Zum Hauptinhalt springen
In diesem Leitfaden führen wir Sie durch die Verwendung eines unserer beliebten Modellendpunkte, wie z. B. black-forest-labs/flux-kontext-pro/text-to-image. Bevor Sie beginnen, stellen Sie sicher, dass Sie einen API-Schlüssel aus Ihrem Dashboard haben, der zur Authentifizierung Ihrer Anfragen an die Port AI-API erforderlich ist. Wählen Sie Ihre bevorzugte Programmiersprache unten aus, um loszulegen:

​
JavaScript/Node.js

Installieren Sie zunächst das Client-Paket und konfigurieren Sie es mit Ihrem API-Schlüssel: 
bash npm npm install @portmoda/client  bash pnpm pnpm add @portmoda/client  bash yarn yarn add     @portmoda/client
Legen Sie Ihren API-Schlüssel als Umgebungsvariable fest: 
export PORT_KEY="ihr-api-schlüssel-hier"
Nach der Konfiguration können Sie unseren Modell-API-Endpunkt mit dem Port Client aufrufen: 
import { port } from "@portmoda/client";

// Optional können Sie den Client mit einem anderen API-Schlüssel als dem in der Umgebungsvariable festgelegten konfigurieren
port.config({
  credentials: "IHR_PORT_SCHLÜSSEL",
});

const result = await port.subscribe("black-forest-labs/flux-kontext-pro/text-to-image", {
  input: {
    prompt: "Ein Hase mit Brille, der unter einem Pilz ein Buch liest, im Aquarellstil.",
    width: 1024,
    height: 768,
    output_format: "jpeg",
  },
});

​
Python

Installieren Sie die Python-Client-Bibliothek mit pip: 
pip install port-client
Legen Sie Ihren API-Schlüssel als Umgebungsvariable fest: 
export PORT_KEY="ihr-api-schlüssel-hier"
Konfigurieren und verwenden Sie den Client: 
import port_client

result = port_client.subscribe(
    "black-forest-labs/flux-kontext-pro/text-to-image",
    arguments={
        "prompt": "Ein Hase mit Brille, der unter einem Pilz ein Buch liest, im Aquarellstil.",
        "width": 1024,
        "height": 768,
        "output_format": "jpeg"
    },
    with_logs=True,
    on_enqueue=print,
    on_queue_update=print,
)
print(result)

​
Java

Fügen Sie die Java-Client-Bibliothek zu Ihrem Projekt hinzu, indem Sie Ihr bevorzugtes Build-System verwenden: 
implementation("ai.port.client:port-client:0.1.5")
Legen Sie Ihren API-Schlüssel als Umgebungsvariable fest: 
export PORT_KEY="ihr-api-schlüssel-hier"
Konfigurieren und verwenden Sie den Client: 
import ai.port.client.*;
import ai.port.client.queue.*;
import java.util.Map;
import com.google.gson.JsonObject;
import java.util.function.Consumer;

ClientConfig config = ClientConfig.builder()
    .withCredentials(CredentialsResolver.fromEnv())
    .build();

PortClient client = PortClient.withConfig(config);
Map<String, Object> input = Map.of(
    "prompt", "Ein Hase mit Brille, der unter einem Pilz ein Buch liest, im Aquarellstil.",
    "width", 1024,
    "height", 768,
    "output_format", "jpeg"
);

Consumer<QueueStatus.StatusUpdate> statusUpdateHandler = update -> {
    String status = update.getStatus().toString();
    String message = String.format("\nStatus-Update: %s, Anfrage-ID: %s",
        status, update.getRequestId());
    System.out.println(message);
};

SubscribeOptions<JsonObject> options = SubscribeOptions.<JsonObject>builder()
    .input(input)
    .resultType(JsonObject.class)
    .onQueueUpdate(statusUpdateHandler)
    .logs(true)
    .build();

Output<JsonObject> response = client.subscribe("black-forest-labs/flux-kontext-pro/text-to-image", options);
System.out.println("Abgeschlossen!");
System.out.println(response.getData());

​
Nächste Schritte

Wir bieten verschiedene Modelle wie Flux kontext pro und Kling v2 master als sofort einsatzbereite APIs an. Entdecken Sie diese in unserem Modell-Labor. Um ein Modell zu verwenden, besuchen Sie den Tab “API”, um die URL, den Quellcode und Anwendungsbeispiele zu finden, die Ihnen bei der nahtlosen Integration in Ihre Anwendungen helfen. Weitere detaillierte Informationen zu jeder Client-Bibliothek finden Sie in unserer Client-Bibliotheken-Dokumentation.