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 WebUI，API 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：<style><artist><place><suffix>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。Ctrl+C 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：

1. 把 generate.json 的 batch_size 从 2 改成 4，观察单图耗时和显存变化
2. 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
3. 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