wbolt.com/ai-image-generator.html
