如何两天时间上线一款AI应用?

发表于:2023-2-22 09:17

字体: | 上一篇 | 下一篇 | 我要投稿

 作者:卡颂    来源:魔术师卡颂

  最近几个月,AI相关新闻不断抢占大家的注意力。逞着这波热度,各路开发者都投入到AI应用的开发。
  比如,15岁的开发者saviomartin7开发的IconifyAI[2]可以根据文字描述生成应用??Logo。网页上线5天就赚到了接近1.5k刀。
  这波机遇对前端同学有很大利好,因为各种基础服务(比如各种存储服务、AI服务、部署)都有成熟的解决方案可以直接使用,前端同学只需专注业务逻辑的实现即可。
  本文让我们看看一位国外老哥是如何用一个周末时间开发一款AI应用。该应用上线仅40天,就获得了20wUV。
  应用架构
  首先介绍下这款应用,应用名叫restorephotos[3],用户上传模糊的老照片后,??AI??会修复照片,并返回更清晰的版本。应用的完整代码已开源。
  整个应用的架构分为4部分:
  ·前端(Next.js)
  · 图片存储服务
  · Next.js服务端
  · AI API
  完整工作流程如下:
  · 用户在前端上传老照片
  · 前端调用图片存储服务,返回图片存储地址给前端
  · 前端将图片存储地址发送给后端
  · 后端调用AI API处理图片
  · AI API返回处理后的图片给后端,后端返回给前端
  · 前端展示处理后的效果
  前端部分
  整个前后端的实现使用Next.js,前端主要包括两部分:
  · 图片上传
  · AI处理后的图片展示
  所有主要功能均使用开源库实现。其中,图片上传功能使用react-uploader[5]实现:
  <UploadDropzone
   uploader={uploader}
   options={options}
    width="670px"
   height="250px"
   onUpdate={(file) => {
     // ...图片上传成功后的逻辑
   }}
  />;
  处理后的图片展示效果使用react-compare-slider[6]:
  PS:这里用的是我祖父的老照片
  后端部分
  1. 后端核心逻辑包括两部分:
  用Redis做接口调用频率限制。
  Redis使用@upstash-redis,这是一款基于HTTP的Redis?客户端。在线创建Redis数据库后,我们可以在服务端通过HTTP请求的方式调用它。
  2. 用replicate提供的swinir模型处理图片。
  replicate是一家机器学习的云服务商,我们可以根据业务需要选择不同机器学习模型,比如:
  ·处理图片清晰度
  · 破碎照片修复
  · 文字转图片
  ...
  在Next.js服务端,我们通过HTTP的形式调用模型API:
  // 我们上传的图片地址
  const imageUrl = req.body.imageUrl;
  // 请求模型接口
  const startResponse = await fetch('https://api.replicate.com/v1/predictions', {
   method: 'POST',
   // ...省略代码
   body: JSON.stringify({
      // 我们需要的模型对应的版本
    version: '9283608cc6b7be6b65a8e44983db012355fde4132009bf99d976b2f0896856a3',
    input: { img: imageUrl, version: 'v1.4', scale: 2 }
   })
  });
  值得注意的是,模型计算需要时间,所以在服务端,我们每秒轮询一次结果,如果模型返回处理后的图片,我们就将图片返回给前端:
  // 保存模型处理后的结果
  let restoredImage: string | null = null;
  while (!restoredImage) {
    // 请求模型API
    let finalResponse = await fetch(endpointUrl, {
      method: "GET",
      // ...省略代码
    });
    let jsonFinalResponse = await finalResponse.json();
    
    if (jsonFinalResponse.status === "succeeded") {
      // 模型返回图片成功
      restoredImage = jsonFinalResponse.output;
    } else if (jsonFinalResponse.status === "failed") {
      // 模型返回图片失败
      break;
    } else {
      // 模型还未返回图片,1s后轮询
      await new Promise((resolve) => setTimeout(resolve, 1000));
    }
  }
  总结
  可以发现,所有基础服务均有现成产品可供使用,这极大加快了前端的开发效率,降低了开发成本。
  作者运行这个应用的成本是多少呢?其中:
  ·图片存储使用的是upload.io[8]提供的存储服务。这里作者使用的是35刀/月的基础付费版本,每月有50GB的上传空间。
  · Redis云服务考虑到仅用来做接口调用频率限制,使用免费版就好。
  · 整个应用使用Vercel部署,Vercel Pro每月20刀。
  · 20wUV的模型API调用费用,大概是900刀。
  对于想构建自己的AI应用的朋友,可以参考本文的实现与成本,行动起来吧。
  本文内容不用于商业目的,如涉及知识产权问题,请权利人联系51Testing小编(021-64471599-8017),我们将立即处理
《2023软件测试行业现状调查报告》独家发布~

关注51Testing

联系我们

快捷面板 站点地图 联系我们 广告服务 关于我们 站长统计 发展历程

法律顾问:上海兰迪律师事务所 项棋律师
版权所有 上海博为峰软件技术股份有限公司 Copyright©51testing.com 2003-2024
投诉及意见反馈:webmaster@51testing.com; 业务联系:service@51testing.com 021-64471599-8017

沪ICP备05003035号

沪公网安备 31010102002173号