Stable Diffusion

简介

Stable Diffusion是由Stability AI开发的开源文生图模型，能够通过文本描述生成高质量图像。其基于潜在扩散模型（Latent Diffusion Model），将图像生成过程转化为逐步去噪的扩散过程，支持本地部署和云端使用。最新版本Stable Diffusion 3 Medium进一步优化了图像细节、文本理解和硬件兼容性，成为AI艺术创作领域的重要工具。

特点

• 开源免费：代码、模型及训练数据均开源，用户可自由修改和商用（商业授权需额外购买）。
• 高质量生成：支持512x512至4K分辨率输出，细节处理优于同类模型，尤其在手部、面部等复杂场景表现突出。
• 多模态控制：支持文本、图像混合输入，可通过负面提示词排除不想要的元素，并集成超分辨率、图像修复等扩展功能。
• 硬件友好：优化后的版本如SD3 Medium支持消费级显卡（如RTX 3060），显存需求最低4GB。
• 灵活部署：提供网页版、本地安装包及ComfyUI等多种使用方式，满足从新手到开发者的不同需求。

如何使用

1. 网页版快速体验：访问官网注册账号，输入英文提示词（如“a futuristic cityscape with neon lights”），调整风格、尺寸等参数后生成图像。
2. 本地部署（推荐）：下载秋葉aaaki等整合包，安装Python 3.10+和Git，运行webui-user.bat启动。首次启动会自动下载约4GB基础模型。
3. 进阶控制：在WebUI中使用ControlNet插件实现姿势控制，或加载LoRA模型生成特定风格作品。
4. 参数优化：建议采样步数20-30，CFG值7-12，启用Hires.fix提升分辨率至2倍。

价格

• 基础功能免费：所有开源版本均可免费使用，包括图像生成、修复等核心功能。
• 商业授权：企业用户需购买商用许可证，具体费用根据调用量阶梯计价。
• 云服务增值：官网提供付费API服务，每1000张512x512图像生成费用约$15。

使用技巧（Tips）

• 提示词结构：采用“质量词+主体+环境+风格”格式，例如“ultra detailed, a girl in kimono, cherry blossom background, ukiyo-e style”。
• 负面提示：添加“low quality, blurry, extra fingers”等排除异常元素。
• 模型管理：Civitai平台提供超10万个社区模型，建议常备RealisticVision（写实）、Counterfeit（二次元）等经典模型。
• 性能优化：N卡用户安装CUDA 11.8和xformers库，可提升30%生成速度。

常见问题

• 生成图像模糊？→ 检查是否启用Hires.fix，或尝试调整VAE模型。
• 显存不足报错？→ 降低分辨率至768x768以下，或使用--medvram启动参数。
• 中文提示无效？→ 安装双语插件Bilingual-Localization，或使用DeepL翻译英文。
• 如何更新版本？→ 在WebUI启动器选择“版本管理”，一键更新核心和扩展。
• 商业使用限制？→ 避免使用未授权的第三方模型，原创作品可申请CC0协议。