AI绘画兴起，Stable Diffusion脱颖而出，来一探究竟

news2025/1/11 17:51:17

近几年，AI图像生成风靡全球，它能够根据文字描述生成精美图像，这极大地改变了人们的图像创作方式。众多专业人士说该技术正在引领着新一轮深度学习创意工具浪潮，并有望彻底改变视觉媒体的创作。

AI绘画兴起

Stable Diffusion脱颖而出

目前文生图的主流AI绘画平台主要有三种：Midjourney、Stable Diffusion、DALL-E。

2022年4月，OpenAI发布了DALL-E 2，引发社交媒体热议。因为它能够将用文字编写的场景（成为“提示”）转换为无数视觉风格，有人使用这个工具创作了骑在马背上的宇航员，在古埃及购买面包的泰迪熊等。

DALL-E 2生成图像

之后不久，Google和Meta宣布了他们自己的文本到图像AI模型。

MidJourney自2022年3月起作为Discord服务器提供，几个月后向公众开放，因此上手有一点难度，不过是收费的，所以在默认情况下，MidJourney绘画质量更高。但它对于硬件性能的要求较高，甚至同一个指令每次得到的结果都不尽相同。

MidJourney生成图像

然后8月22日，Stability AI发布了Stable Diffusion。它使用来自LAION-5B数据集的512x512图像进行训练，已经过数十亿张图像的训练，可以产生与DALL-E 2和MidJourney相当的结果。

仅在发布后的一周后，媒体上就涌现了数十个将Stable Diffusion推向全新方向的项目。人们使用一种名为“img2img”的技术取得了意想不到的效果，该技术升级了MS-DOS游戏艺术、将Minecraft图形转换为逼真图形、将阿拉丁的场景转换为3D、将童趣涂鸦转换为丰富的插图等等。

Stable Diffusion生成图像

完全免费开源

还能自定义训练风格模型

Stable Diffusion核心技术来源于AI视频剪辑技术创业公司Runway的Patrick Esser，以及慕尼黑大学机器视觉学习组的Robin Romabach。

相较于DALL-E等其他平台，Stable Diffusion完全免费开源，目前有超过一千种模型可供下载，所有代码均在GitHub上公开，任何人都可以拷贝使用。

Stable Diffusion生成图像

在实际工作中应用AI绘画，图像的精准控制和风格控制是影响绘画效果生成的两个重要因素。Stable Diffusion中就拥有众多选项可供用户“定制化”个人图像，例如更改图像大小、生成图片数量、种子值、采样器等，同时支持prompt和negative prompt，能够提高提示中关键词的权重。

Stable Diffusion的强大之处还在于能够自定义训练风格模型，如果现有风格无法满足要求，可以自己训练特定风格模型。并且除了生成图像外，Stable Diffusion还能用在图像编辑、修复、超分辨率、风格迁移等众多方面。

Stable Diffusion生成图像

集成DCC工具

构建更庞大的生态系统

Stable Diffusion逐渐火爆的同时，Stability.ai官方和CG业内大佬还发布了一系列免费插件，例如AI Render、Stability等，来将Stable Diffusion集成到Blender、Houdini等DCC应用程序中。

AI Render

这些插件可以帮助用户使用Blender、Houdini等3D内容创建工具内部的开源AI图像生成模型，将简单块状几何体的渲染转换为详细的插图和概念艺术。

用户还能从动漫和线条艺术等基础风格，到超现实主义、包豪斯等美术风格等一系列预设视觉风格中进行选择，并在Blender、Houdini这些工具内调整Stable Diffusion参数以调整最终图像的外观。

预设视觉风格

自公布以来，Stable Diffusion依靠其支持本地化运行的特性以及强悍的性能，正以肉眼可观的速度爆红AI圈，已经被艺术家、开发人员和爱好者等社区广泛采用。与此同时，对GPU算力的需求也越来越高。

Stable Diffusion基本上是基于使用NVIDIA制造GPU而设计的，所以这项「黑科技」在NVIDIA GPU就有着最好的效率表现。赞奇与华为携手共创的赞奇云工作站，所有机型均配备NVIDIA专业级显卡，具有高达153.4 TFLOPS的Tensor Performance参数性能，对深度学习中的计算性能和效率有着更高的支持度，更有能力处理AI任务。