[AI] 이미지 생성시 DALLE에서 Stable Diffusion으로 AI모델 변경 with SpringAI

스프링

[AI] 이미지 생성시 DALLE에서 Stable Diffusion으로 AI모델 변경 with SpringAI

Ash_jisu 2025. 2. 2. 20:47

기존 서비스의 문제점

- 프로젝트 초기 DALLE3선택 이유

여행 일정기반 AI코디북 생성 기능을 제공하는 웹 서비스를 진행했었다. 하지만 해당 기능의 문제점은 과도한 옵션과 시간을 잡아먹는 점이다. 싸피에서 프로젝트 진행시 제공받은 gpt key를 이용해 API를 사용했고 DALLE2와 3고민중 2가 프롬프트 내용을 적용을 잘 못시키고 매번 결과물이 이상하게 나왔기 때문에 DALLE3을 선택했었다. 문제는 DALLE3는 cfg_scale, steps와 같은 해상도 직접 조정 불가능하다. 따라서 OpenAI가 미리 정의한 최적의 설정에 의존한다.

- 과도한 시간 소비

해당 여행 일정 날씨 + 코디북 이미지 + 여행 준비물이 나오는 시간은 무려 27~28초. 사용자가 열받기 충분한 시간이다. 따라서 다른 이미지 AI모델을 찾아봤다.

Stable Diffusion 도입기

Stable Diffsuion 소개

텍스트나 이미지를 기반으로 새로운 이미지를 생성하는 기술, 로컬 환경 또는 클라우드 API를 통해 활용할 수 있다.

- Local 설치 방식 vs API 사용 방식 차이

1. Local 특징

커스터마이징 가능: cfg_scale, steps, seed등 세부 옵션 조정 가능
서버 비용이 무료라면 서비스도 무료! 아 물론 본인 서버 아니면 비용듬
하드웨어 제약: GPU가 없는 경우 속도 느림

2. 클라우드 API 특징

초기 설치 없이 API 호출만으로 사용 가능
GPU, 서버와 같은 하드웨어 부담없음
비용 문제: API 호출 수와 생성 이미지에 따라 증가

- 선택한 방식: Stability AI API

소규모 프로젝트 서비스에 AWS에서 GPU 인스턴스를 사용하는 EC2 비용을 지불하기에는 과도한 예산
Spring AI와의 연결성

Local 설치 및 테스트

본 API를 사용하기 전에 프롬프트 무료로 연습겸 Local에 별도로 설치 및 테스트 진행
2개 사이트 선택 및 진행

Stable Diffusion: Automatic 1111 설치 및 활용 가이드

서론Stable Diffusion은 텍스트에서 이미지를 생성하는 강력한 도구로, 창의적 프로젝트에 널리 사용되고 있습니다. 이 가이드에서는 Windows, Mac, Ubuntu 환경에서 Stable Diffusion을 설치하고 활용하는 방

pointer81.tistory.com

GitHub - AUTOMATIC1111/stable-diffusion-webui: Stable Diffusion web UI

Stable Diffusion web UI. Contribute to AUTOMATIC1111/stable-diffusion-webui development by creating an account on GitHub.

github.com

설치 및 실행
- 일단은 해당 링크로 들어가서 다운로드 받은 후 실행하면 된다
- 참고로 python 라이브러리 버전 하나하나에 영향을 많이 받는것 같아 requirements.txt의 버전을 참고해서 업데이트 하면 된다.

python --version #python 버전 확인

cd path/to/stable-diffusion-webui
python -m venv venv
venv\Scripts\activate #가상환경 돌입

pip install -r requirements.txt  #의존성 설치

deactivate #가상환경 빠져나오기

테스트 결과

1. 높은 옵션을 줄 경우(약 2분 소요)

2. 낮은 옵션 줄경우, 장당 5초내 생성

3. 프롬프트 수정 및 결과물

A high-resolution image divided into three equal vertical rectangles, each representing a day of a trip. Each section contains a flat-lay arrangement of clothing and accessories based on weather and location. No text or unnecessary background, only neatly arranged clothing and accessories for each day.

- Day 1: Clothing and accessories for cloudy weather at 10°C / 5°C with 2mm precipitation. Includes a waterproof jacket, thermal pants, hiking boots, lightweight scarf, gloves, and a small umbrella. Representing the activities at 광안리 SUP Zone, 미포, 해동 용궁사.
- Day 2: Clothing and accessories for sunny weather at 12°C / 6°C with no precipitation. Includes casual wear: jeans, a light sweater, sneakers, sunglasses, and a small backpack. Representing the activities at 태종사, 국제시장, 송도용궁구름다리.
- Day 3: Clothing and accessories for cloudy weather at 11°C / 7°C with 3mm precipitation. Includes a raincoat, a warm sweater, comfortable walking shoes, and a crossbody bag. Representing the activities at 감천문화마을, 자갈치시장, 부산타워.

Minimalistic flat-lay style with no background or human figures. Clean and modern design.

Stable Diffusion API 사용 및 연결 테스트 코드 작성

Springboot AI로 진행

properties

# Stability AI image model configuration, key는 추후 secret으로 이전해서 commit
spring.ai.stabilityai.api-key= 
spring.ai.stabilityai.base-url=https://api.stability.ai/v1
spring.ai.stabilityai.image.enabled=true
spring.ai.stabilityai.image.option.n=1
spring.ai.stabilityai.image.option.width=512
spring.ai.stabilityai.image.option.height=512
spring.ai.stabilityai.image.option.model=stable-diffusion-v1-6
spring.ai.stabilityai.image.option.responseFormat=image/png

AIController

@RestController
@RequiredArgsConstructor
@RequestMapping("/ai")
public class AIController {   
   
    private final StabilityAiImageModel stabilityAiImageModel;
    
    @GetMapping("/image")
    public ResponseEntity<byte[]> generateImage(
            @RequestParam(value = "prompt", defaultValue = "You are an AI stylist helping a user plan a trip wardrobe. Create outfits suitable for a 2-day trip to Busan. Day 1: Rainy, 20°C, visiting a market. Day 2: Sunny, 17°C, visiting a beach. Focus on clothing only. Backgrounds are not required.") String prompt) {

        ImageResponse response = stabilityAiImageModel.call(
                new ImagePrompt(prompt,
                        StabilityAiImageOptions.builder()
                                .withSamples(1) // 생성 image 개수
                                .withHeight(512)
                                .withWidth(512)
                                .withCfgScale(9f)
                                .withSteps(20)
                                .withResponseFormat("image/png") // Response format
                                .build()));

        //이미지 데이터 가져오기
        Image image = response.getResult().getOutput();
        if (image == null) {
            return ResponseEntity.badRequest().body(null);
        }
        byte[] imageBytes;

        if (image.getB64Json() != null) {
            // Base64 데이터를 디코딩 -> 여기서 s3 또는 redis를 통한 이미지 관리가 필요할듯함
            imageBytes = Base64.getDecoder().decode(image.getB64Json());
        } else if (image.getUrl() != null) {
            // URL이 제공된 경우 에러 또는 별도 처리 (예: URL로부터 데이터를 다운로드)
            return ResponseEntity.badRequest()
                    .body(null); // URL 기반 처리는 필요에 따라 구현
        } else {
            return ResponseEntity.badRequest().body(null); // 유효한 이미지 데이터가 없음
        }

        // 반환된 이미지를 클라이언트로 전달
        return ResponseEntity.ok()
                .header("Content-Type", "image/png")
                .body(imageBytes);
    }
}