Bria 23、Bria 22 HD 和 Bria 23 Fast 现在已在 Amazon S

Bria 23 和新版本在 Amazon SageMaker JumpStart 上发布

关键要点

发布新模型：Bria 23、Bria 22 HD 和 Bria 23 Fast 的文本到图像基础模型现已在 Amazon SageMaker JumpStart 上可用。高质量内容生成：Bria 模型通过高质量和上下文相关的视觉内容来满足电子商务、媒体娱乐、游戏等行业的需求。易于部署：通过 SageMaker Studio 和 Python SDK，用户可以轻松发现、部署和运行 Bria 23 模型。

我们很高兴地宣布，Bria AI 提供的 Bria 23、22 HD 和 23 Fast 文本到图像基础模型FMs现在可以在 Amazon SageMaker JumpStart 中使用。Bria 模型专门基于商用许可数据进行训练，确保安全和合规，提供全面法律保护。

这些先进的 Bria AI 模型能够生成高质量、上下文相关的视觉内容，适用于营销、设计和图像生成，为电子商务、媒体娱乐、游戏、消费品和零售等多个行业提供服务。

在本文中，我们将讨论 Bria 模型家族，解释 Amazon SageMaker 平台，并详细说明如何使用 SageMaker JumpStart 发现、部署和运行 Bria 23 模型进行推理。

Bria 23、Bria 22 HD 和 Bria 23 Fast 概述

Bria AI 提供一系列高质量视觉内容模型。这些先进模型代表了生成 AI 技术在图像创建方面的前沿：

模型名称特点适用场景Bria 23核心模型，具有卓越的真实感和细节，能够生成复杂概念的精彩图像。各种艺术风格中的高质量成像Bria 22 HD专为高清优化，提供高清视觉内容，确保每个细节都清晰可见。高分辨率应用与设计需求Bria 23 Fast以速度优化，能够以更快的速度生成高质量视觉内容。对快速周转有要求的应用

SageMaker JumpStart 概述

借助 SageMaker JumpStart，可以从广泛的公开 FM 选择中进行选择。机器学习从业者可以将 FM 部署到专用的 SageMaker 实例，从网络隔离环境中自定义模型，利用 SageMaker 平台进行模型训练和部署。您现在可以在 Amazon SageMaker Studio 或通过 SageMaker Python SDK 进行 Bria 模型的发现和部署。这使您能够利用 SageMaker 特性，如 Amazon SageMaker Pipelines、Amazon SageMaker Debugger 或容器日志来评估模型性能和机器学习操作MLOps控制。

该模型在安全的 AWS 环境中部署，受您的虚拟私有云VPC控制，帮助保障数据安全。今天，Bria 模型已有 22 个 AWS 区域可用于 SageMaker Studio 部署及推理，需要使用 g5 和 p4 实例。

前提条件

要尝试使用 SageMaker JumpStart 中的 Bria 模型，您需要以下前提条件：

一个包含您所有 AWS 资源的 AWS 账户。一个用于访问 SageMaker 的 AWS 身份与访问管理IAM角色。有关 IAM 如何与 SageMaker 配合使用的更多信息，请参见 Amazon SageMaker 的身份和访问管理。访问 AWS Marketplace 的权限。访问 SageMaker Studio、SageMaker 笔记本实例，或集成开发环境IDE，如 PyCharm 或 Visual Studio Code。推荐使用 SageMaker Studio，以便简化部署和推理流程。

在 SageMaker JumpStart 中发现 Bria 模型

您可以通过 SageMaker JumpStart 在 SageMaker Studio UI 和 SageMaker Python SDK 中访问这些 FM。在本节中，我们展示如何在 SageMaker Studio 中发现模型。

SageMaker Studio 是一个 IDE，提供单一的基于网络的可视化界面，您可以使用该界面访问一系列专门工具，执行所有机器学习开发步骤，从数据准备到构建、训练和部署机器学习模型。有关如何入门和设置 SageMaker Studio 的更多细节，请参见 Amazon SageMaker Studio。

在 SageMaker Studio 中，您可以通过在导航窗格中选择 JumpStart，或在 主页 上选择 JumpStart 来访问 SageMaker JumpStart。

在 SageMaker JumpStart 的着陆页上，您可以找到来自流行模型库的预训练模型。通过搜索 Bria，您将看到所有可用的 Bria 模型变体的列表。本文中，我们将使用 Bria 23 商用文本到图像模型。

您可以选择模型卡以查看有关模型的详细信息，如许可、训练数据及如何使用该模型。您还有两个选项，部署 和 预览笔记本，可用于部署模型并创建端点。

在 AWS Marketplace 中订阅 Bria 模型

当您选择 部署 时，如果模型尚未订阅，您需要首先进行订阅，然后才能部署该模型。接下来，我们演示如何为 Bria 23 商用文本到图像模型进行订阅。

在选择 订阅 后，您将被重定向到模型概述页面，在此您可以阅读有关模型的详细信息、定价、用法和其他信息。选择 继续订阅 并接受下一页上的报价以完成订阅。

使用 AWS Marketplace 配置和部署 Bria 模型

配置页面提供了三种不同的启动方法供您选择。本节展示了如何使用 SageMaker 控制台：

在 可用启动方法 中选择 SageMaker 控制台。在 区域 中，选择您首选的区域。选择 在 Amazon SageMaker 中查看。

之后，您需要为 模型名称 输入名称例如 ModelBriav23，为 IAM 角色 选择现有 IAM 角色或创建一个附带 SageMaker 完全访问 IAM 策略的新角色。

