北京时间7月27日凌晨，千呼万唤始出来，StabilityAI发布了模型！

作为新一代文生图模型的正式大版本，是否称得上是全球最强的开源图片生成模型呢？个人觉得可以的！

此前，版本作为研究性质的模型提前发布，看得很多人心痒难耐。0.9的命名，就好像迅雷下载卡在了99%进度条一样，让人难受。


采用了来自StabilityAI的图像控制技术

继之后，StabilityAI发布最强文生图模型

是StabilityAI旗下最强图像生成模型，算是升级版的StableDiffusion，它是目前最强的开源图像生成模型。


更适合复杂抽象概念和设计风格的图像

SDXL几乎可以生成任何艺术风格的高质量图像，即使不写出特定的提示词，也可以生成不同的图像，风格自由度很高。

此外，在色彩鲜艳度和准确度方面有很多调整，对比度、光照和阴影表现都比上一代更好。

值得一提的是，图片分辨率全部采用原生1024x1024分辨率。

此外，SDXL还解决了生成手的难题，还能生成文字，还能描述空间结构信息。

比如，下图有一张描述的是：背景中的女人追逐前景中的狗。


更好的空间控制能力，更强的风格控制能力，更逼真的效果

简洁的语言就能生成高质量图片

现在，SDXL只需几个简单的提示词就能创建复杂、细致、好看的图片。用户不使用"masterpiece"这种提示词就能生成高质量的图像，终于告别冗长的各种起手式了。

此外，SDXL的文本理解能力也上了新台阶，比如，能理解"TheRedSquare"（俄罗斯红场）与"redsquare"（一种形状）等概念之间的区别。


简单的提示词，高质量的输出

最大的开源图像模型

是参数最多的开源图像模型之一，它基于一个全新的架构来构建，由一个包含35亿参数的基础模型和一个66亿参数的精炼器（refiner）组成。

工作流程两步：第一步，基础模型生成带噪声的潜在变量。然后，通过去噪模型进行进一步处理。请注意，基础模型也可以作为一个独立的模块使用。

两步的流程，使得模型可以在不降低速度，计算资源占用较少的情况下稳定地生成图片。

能在有8GB显存的消费级显卡上运行，当然也能在公有云上正常工作。


微调和高级控制

使用，用自己的数据对模型进行微调变得更简单了。生成LoRa或checkpoint需要的数据整理工作更少了。

的时候，最少5张图片就能微调LoRa，现在需要的照片更少了吗？这个可以等大佬出教程，自己试试就知道了。

StabilityAI团队正在构建下一代的面向特定任务的结构、风格和构图控制能力，这是一个专门为SDXL优化的T2I/ControlNet，这部分目前处于测试预览阶段。



现在就想用的话可以试试这几种方式：

第一个，在线通过Clipdrop来访问，这是最简单的。免费用户就得多等几分钟，付费获得更好的优先级，简单试了试，确实很强！

第二个，想自己本地部署的朋友可以在GitHub上下载权重参数，更新AUTOMATIC1111之后，把它跟别的模型放在一起就能直接用。

第三个，开放了API，可以去官网上付费申请使用。

第四个，此外，还可以在AWS的SageMaker和Bedrock上使用。


的License授权使用的是CreativeMLOpenRAIL++-M，没太搞清楚能否能商用。

最后分享我用做的一张图：


Prompt:Arealisticphotoofacyberpunkcatwearingajacket

模型权重参数下载：