Stable Diffusion模型发布新版本:生成图像以假乱真

Stable Diffusion模型发布新版本:生成图像以假乱真

SDXL 0.9 是 Stability AI 发布的 Stable Diffusion 文本生成图片模型的新版本，在图像生成质量、参数规模、功能扩展及硬件适配性方面均有显著提升。

图像生成质量提升细节与构图飞跃：SDXL 0.9 在图像和构图细节上实现质的飞跃，生成图像更逼真、更有质感。例如，在“外星人在拉斯维加斯漫步”的提示下，新版本生成的图像能正确呈现人类五指，细节表现更精细。
更高分辨率与深度：支持生成 1024x1024 分辨率的图像，具备更大深度，画面层次更丰富。

参数规模扩大
集成管线模型：SDXL 0.9 采用 35 亿参数基础模型与 66 亿参数模型的集成管线，而 Beta 测试版仅使用单个 31 亿参数模型。参数规模的扩大显著提升了模型的处理能力和生成效果。
技术架构升级
双CLIP模型架构：使用两个 CLIP 模型，包括迄今最大的 OpenCLIP 模型（OpenCLIP ViT-G/14），增强了模型对文本提示的理解能力，从而生成更符合要求的图像。
逼真图像生成：通过双模型架构与大规模参数，SDXL 0.9 能够创造具有更大深度和更高分辨率的逼真图像。

功能扩展图像对图像提示：支持输入一张图像并生成其变化版本，例如调整风格、场景或元素。
内画与外画功能：
内画：可重建图像的缺失部分，修复损坏或遮挡的区域。
外画：能构建现有图像的无缝扩展，例如延伸背景或补充场景。

硬件适配性优化
消费级显卡运行：SDXL 0.9 可在消费级显卡上运行，硬件要求为：
操作系统：Win10/11 或 Linux。
内存：16GB。
显卡：英伟达 RTX 20 系及以上，显存 8GB 以上。
访问与后续计划
当前访问方式：用户可通过 ClipDrop 平台体验 SDXL 0.9。
API 与版本更新：Stability AI 即将推出相关 API，并计划于 7 月中旬发布 1.0 版本，进一步优化功能与性能。