请按照屏幕上的提示进行操作并创建端点。

使用 SageMaker JumpStart 配置和部署 Bria 模型

如果 Bria 模型已在 AWS Marketplace 中订阅，您可以在模型卡页面选择 部署 来配置端点。SageMaker 会为您预填充端点名称、推荐的实例类型、实例数量和其他详细信息。您可以根据需要进行修改，然后选择 部署 创建端点。

成功创建端点后，状态将显示为 服务中。

在 SageMaker Studio 中运行推理

在 SageMaker Studio 中，您可以通过发送示例推理请求有效负载来测试端点，或使用 SageMaker 笔记本。以下是在 SageMaker Studio 中使用的方法：

在 SageMaker Studio 的导航窗格中，选择 端点 选项卡下的 部署。选择您刚刚创建的 Bria 端点。在 测试推理 选项卡中，通过发送示例请求来测试端点。您可以在同一页面上查看响应。

使用 SageMaker 笔记本进行文本到图像生成

您还可以使用 SageMaker 笔记本根据已部署的端点使用 SageMaker Python SDK 运行推理。

以下代码用于启动您使用 SageMaker JumpStart 创建的端点：

pythonfrom sagemakerpredictor import Predictorfrom sagemakerserializers import JSONSerializerfrom sagemakerdeserializers import JSONDeserializer

使用现有端点名称

endpointname = XXXXXXXX # 用您的端点名称替换

创建 SageMaker 预测器对象

briapredictor = Predictor( endpointname=endpointname serializer=JSONSerializer() deserializer=JSONDeserializer())

briapredictorendpointname

模型的响应是 base64 编码格式。以下函数帮助解码 base64 编码的图像并将其显示为图像：

pythonimport base64from PIL import Imageimport io

def displaybase64image(base64string) imagebytes = base64b64decode(base64string) imagestream = ioBytesIO(imagebytes) image = Imageopen(imagestream)

# 显示图像imageshow()

以下是使用 Bria 模型生成图像的文本提示示例有效负载：

飞鱼加速器ios下载

pythonpayload = { prompt a baby riding a bicycle in a field of flowers numresults 1 sync True}

response = briapredictorpredict(payload)artifacts = response[artifacts][0]

encodedimage = artifacts[imagebase64]

displaybase64image(encodedimage)

您可以像标准图像生成模型一样与 Bria 23 模型进行互动，在此部分提供一些示例提示和样本输出：

在城市中，专业滑板手带着墨镜，摄影动态捕捉，蓝绿色和橙色的色调流淌的卷发的年轻女子站在地铁站台上，被快速列车的斑斓灯光照亮，紫色和青色的色彩室内的温馨光线下，活力十足的蓝色和绿色鹦鹉依偎在木枝上蓝色和紫色霓虹色的光速运动，背景是高楼大厦

清理资源

完成笔记本操作后，请删除您创建的所有资源，以停止计费。可以使用以下代码：

pythonpredictordeletemodel()predictordeleteendpoint()

结论

随着 Bria 23、22 HD 和 23 Fast 在 SageMaker JumpStart 和 AWS Marketplace 的发布，企业现在可以利用先进的生成 AI 能力来提升其视觉内容创建流程。这些模型在质量、速度和合规性之间取得了良好平衡，使其成为在竞争激烈的市场中保持领先地位的组织的宝贵资产。

Bria 对负责任 AI 的承诺以及 SageMaker 的强大安全框架为企业提供了全面的数据隐私、合规性和商业使用的负责任 AI 模型。同时，集成平台体验充分利用了两者的能力，简化了 MLOps、数据存储和实时处理。

有关在 SageMaker JumpStart 中使用 FM 的更多信息，请参见 使用 SageMaker JumpStart 训练、部署和评估预训练模型、JumpStart 基础模型 和 Amazon SageMaker JumpStart 入门。

今天就探索 Bria 模型在 SageMaker JumpStart 中的应用，彻底改变您的视觉内容创建过程吧！

作者介绍

Bar Fingerman 是 Bria 的 AI/ML 工程总监。他领导核心基础设施的开发与优化，推动公司在大型 AI 训练的高性能超级计算机设计方面的能力。他与领导层和跨职能团队密切合作，以协调商业目标，同时推动创新和成本效益。

Supriya Puragundla 是 AWS 的高级解决方案架构师，拥有超过 15 年的 IT 经验，专注于软件开发、设计和架构。她帮助主要客户支持他们在数据、生成 AI 和 AI/ML 旅程中的需求，热衷于数据驱动的 AI 和机器学习及生成 AI 的深度领域。

Rodrigo Merino 是 AWS 的生成 AI 解决方案架构师经理，拥有超过十年的新兴技术部署经验，涵盖生成 AI 至物联网，指导各行业客户加速其 AI/ML 和生成 AI 之旅。他专注于帮助组织在 AWS 上训练和构建模型，以及优化端到端的机器学习解决方案。

Eliad Maimon 是 AWS 的高级初创企业解决方案架构师，专注于生成 AI 初创企业。他帮助初创企业加速和扩展其 AI/ML 之旅，指导他们进行深度学习模型的训练和部署。Eliad 热衷于 AI 和企业家精神，致力于推动初创生态系统中的创新和增长。

加载评论