Stable Diffusion-XL開啟公測，讓你擺脫繁瑣的長prompt！

自从Midjourney发布v5之后，在生成图像的人物真实程度、手指细节等方面都有了显著改善，并且在prompt理解的准确性、审美多样性和语言理解方面也都取得了进步。

相比之下，Stable Diffusion虽然免费、开源，但每次都要写一大长串的prompt，想生成高质量的图像全靠多次抽卡。

最近Stability AI的官宣，正在研发的Stable Diffusion XL开始面向公众测试，目前可以在Clipdrop平台免费试用。

试用链接：​https://clipdrop.co/stable-diffusion​

Stability AI的创始人兼首席执行官Emad Mostaque表示，目前该模型仍然处于训练阶段，等参数稳定后将会开源；SD-XL在「握手」等图像细节方面会表现更好，几乎完全可控。

Stable Diffusion XL也并不是最终发布版的名字，并且也并非是v3，因为SD-XL的架构和SD-v2系列的模型架构非常相似。

Minimalistic home gym with rubber flooring, wall-mounted TV, weight bench, medicine ball, dumbbells, yoga mats, high-tech equipment, high detail, organized and efficient.

简约的家庭健身房，橡胶地板，壁挂式电视，举重凳，药球，哑铃，瑜伽垫，高科技设备，高细节，组织和效率

下面几张SD-XL官方发布的例图，可以看出图像的质量已经非常能打了。

不过有时候less并不代表more，有网友认为SD-XL为了摆脱「糟糕的品味」，设定了太多的规则，定制化空间越来越小，不符合大多数人的喜好。目前v1.5的Stable Diffusion仍然是社区内最流行的基座模型。

网友表示希望新版SD能够和SD 2.1版本的嵌入、hypernetworkds和Lora模型保持兼容，再从零开始重训的话就太难受了。

也有网友认为，SD-XL的表现和civit网站上网友分享的模型差不多，新模型的效果也并不是特别惊艳，也就是平均水平。

SD-XL：開源版Midjourney

關於Stable Diffusion XL模型的具體信息，官方並沒有透露太多，目前只知道是與v2模型架構相似、但規模和參數量較大的模型。

SD-v2.1包含9億參數，SD-XL大約有23億參數，Emad表示正式版可能會額外發表一個較小的蒸餾版本。

SD-XL相比先前版本的改進如下：

• #使用較短的描述性prompt即可產生高品質圖像
• 可以產生更貼合prompt的圖像
• #圖片中的人體結構更合理
• 與v2.1和v1.5版本(程度較輕)相比，SD-XL產生的圖片更符合大眾美學
• 負面提示詞（negative prompt）是可選項
• 產生的肖像圖更逼真
• #圖片中的文字更清晰

要注意的是，SD-XL可能與先前版本的插件不相容。

清晰可讀的文字

在v1系列和v2.1版本的Stable Diffusion模型中，並不具備在圖片中生成可讀文本的能力。

雖然SD-XL產生的文字訊息並不總是準確，但確實得到了巨大的提升。

Photo of a woman sitting in a restaurant holding a menu that says “Menu”

一個女人坐在餐廳裡拿著寫著「Menu」的選單

Photo of a man holding a sign that says “Stable Diffusion”

##一個男人寫著寫著“ Stable Diffusion」的牌子

a young female holding a sign that says “Stable Diffusion”, highlights in hair, sitting outside restaurant, brown eyes, wearing a dress , side light

一個年輕的女性舉著一個牌子，上面寫著“Stable Diffusion”，頭髮高亮，坐在餐廳外面，棕色的眼睛，穿著裙子，側燈

更好的人體結構

Stable Diffusion在產生人體解剖結構方面一直存在諸多問題，多幾條腿、少個手臂實在是太常見不過的問題，通常需要使用inpaint功能進一步對圖像細節進行修正；或者是使用ControlNet的Open Pose功能從參考圖像中復制人體的姿態。

比如說SD-v1.5產生瑜珈的圖像，常常會出現扭曲的人體。

Photo of a woman in yoga outfit, triangle pose, beach in evening, rim lighting

#一個女人的照片在瑜珈服裝，三角形的姿勢，海灘在晚上，邊緣照明

SD-XL虽然生成的图像并不完美，不过在人体姿态方面已经有了显著的进步。

更有美感（more aesthetic）

比如同样以屋子为主题，SD-XL可以生成更对称、视觉效果更好的照片。

SD-XL在肖像照片上也有显著改进。

photo shot of a woman

一个女人的照片

更贴合prompt的图像

SD-XL可以更好地理解输入的prompt，并生成更精确的图像。

比如以duotone（双色）为例，SD-v1.5只会生成黑白图像，而SD-XL则可以生成具有多种颜色的双色调图像。

与 v1模型相比，理解提示符的能力有所提高。

duotone portrait of a woman

一个女人的双色调肖像

因为SD-XL同属v2系列模型，所以文本模型尺寸更大，可以比v1模型更好地理解提示词。

比如下面的例子中，v1.5模型始终无法理解图像中的两个主题（机器人和人类），但SD-XL模型可以生成正常的图像（虽然机器人还是不够big）。

big robot friend sitting next to a human, ghost in the shell style, anime wallpaper

大机器人朋友坐在人类旁边攻壳机动队风格的动漫壁纸

a young man, highlights in hair, brown eyes, in white shirt and blue jean on a beach with a volcano in background

一个年轻人，头发染得很亮，棕色眼睛，穿着白衬衫和蓝色牛仔裤，站在海滩上，背景是一座火山

艺术风格

在艺术风格上，SD-XL并没有显著改进，和之前的版本各有千秋。

比如两个模型以不同的角度生成了Edward Hopper风格的图像。

New York city by Edward Hopper

Edward Hopper繪製的紐約

Leonid Afmov 的風格中，SD-v1.5更準確，SD-XL缺少了不同顏色的筆刷（unmistakable colorful board brushstrokes）。

New York city by Leonid Afremov

Leonid Afemov在繪製的紐約

William-Adolphe Bouguereau風格中，V1.5和SDXL都可以產生一些類似的內容，其中SD-XL更接近Bouguereau創作的經典學院派繪畫，並且臉部細節更多。

Portrait of beautiful woman by William-Adolphe Bouguereau

William-Adolphe Bouguereau繪製的美女肖像

風格轉變問題

在添加一些無關緊要的關鍵字後，模型的風格可能會突然轉變。

例如先生成一張照片風格的圖像。

a young man, highlights in hair, brown eyes, in white shirt and blue jean on a beach with a volcano in background

一個年輕人，頭髮染得很亮，棕色眼睛，穿著白襯衫和藍色牛仔褲，站在海灘上，背景是一座火山

再增加一條黃色的圍巾後，圖像風格就變成了卡通風格。

a young man, highlights in hair, brown eyes, wearing a yellow scarf, in white shirt and blue jean on a beach with a volcano in background

一個年輕人，頭髮染得很亮，棕色的眼睛，圍著黃色的圍巾，穿著白襯衫和藍色牛仔褲，站在一個火山為背景的海灘上

問題的故障可能源於預覽問題，在正式發布後該問題不知能否得到解決。

以上是Stable Diffusion-XL開啟公測，讓你擺脫繁瑣的長prompt！的詳細內容。更多資訊請關注PHP中文網其他相關文章！