Stable Diffusion（SD） 是由 Stability AI 于 2022 年推出的开源文生图 / 图生图扩散模型，凭借完全开源、高度可控、本地部署、生态爆炸成为全球最主流的 AI 图像生成底层引擎，适合专业创作者、开发者与企业深度定制。
一、核心概况
- 定位：开源 AI 图像生成模型（文生图 / 图生图 / 视频 / 3D）
- 研发：Stability AI、CompVis、LAION 联合开发
- 核心技术：潜在扩散模型（Latent Diffusion Model）
- 开源协议：允许个人 / 商业使用、二次开发与分发
- 主流版本：SD 1.5 → SD 2.1 → SDXL 1.0（旗舰，1024×1024）→ SD 3.0/3.5（多模态）
- 部署方式：本地部署（WebUI/ComfyUI）、云端 API、第三方平台
- 社区生态：Civitai、Hugging Face 等平台提供海量模型 / 插件
二、核心功能矩阵
1. 文生图（核心）
- 支持中英文提示词，生成 256–1024px 高清图像
- 风格全覆盖：写实、二次元、国风、3D、赛博朋克、水墨等
- 自定义参数：分辨率、步数、CFG、采样器、种子（固定结果）
- 批量生成、多图对比、种子复用、提示词权重控制
2. 图生图与高级控制
- 上传参考图，进行风格迁移、重绘、扩图、细节修复
- ControlNet：精准控制姿态（OpenPose）、深度、线稿、边缘、语义分割Stable Diffusion
- LoRA：轻量级微调，快速定制角色 / 画风 / 物体Stable Diffusion
- 局部重绘（Inpaint）、画布扩展（Outpaint）、超分辨率（SD Upscale）
3. 模型与插件生态
- Checkpoint：基础模型（如 SD 1.5、SDXL、Anything、MeinaMix）
- LoRA：角色、画风、服饰、道具等专项微调模型（百万级）
- Embedding：文本嵌入，强化特定风格 / 概念
- 插件：ControlNet、Tiled VAE、Regional Prompter、AnimateDiff（视频）
4. 进阶创作能力
- 视频生成：Stable Video Diffusion（SVD）生成 4–16 秒短视频
- 3D 生成：TripoSR 文本→3D 网格模型
- 图像修复 / 超分：老照片修复、低清图放大、瑕疵去除
- 商业流水线：批量生成、API 集成、自动化工作流
三、核心特点
- 完全开源：代码、模型权重、训练数据（LAION-5B）公开
- 本地部署：隐私安全、无平台限制、完全免费（硬件自备）
- 极致可控：ControlNet+LoRA 实现像素级精准控制Stable Diffusion
- 生态爆炸：百万级模型 / 插件，覆盖所有风格与场景
- 硬件友好：消费级 GPU（4GB+ 显存）即可运行Stable Diffusion
- 高度定制：支持二次开发、模型微调、插件扩展
四、核心优点
- ✅ 开源免费：无订阅费、无点数限制，本地部署零成本
- ✅ 可控性最强：ControlNet 精准控制构图、姿态、细节
- ✅ 生态最丰富：Civitai 等平台海量模型，一键切换风格
- ✅ 隐私安全：本地运行，数据不泄露，适合敏感创作
- ✅ 高度定制：开发者可修改模型、开发插件、集成到产品
- ✅ 多模态扩展：从图像延伸到视频、3D、音频
五、主要不足
- ❌ 硬件门槛：流畅运行需 NVIDIA GPU（推荐 8GB+ 显存）
- ❌ 学习陡峭：参数繁多、界面复杂（WebUI/ComfyUI），新手难上手
- ❌ 生成不稳定：复杂构图易出现肢体错位、细节失真
- ❌ 版权风险：训练数据含未授权作品，商用需谨慎
- ❌ 速度较慢：高清 / 高步数生成耗时（10–60 秒 / 张）
六、典型应用场景
- 专业创作：游戏原画、影视分镜、概念设计、角色建模
- 商业设计：电商主图、广告海报、品牌视觉、包装设计
- 二次元创作：动漫角色、同人插画、壁纸、表情包
- 内容生产：自媒体插图、短视频素材、书籍插画、科普配图
- 工业设计：产品效果图、建筑可视化、室内设计
- 个人创意：头像、艺术画、老照片修复、3D 模型生成
- 企业开发：API 集成、自动化内容流水线、定制化 AI 工具
七、使用方式
- 本地部署：安装 Python、Git、CUDA；下载 WebUI/ComfyUI；下载模型
- 云端使用：Google Colab、RunPod、阿里云等 GPU 云服务
- 第三方平台：NovelAI、MidJourney（部分基于 SD）、无界 AI 等
- 操作流程：输入提示词 → 选择模型 / 风格 → 设置参数 → 生成 → 编辑 / 下载
八、官方信息
- 类型：开源 AI 图像生成模型、文生图 / 图生图引擎、专业创作工具
- 核心能力：潜在扩散、ControlNet、LoRA、本地部署、开源生态、多模态扩展
- 平台：本地（Windows/macOS/Linux）、云端 API、第三方平台
- 价格：完全免费（硬件 / 云端费用自理）
- 语言：支持中英文提示词
- 适合：专业设计师、开发者、游戏 / 影视从业者、二次元创作者、企业技术团队
Midjourney 是一款基于人工智能的图像生成工具，能根据用户输入的文本描述生成高质量、富有创意的图像，在设计、艺术创作等领域应用广泛。