OpenAI DALL·E AsyncImage SwiftUI

SwiftUI 视图，用于从开放 API 异步加载和显示 OpenAI 图像

• 支持多个平台：iOS、macOS、watchOS 和 tvOS
• 可通过 SwiftUI Image 属性自定义（例如，renderingMode、resizable、antialiased）
• 可通过自定义 Loader 配置传输层
• 基于接口而非实现的设计
• 完全利用 Swift 的新型并发模型

在哪里可以找到我的 Secret API Key？

    let apiKey = "your API KEY"
    let endpoint = OpenAIImageEndpoint.get(with: apiKey)
    let loader = OpenAIDefaultLoader(endpoint: endpoint)
    OpenAIDefaultLoaderKey.defaultValue = loader

    OpenAIAsyncImage(prompt: .constant("sun"))

或使用自定义 ViewBuilder

    OpenAIAsyncImage(prompt: $imageText, size: .dpi1024){ state in
        switch state{
            case .loaded(let image) :
            image
                .resizable()
                .scaledToFill()
            case .loadError(let error) : Text(error.localizedDescription)
            case .loading : ProgressView()
        }
    }

• 您需要安装 Xcode 13 才能访问 Documentation Compiler (DocC)
• 前往 Product > Build Documentation 或 ⌃⇧⌘ D

OpenAI 的文本到图像模型 DALL-E 2 于 2022 年发布，是扩散模型的最新示例。它将扩散模型用于模型的先验（根据文本描述生成图像嵌入）和生成最终图像的解码器。在机器学习中，扩散模型，也称为扩散概率模型，是一类潜在变量模型。它们是使用变分推理训练的马尔可夫链。扩散模型的目标是通过建模数据点在潜在空间中扩散的方式来学习数据集的潜在结构。扩散模型可以应用于各种任务，包括图像去噪、图像修复、超分辨率和图像生成。例如，图像生成模型将从随机噪声图像开始，然后在经过训练以反转自然图像的扩散过程后，该模型将能够生成新的自然图像。Replicate kit

示例应用程序，用于运行文本到图像或图像到图像模型，以使用 Apple 的 Core ML Stable Diffusion 实现生成图像