如果在最短的时间上线一款AI应用？
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。
http://www.51testing.com/attachments/2023/02/15326880_202302211429011EE8w.png
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。
http://www.51testing.com/attachments/2023/02/15326880_202302211429041H5hk.png
应用架构
首先介绍下这款应用，应用名叫restorephotos，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。
http://www.51testing.com/attachments/2023/02/15326880_2023022114290716Mbw.png
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
http://www.51testing.com/attachments/2023/02/15326880_202302211429101nZpk.png
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：
http://www.51testing.com/attachments/2023/02/15326880_202302211429131R13y.png
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
...
http://www.51testing.com/attachments/2023/02/15326880_2023022114291910Nqe.png
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。
好工具，以后p图更方便
页:
[1]
