mj_turbo_reroll

Tekniske specifikationer for mj-turbo-reroll

Hvad er mj-turbo-reroll?

mj-turbo-reroll er CometAPI’s platformidentifikator for en Midjourney-kompatibel Turbo-reroll-funktionalitet. I praksis betyder en “reroll”, at en billedopgave genereres igen, så du får et nyt resultatsæt, mens den oprindelige kreative retning eller opgavekontekst bevares. I Midjourney-kompatible systemer behandles reroll som en billedhandling på linje med operationer som variation, outpaint, pan og opskalering-relaterede handlinger.

Delen turbo angiver, at denne model er knyttet til generation i Turbo-tilstand. Midjourney beskriver Turbo Mode som en hurtigere GPU-tilvalgsmulighed i nyere Midjourney-versioner med genereringshastigheder, der kan være op til fire gange hurtigere end Fast Mode.

Da reroll er en handling på et eksisterende job, bør mj-turbo-reroll ikke opfattes som en selvstændig tekst-til-billede-model til førstegangsindsendelse, men som et specialiseret endepunkt/en arbejdsgang til hurtig regenerering af tidligere billedresultater. Kompatible API'er implementerer dette typisk ved først at returnere et opgave-id og derefter kræve, at du henter fremdrift eller modtager et webhook-callback, når den rerollede opgave er færdig.

Hovedfunktioner i mj-turbo-reroll

• Regenerering i turbohastighed: Designet til at rerolle billedjobs i Turbo-tilstand, som ifølge Midjourney-dokumentationen er markant hurtigere end standard Fast-tilstand.
• Reroll-specifik arbejdsgang: Fokuseret på at regenerere en eksisterende opgave frem for at oprette et helt nyt job fra bunden. Dette er nyttigt, når du kan lide promptens retning, men ønsker andre visuelle resultater.
• Opgavebaseret asynkron behandling: Kompatible Midjourney-API'er returnerer typisk først et opgave-id, så applikationer kan polle for færdiggørelse eller håndtere resultater asynkront.
• Integration med handling/knap: I mange Midjourney-proxy-implementeringer udløses reroll via et handlingsendepunkt ved hjælp af en jobspecifik customId eller en knap-/handlingsidentifikator, der er udtrukket fra et tidligere opgaveresultat.
• Webhook-venlig arkitektur: Almindelige Midjourney-kompatible API'er understøtter callback-URL'er, så applikationer kan modtage statusopdateringer for jobs automatisk i stedet for at polle kontinuerligt.
• Passer til flertrins billedpipelines: Fungerer godt i produktionsflows, hvor brugere først genererer et billede, inspicerer knapper/handlinger og derefter reroller, varierer, panorerer eller opskalerer baseret på de returnerede opgavemetadata.
• Midjourney-kompatibel semantik: Er på linje med det bredere Midjourney-handlingsøkosystem, hvor reroll står side om side med variation, outpaint, inpaint og andre post-genereringsoperationer.

Sådan får du adgang til og integrerer mj-turbo-reroll

Trin 1: Tilmeld dig for at få en API-nøgle

For at få adgang til mj-turbo-reroll skal du først oprette en konto på CometAPI og generere en API-nøgle i dashboardet. Opbevar nøglen sikkert, og indlæs den via en miljøvariabel i din applikation, så den ikke hardcodes i klientkode eller offentlige repositories.

Trin 2: Send forespørgsler til mj-turbo-reroll-API'en

Brug CometAPI’s standard API-konfiguration og sæt feltet model til mj-turbo-reroll. Da denne model bruges i en reroll-arbejdsgang, vil din forespørgsel typisk indgå i en flertrins billedpipeline, hvor du først opretter eller henter en eksisterende Midjourney-lignende opgave og derefter indsender reroll-handlingen med den krævede opgavekontekst.

curl https://api.cometapi.com/v1/responses \
  -H "Authorization: Bearer $COMETAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mj-turbo-reroll",
    "input": {
      "task_id": "your_existing_task_id",
      "action": "reroll"
    }
  }'

Trin 3: Hent og verificer resultater

Efter indsendelse henter du opgavens resultat ved hjælp af CometAPI’s svardata og jobsporings-arbejdsgang. For mj-turbo-reroll betyder verifikation normalt, at du bekræfter, at en ny opgave blev oprettet korrekt, overvåger den til afslutning og tjekker, at de returnerede billeder svarer til en ny reroll af den oprindelige opgave og ikke det oprindelige resultatsæt.