请求校验¶

omnirt.validate() 与 omnirt validate 命令在不占用硬件的前提下检查一次请求能否跑通：模型是否存在、任务是否匹配、config 字段是否合法、尺寸约束是否满足、adapter 是否与模型兼容。

为什么在真机前做¶

便宜：校验只读 registry、presets、schema；不加载权重、不碰 GPU
可预测：把 ValidationError 明确指向字段，告诉你"width 必须是 8 的倍数"而不是一条 CUDA runtime error
一致：同一个 request 在 CPU-stub / CUDA / Ascend 上会得到相同的校验结果

最小示例¶

PythonCLIYAML + CLIHTTP（dry-run）

from omnirt import validate
from omnirt.requests import text2image

req = text2image(model="sd15", prompt="a lighthouse", width=513)  # 513 非 8 的倍数
result = validate(req, backend="cpu-stub")
print(result.ok)          # False
print(result.errors)      # [("config.width", "must be a multiple of 8"), ...]

omnirt validate \
  --task text2image \
  --model sd15 \
  --prompt "a lighthouse" \
  --width 513 \
  --backend cpu-stub
# Exit code non-zero if validation fails; --json for machine-readable output

omnirt validate --config request.yaml --json

HTTP 侧当前没有独立 /v1/validate 端点；在请求 config 里加 "dry_run": true 即可让 engine 仅做校验：

curl -sS http://localhost:8000/v1/generate \
  -H 'Content-Type: application/json' \
  -d '{
    "task": "text2image",
    "model": "sd15",
    "inputs": {"prompt": "a lighthouse"},
    "config": {"width": 513, "dry_run": true}
  }'

校验覆盖什么¶

模型存在性：model 是否在 registry（或其 alias）里
任务匹配性：model 是否支持 task（通过 ModelCapabilities.tasks）
必填字段：prompt（text2image / text2video）、image（image2image / image2video）、audio（audio2video）等
数值约束：width / height 的倍数、strength ∈ (0, 1]、num_frames / fps 的合法范围
Preset 合法性：preset ∈ {fast, balanced, quality, low-vram} 且该 preset 对当前 task + model 有定义
Adapter 兼容性：LoRA / ControlNet 是否出现在 ModelCapabilities.adapters 里
后端可达性：backend=cuda 但 torch.cuda.is_available()=False 时会报错（除非写明 backend=auto）

在服务化场景里用¶

FastAPI 服务的 /v1/generate 在正式推理前会复用同一套 validate()；一旦 ValidationResult.ok=False，返回 400 Bad Request，响应体包含 errors 列表。

请求校验¶

为什么在真机前做¶

最小示例¶

校验覆盖什么¶

在服务化场景里用¶

相关¶