Stable Diffusion

Stable Diffusion 是一款开源的文本到图像（text-to-image）生成式人工智能模型，由 Stability AI 于 2022 年发布。它基于潜在扩散模型（Latent Diffusion Model, LDM），在压缩的潜在空间中执行去噪过程，显著降低了计算资源需求，使高性能图像生成可在消费级 GPU（如 NVIDIA RTX 3090/4090）上本地运行。

核心特色：
• 完全开源：模型权重、训练代码与推理脚本均公开（Apache 2.0 许可），支持社区自由研究、微调与二次开发；
• 本地化部署：无需依赖云端服务，用户可在个人电脑离线运行，保障数据隐私与创作自主权；
• 多模态扩展性强：原生支持文生图（txt2img）、图生图（img2img）、图像修复（inpainting）、超分辨率（upscaling）及 ControlNet 等插件，实现姿态控制、边缘约束、深度引导等精准生成；
• 生态丰富：拥有庞大社区支持，衍生出 WebUI（如 Automatic1111、ComfyUI）、模型集市（Civitai）、LoRA 微调模块、Embedding 触发词库等成熟工具链。

突出亮点：
• 极高的定制自由度——支持自定义提示词（Prompt）、反向提示词（Negative Prompt）、采样器（如 DPM++ 2M Karras）、步数、CFG Scale 等参数精细调控；
• 低成本高效率——相比同类大模型（如 DALL·E 3、MidJourney），显存占用低、推理速度快，单张 512×512 图像生成仅需 2–10 秒；
• 模型可迁移与轻量化——支持 LoRA、Textual Inversion、Hypernetworks 等轻量适配技术，便于快速训练专属风格（如角色、画风、品牌视觉）；
• 强大的社区共创机制——每日新增数百个免费模型与工作流，涵盖写实、动漫、3D、像素、国风等全风格覆盖。

总结：Stable Diffusion 不仅是一款图像生成工具，更是 AIGC 时代的开放基础设施。它以技术民主化为核心理念，打破专业创作门槛，赋能设计师、艺术家、开发者与普通用户实现“所想即所得”的视觉表达。其持续演进的稳定性、灵活性与社区活力，使其稳居全球最主流、最具影响力的开源生成式AI项目之列。