圣女司幼幽-造相Z-Turbo保姆级教程：Docker Compose编排Xinference+Gradio

本教程将手把手教你使用Docker Compose快速部署圣女司幼幽-造相Z-Turbo文生图模型，并通过Gradio界面轻松生成精美图片。

1. 环境准备与快速部署

1.1 系统要求与前置准备

在开始之前，请确保你的系统满足以下基本要求：

• 操作系统：Linux（Ubuntu 18.04+、CentOS 7+）或 macOS
• Docker：版本20.10.0或更高
• Docker Compose：版本1.29.0或更高
• 硬件要求：至少8GB RAM，20GB可用磁盘空间

如果你还没有安装Docker和Docker Compose，可以使用以下命令快速安装：

# 安装Docker
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh

# 安装Docker Compose
sudo curl -L "https://github.com/docker/compose/releases/download/v2.20.0/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
sudo chmod +x /usr/local/bin/docker-compose

1.2 一键部署指南

首先创建项目目录并下载部署文件：

# 创建项目目录
mkdir shengnyusi-youyou && cd shengnyusi-youyou

# 创建docker-compose.yml文件
cat > docker-compose.yml << 'EOF'
version: '3.8'

services:
  xinference:
    image: your-xinference-image:latest
    container_name: shengnyusi_xinference
    ports:
      - "9997:9997"
    volumes:
      - ./models:/root/models
      - ./logs:/root/logs
    environment:
      - XINFERENCE_HOST=0.0.0.0
      - XINFERENCE_PORT=9997
    restart: unless-stopped

  gradio-ui:
    image: your-gradio-image:latest  
    container_name: shengnyusi_gradio
    ports:
      - "7860:7860"
    depends_on:
      - xinference
    environment:
      - XINFERENCE_ENDPOINT=http://xinference:9997
    restart: unless-stopped
EOF

然后启动服务：

# 启动所有服务
docker-compose up -d

# 查看服务状态
docker-compose ps

2. 模型服务验证与使用

2.1 检查服务启动状态

部署完成后，需要确认模型服务是否正常启动。初次加载可能需要一些时间，请耐心等待：

# 查看Xinference服务日志
docker-compose logs xinference

# 或者直接查看日志文件
docker exec shengnyusi_xinference cat /root/workspace/xinference.log

当看到类似下面的输出时，表示服务已成功启动：

INFO:     Started server process [1]
INFO:     Waiting for application startup.
INFO:     Application startup complete.
INFO:     Uvicorn running on http://0.0.0.0:9997

2.2 访问Web界面

服务启动成功后，可以通过以下方式访问Web界面：

1. 打开浏览器，访问 http://你的服务器IP:7860
2. 或者使用本地访问：http://localhost:7860

界面加载后，你会看到一个简洁的文生图操作面板，包含提示词输入框、生成按钮和图片显示区域。

3. 生成你的第一张图片

3.1 编写有效的提示词

好的提示词是生成高质量图片的关键。以下是一些提示词编写技巧：

基础结构建议：

• 主体描述：明确描述人物、物体或场景
• 细节特征：包括服装、表情、姿势等具体细节
• 环境背景：说明光线、氛围、周围环境
• 风格设定：指定艺术风格、画质要求

示例提示词：

圣女司幼幽，身着墨绿暗纹收腰长裙，裙摆垂坠带细碎银饰流苏，手持冷冽雕花长剑斜握于身侧，身姿挺拔卓然，抬眸凝望向澄澈苍穹，眉峰微蹙带清冷神性，发丝随微风轻扬，光影勾勒出面部精致轮廓，背景朦胧覆淡金柔光

3.2 生成与调整图片

在Web界面中：

1. 在提示词输入框中粘贴或输入你的描述
2. 点击"生成"按钮开始生成图片
3. 等待生成完成（通常需要10-30秒）
4. 查看生成的图片，如果不满意可以调整提示词重新生成

如果对生成结果不满意，可以尝试以下调整：

• 增加细节：在提示词中添加更多具体描述
• 调整顺序：将重要的特征描述放在前面
• 使用负面提示：指定不希望出现的元素
• 修改风格关键词：尝试不同的艺术风格描述

4. 高级使用技巧

4.1 批量生成图片

如果你需要生成多张图片，可以编写简单的脚本进行批量处理：

import requests
import base64
import json

def generate_image(prompt, output_file):
    # 调用Xinference API
    url = "http://localhost:9997/v1/images/generations"
    headers = {"Content-Type": "application/json"}
    data = {
        "prompt": prompt,
        "n": 1,
        "size": "1024x1024"
    }
    
    response = requests.post(url, headers=headers, json=data)
    result = response.json()
    
    # 保存图片
    image_data = base64.b64decode(result['data'][0]['b64_json'])
    with open(output_file, 'wb') as f:
        f.write(image_data)
    print(f"图片已保存至: {output_file}")

# 批量生成示例
prompts = [
    ("圣女司幼幽在花园中", "output1.png"),
    ("圣女司幼幽持剑站立", "output2.png"),
    ("圣女司幼幽回眸瞬间", "output3.png")
]

for prompt, filename in prompts:
    generate_image(prompt, filename)

4.2 参数调优建议

通过调整生成参数，可以获得更好的效果：

# 高级参数设置示例
advanced_params = {
    "prompt": "你的提示词",
    "negative_prompt": "模糊、低质量、畸形",  # 负面提示词
    "num_inference_steps": 30,  # 推理步数（20-50）
    "guidance_scale": 7.5,  # 引导尺度（5-15）
    "width": 1024,  # 图片宽度
    "height": 1024   # 图片高度
}

参数说明：

• 推理步数：值越高细节越好，但生成时间更长
• 引导尺度：控制生成内容与提示词的贴合程度
• 图片尺寸：根据需求选择合适的宽高比例

5. 常见问题解决

5.1 服务启动问题

问题：容器启动失败

# 查看详细错误信息
docker-compose logs

# 重启服务
docker-compose down
docker-compose up -d

问题：端口被占用

# 查看端口占用情况
sudo lsof -i :7860
sudo lsof -i :9997

# 杀死占用进程或修改docker-compose.yml中的端口映射

5.2 生成质量优化

如果生成的图片质量不理想，可以尝试：

1. 优化提示词：使用更具体、详细的描述
2. 调整参数：增加推理步数或调整引导尺度
3. 使用参考图：如果有类似风格的参考图片，可以描述其特点
4. 迭代生成：基于初步结果调整提示词再次生成

6. 总结

通过本教程，你已经学会了如何使用Docker Compose快速部署圣女司幼幽-造相Z-Turbo文生图模型服务。这个方案的优势在于：

部署简单：一行命令完成环境搭建 使用方便：通过Web界面轻松生成图片 扩展性强：支持API调用和批量处理 资源友好：基于Docker容器，不污染主机环境

现在你可以开始创作属于自己的圣女司幼幽精美图片了。记得多尝试不同的提示词和参数组合，探索模型的全部潜力。

实践中如果遇到任何问题，可以参考日志信息进行排查，或者查阅相关文档获取更多帮助。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。