API 服务调用：Replicate / Fal.ai / Sieve 三平台实测对比

为什么需要 API

本地跑 CodeFormer 适合个人使用或批量处理，但如果要：

• 做一个在线人脸修复网站
• 在移动 App 里集成修复功能
• 给 SaaS 产品加人脸修复能力
• 让非技术用户也能用上 CodeFormer

就需要把模型部署成网络 API——调用方发图片过来，API 返回修复后的图片 URL。

三平台对比

官方推荐 Replicate（作者维护）。

Replicate 完整调用示例

Python

import replicate
import requests

client = replicate.Client(api_token="r8_xxx")  # 在 replicate.com/account 创建

# 运行（CodeFormer 官方端点）
result = client.run(
    "sczhou/codeformer",
    input={
        "image": open("photo.jpg", "rb"),
        "w": 0.7,
        "upscale": 2,
        "has_aligned": False,
        "bg_upsampler": "realesrgan",  # 字符串类型
        "face_upsample": True,
    }
)

# result 是输出图的 URL
print(result)  # 例如 "<URL>

# 下载
resp = requests.get(result)
open("restored.png", "wb").write(resp.content)

Node.js

import Replicate from "replicate";

const replicate = new Replicate({ auth: process.env.REPLICATE_API_TOKEN });

const output = await replicate.run(
    "sczhou/codeformer",
    {
        input: {
            image: fs.createReadStream("photo.jpg"),
            w: 0.7,
            upscale: 2,
            has_aligned: false,
            bg_upsampler: "realesrgan",
            face_upsample: true,
        }
    }
);

cURL

curl -s -X POST "<API_URL>" \
  -H "Authorization: Token r8_xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "version": "sczhou/codeformer",
    "input": {
      "image": "data:image/jpeg;base64,...",
      "w": 0.7,
      "upscale": 2
    }
  }'

API 参数对照

自建 API 服务（高级）

如果调用量很大、想完全掌控数据隐私，可以自己搭 API：

方案一：Replicate 自建端点

Replicate 支持把你的模型打包成专用端点（Dedicated Endpoint），按小时计费 GPU（T4 ~ $0.6/小时）。适合日均调用 > 10000 次。

方案二：自建 FastAPI + Docker

# api.py —— 简化示例
from fastapi import FastAPI, UploadFile, File
import torch
from basicsr.utils import img2tensor, tensor2img
import cv2
import numpy as np

app = FastAPI()

# 启动时加载模型（只加载一次）
from basicsr.archs.codeformer_arch import CodeFormer
model = CodeFormer(...)
model.load_state_dict(torch.load("weights/CodeFormer/codeformer.pth"))
model.cuda().eval()

@app.post("/restore")
async def restore_face(file: UploadFile = File(...), w: float = 0.5):
    # 1. 接收图片
    contents = await file.read()
    arr = np.frombuffer(contents, dtype=np.uint8)
    img = cv2.imdecode(arr, cv2.IMREAD_COLOR)

    # 2. 预处理（检测人脸 + 对齐到 512×512）
    # ...（省略）

    # 3. 推理
    with torch.no_grad():
        input_tensor = img2tensor(cropped_face, bgr2rgb=True, float32=True) / 255.0
        output = model(input_tensor.unsqueeze(0), w=w)

    # 4. 后处理 + 返回
    result_img = tensor2img(output)
    _, buffer = cv2.imencode(".png", result_img)
    return StreamingResponse(BytesIO(buffer), media_type="image/png")

Dockerfile + 部署到云 GPU（AutoDL / Lambda Labs / 阿里云 ECS）。

隐私和数据安全

• Replicate：图片上传到 Replicate 服务器，处理完后保留一段时间（隐私政策里有说明）
• 自建：图片不出你的服务器，完全可控。适合处理敏感照片（证件照、隐私照）

费用估算

假设 10000 张图片/月：

小量用 Replicate 按量划算，大量自建更便宜。