新智元报道??

编辑：编辑部

【新智元导读】虽然此前CEO曾陷入种种争议，但依然不影响Stability AI登上时代杂志。近日，该公司又发布了Stable Diffusion 的XL 0.9版本，35亿+66亿双模型，搭载最大OpenCLIP，让AI生图质量又有了新的飞跃。

(资料图)

Stable Diffusion又双叒升级了！

最近，Stability AI发布了最新版的Stable Diffusion XL 0.9（SDXL 0.9）。

比起之前的模型，这波更新在图像和构图细节上，都有了质的飞跃。

尤其是在参数上，这次的SDXL0.9具有35亿参数基础模型和66亿参数模型的集成管线。相比之下，Beta测试版仅用了单个31亿参数的模型。

为了生成更逼真的图像，以及更大的深度和更高的分辨率（1024x1024），SDXL 0.9使用了两个CLIP模型，包括迄今为止最大的OpenCLIP模型（OpenCLIP ViT-G/14）。

不仅如此，SDXL 0.9在消费级显卡上就能运行。只需要Win10/11或Linux操作系统、16GB内存，以及具有8GB以上显存的英伟达RTX 20系显卡即可。

SDXL 0.9和SDXL Beta的差异究竟有多大？

咱们看图说话。

实测效果

下面就来看看新版的SDXL 0.9，在图片细节上有什么不一样吧~

Prompt：外星人在拉斯维加斯漫步

SDXL Beta版

SDXL 0.9

Prompt：优胜美地国家公园的一只狼

Negative prompt：3d渲染，光滑，塑料，模糊，颗粒感，低分辨率，动漫，过度饱和

SDXL Beta版

SDXL 0.9

Prompt：手举咖啡

Negative prompt：3d渲染，光滑，塑料，模糊，颗粒状，低分辨率，动漫

SDXL Beta版

SDXL 0.9

官方表示，SDXL系列还会提供一系列超越基本文本prompt的功能。

包括图像对图像的prompt（输入一个图像以获得该图像的变化）、内画（重建图像的缺失部分）和外画（构建一个现有图像的无缝扩展）。

SDXL 0.9在两个CLIP模型上运行，包括迄今为止训练的最大的OpenCLIP模型之一（OpenCLIP ViT-G/14），这增强了0.9的处理能力和创造具有更大深度和1024x1024更高分辨率的逼真图像的能力。

SDXL团队不久将发布一个研究博客，更详细地介绍这个模型的规格和测试。

荣登Time最具影响力公司

就在最近，Stability AI被时代杂志选为100家最有影响力的公司之一。

对于Stability AI，时代杂志是这样介绍的——

如果你能用文字描述，Stability AI可以将其转化为图片。

Stable Diffusion是该公司帮助训练的免费开源文本到图像生成器，在8月份推出后，它改变了世界对于AI潜力的理解。

然而，Stability AI很快陷入了种种争议，包括如何训练这些工具，以及从互联网上获取数据的版权诉讼之中。

尽管如此，该公司表示，在推出Stable Diffusion 2.0的一个月内，App Store TOP 10应用中的4个，背后都是这个模型。

而公司CEO Emad Mostaque也被报道经?？浯蠊镜谋硐?，此前他曾声称：Stability AI「真正的开源」为「突破」铺平了道路。

SDXL Beta

实际上，SDXL的Beta版本也没发布多久，可见作图这一块的版本迭代真的是日新月异。

当时，StabilityAI就表示，Stable Diffusion XL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。

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。

SD-XL相比之前版本的改进如下：

使用较短的描述性prompt即可生成高质量图像

可以生成更贴合prompt的图像

图像中的人体结构更合理

与 v2.1和 v1.5版本(程度较轻)相比，SD-XL生成的图片更符合大众审美

负面提示词（negative prompt）是可选项

生成的肖像图更逼真

图像中的文本更清晰

清晰可读的文字

在v1系列和v2.1版本的Stable Diffusion模型中，并不具备在图片中生成可读文本的能力。

虽然SD-XL生成的文本信息并不总是准确，但确实得到了巨大的提升。

一个年轻的女性举着一个牌子，上面写着「Stable Diffusion」，头发高亮，坐在餐厅外面，棕色的眼睛，穿着裙子，侧灯

更好的人体结构

Stable Diffusion在生成人体解剖结构方面一直存在诸多问题，多几条腿、少个胳膊实在是太常见不过的问题。

比如说SD-v1.5生成瑜伽的图像，经?；岢鱿峙で娜颂?。

而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。

一个女人的照片

参考资料：

https://stability.ai/blog/sdxl-09-stable-diffusion

关键词：