Stable Diffusion 是什么
Stable Diffusion 是 2022 年发布的文本生成图像模型,是 Stability AI 的主打产品。它源自德国慕尼黑大学(LMU)CompVis 团队的潜在扩散(latent diffusion)研究,Runway 也参与了开发。和 Midjourney、DALL-E 这类只能在云端用的产品不同,Stable Diffusion 的代码和模型权重是公开的,可以下载到自己的电脑上运行,显存 2.4 GB 左右的普通显卡就能跑。
能做什么
- 文生图:根据文字描述生成图片
- 局部重绘(inpainting)和外扩(outpainting)
- 图生图:以一张图为基础,按提示词改造
- 负面提示词:指定不想出现的元素
- 可定制:社区有大量微调模型、风格模型和插件
使用方式有三种:Stability AI 的在线服务 DreamStudio、Stability 的 API,以及社区的开源界面,最常用的是 AUTOMATIC1111 的 Stable Diffusion WebUI。版本上,2023 年 7 月的 SDXL 1.0 原生支持 1024×1024 分辨率;目前官方最强的是 Stable Diffusion 3.5。
价格
按 Stability AI 社区许可证,个人、研究者、年收入低于 100 万美元的企业都可以免费使用核心模型,包括商用;年收入超过 100 万美元的企业商用需要购买企业许可证。在线服务和 API 按用量收费。
适合谁
- 想在本地出图、不想把素材传到云端的人
- 需要高度定制(训练自己的风格、角色)的创作者和开发者
- 想把图像生成集成进自己产品的开发者
使用前要知道
- 本地部署需要一定的动手能力,要装 Python 环境和显卡驱动。
- 生成图片的权利归使用者,但仍需遵守许可证中关于有害内容的限制。
同类工具
可以对比 Midjourney(云端、画面风格强)、即梦、可灵 AI。