Генерация изображений через Stable Diffusion, DALL·E 3 или Midjourney API — задача, в которой узкое место не алгоритм, а UX ожидания и управление ресурсами. Запрос к cloud-модели занимает 5–30 секунд, on-device генерация на мобильном — 10–60 секунд в зависимости от модели и устройства. Всё это время пользователь должен понимать, что происходит. Мы реализовали подобные механизмы в десятках проектов и знаем, как избежать типичных проблем: от thermal throttling до content policy блокировок. Свяжитесь с нами для предварительной оценки вашего проекта.
Как интегрировать AI-генерацию изображений в мобильное приложение?
Cloud-генерация: DALL·E 3 и Stable Diffusion API
OpenAI Images API (POST /v1/images/generations) — самый простой путь. Запрос возвращает URL изображения или base64. Время ответа — 8–20 секунд для 1024×1024.
struct ImageGenerationRequest: Encodable { let model: String // "dall-e-3" let prompt: String let n: Int // 1 (dall-e-3 не поддерживает > 1) let size: String // "1024x1024" let quality: String // "standard" или "hd" let responseFormat: String // "url" или "b64_json" enum CodingKeys: String, CodingKey { case model, prompt, n, size, quality case responseFormat = "response_format" } } Replicate API даёт доступ к Stable Diffusion XL, FLUX и другим open-source моделям. Особенность — асинхронная модель: первый запрос возвращает prediction ID, затем нужно polling или webhook. На мобильном клиенте polling каждые 2 секунды с exponential backoff при ошибках:
suspend fun pollPrediction(predictionId: String): String { var delay = 2000L repeat(15) { delay(delay) val result = api.getPrediction(predictionId) if (result.status == "succeeded") return result.output.first() if (result.status == "failed") throw GenerationException(result.error) delay = minOf(delay * 1.5, 8000L).toLong() } throw TimeoutException("Generation timed out") } On-device генерация через Core ML
Apple ML Research выпустила Stable Diffusion для Apple Silicon. На iPhone 15 Pro / M-серии iPad — ~20 секунд на 512×512, 20 шагов. На iPhone 12 — 60–90 секунд. Модель весит 2–6 ГБ в зависимости от квантизации.
import StableDiffusion let pipeline = try StableDiffusionPipeline( resourcesAt: modelDirectory, controlNet: [], configuration: .init() ) pipeline.loadResources() var config = StableDiffusionPipeline.Configuration(prompt: userPrompt) config.stepCount = 20 config.guidanceScale = 7.5 config.seed = UInt32.random(in: 0...UInt32.max) let images = try pipeline.generateImages(configuration: config) { progress in DispatchQueue.main.async { self.generationProgress = Double(progress.step) / Double(progress.stepCount) } return true // продолжить генерацию } Thermal throttling — реальная проблема. После 3–4 последовательных генераций iPhone сбрасывает производительность. Решение: пауза между генерациями, мониторинг ProcessInfo.thermalState, предупреждение пользователя.
На Android on-device Stable Diffusion работает через MediaPipe с LlmInferenceSession или напрямую через ONNX Runtime с GPU-делегатом. Поддержка значительно хуже, чем на Apple Silicon — рекомендую cloud-first подход для Android.
Что выбрать: cloud или on-device генерацию?
| Критерий | Cloud (DALL·E / Replicate) | On-device (Core ML) |
|---|---|---|
| Скорость | 5–30 секунд | 20–90 секунд |
| Качество | 1024×1024, детализация | 512×512, ниже детализация |
| Приватность | данные на сервере | локально, приватно |
| Стоимость | платно (за генерацию) | бесплатно (CPU/GPU) |
| Офлайн | нет | да |
| Тепловыделение | нет | да, thermal throttling |
UX во время генерации
Прогресс-бар с реальным значением (не spinner) — критично для длинных операций. Stable Diffusion возвращает progress.step — используйте его. Показывайте промежуточные превью (latent-preview) начиная с 5-го шага — это удерживает внимание.
Отмена генерации: cloud-запрос можно отменить через URLSessionTask.cancel() или Replicate API POST /predictions/{id}/cancel. On-device — через флаг shouldContinue в колбэке прогресса.
Сохранение в галерею: PHPhotoLibrary.requestAuthorization(for: .addOnly) на iOS. Разрешение WRITE_EXTERNAL_STORAGE (до Android 9) или MediaStore.Images API. Запрашивайте разрешение только в момент первого сохранения, не при открытии экрана генерации.
Как управлять промптами и избежать content policy ошибок?
Content policy violations — DALL·E 3 отклоняет промпты с violence, NSFW, celebrity-контентом. На это нужна валидация промпта до отправки (OpenAI Moderation API) и понятное сообщение об ошибке. Не показывайте системное сообщение «Your request was rejected» — объясните, что именно нельзя.
Память на устройстве: on-device Stable Diffusion требует 4–6 ГБ RAM в пике. os_proc_available_memory() на iOS даёт понимание доступной памяти — если меньше 1 ГБ свободно, лучше fallback на cloud.
Сравнение интеграционных подходов
| Метод | Время интеграции | Сложность | Гибкость |
|---|---|---|---|
| DALL·E 3 API | 2-3 дня | Низкая | Высокая качество, но ограничения content policy |
| Replicate API | 3-4 дня | Средняя | Широкий выбор моделей, асинхронность |
| On-device Core ML | 1-2 недели | Высокая | Полная приватность, но требует мощного устройства |
Процесс работы
Выбор архитектуры → Интеграция API → UX генерации → Обработка ошибок → Тестирование → Документация. На каждом этапе мы предоставляем промежуточные результаты и согласовываем решения с вами. Закажите внедрение под ключ и получите готовое решение в оговоренные сроки.
Что входит в работу
- Документация по интеграции (спецификация API, схемы данных)
- Доступ к репозиторию с кодом и CI/CD
- Обучение команды заказчика (2–3 часа)
- Поддержка на этапе деплоя в магазины (App Store, Google Play)
- Гарантия 3 месяца на выявленные баги
Ориентиры по срокам
Cloud-генерация с базовым UI — 4–6 дней. On-device Stable Diffusion с latent-preview и thermal management — 2–3 недели. Точная оценка зависит от сложности вашего проекта — свяжитесь с нами для расчёта.
Наша команда имеет 5+ лет опыта в мобильной разработке и реализовала более 50 проектов с AI-генерацией. Гарантируем качество на всех этапах — от прототипа до продакшена. Получите консультацию уже сегодня.