Stable Diffusion 是 Stability AI 于 2022 年 8 月发布的开源图像生成模型，它的开源直接终结了 DALL-E 和 Midjourney 的封闭垄断，引爆全球 AI 绘画浪潮。基于潜在扩散模型（Latent Diffusion），它将图像生成从云端 API 拉到消费级显卡——最低 2.4GB 显存就能跑。围绕它孕育出 LoRA、ControlNet、ComfyUI 等庞大生态，至今仍是自由度最高的图像生成方案。Stability AI 历程充满戏剧性：创始人 Emad Mostaque 2022 年 10 月以 10 亿美元估值融资 1.01 亿后迅速陷入财务困境，2024 年 3 月被迫辞职；前 Facebook 总裁 Sean Parker 和 James Cameron 等注资约 8000 万美元救场才免于破产。
核心功能详解
- 文本到图像生成（txt2img）：输入 Prompt 生成图像，模型完全开源，支持 SD1.5、SDXL、SD3.5 等版本。SDXL 原生 1024×1024，SD3.5 改用 Transformer 架构后文本理解力大幅提升
- 本地部署与隐私：代码和权重完全公开，可在自己电脑运行，不需传数据到云服务。隐私敏感商业项目和 NSFW 创作者不可替代的优势
- LoRA 与 DreamBooth 微调：几十张图即可训练 LoRA 模型固定角色、风格或物体，DreamBooth 适合更彻底的主体注入，这是 SD 生态最核心的护城河
- ControlNet 精准控制：通过边缘检测、深度图、姿态骨架等条件输入精确控制构图，至今没有其他工具达到同等控制精度
- ComfyUI 节点式工作流：拖拽节点搭建图像生成流水线，可视化编排 txt2img→img2img→upscale 全流程，复杂工作流可保存分享
- Img2Img 与 Inpainting：上传已有图像作为起点通过 Prompt 引导变化；用蒙版局部重绘，修手、换背景、加物体不需从头生成
适合谁
- AI 艺术创作者：需要最大创作自由度和精细控制，愿意投入时间学习提示词和参数调优
- 研究者和开发者：开源代码和权重可自行二次开发、微调、部署到产品
- 预算有限的独立创作者：本地运行零成本，不需为 API 付费
- 隐私敏感的商业项目：数据不出本地，符合企业安全合规要求
价格与访问
| 项目 | 内容 |
|---|---|
| 免费额度 | 模型完全免费开源，本地运行零成本；官方在线服务有免费试用额度 |
| 付费档位 | 官方 API 和云端订阅按用量计费（具体价格以官网为准） |
| 访问条件 | 本地运行无需网络；官方云端服务需要海外网络环境 |
| 国产平替 | 可灵 AI（快手出品）、即梦 AI（字节出品，侧重中文理解） |
使用建议
新手别直接啃命令行——从 AUTOMATIC1111 WebUI 或 ComfyUI 入手，社区教程丰富。关键一步：花时间在 CivitAI 上找好 LoRA 和 Checkpoint 模型。ControlNet 的 Canny 和 OpenPose 是最实用预处理器，掌握后基本解决 80% 构图需求。Prompt 写法与 Midjourney 完全不同——SD 更吃"标签式"描述（质量词+主体+细节+风格），而非自然语言句子。SD3.5 文本理解力提升但在社区模型生态上仍不如 SDXL 成熟，生产环境目前 SDXL + 社区微调模型最稳。
评论
加载中…