无需本地部署，免费使用 Stable Diffusion | 就在 Midjourney 全网收割付费用户的时候，SD 推出一款

无需本地部署，免费使用 Stable Diffusion | 就在 Midjourney 全网收割付费用户的时候，SD 推出一款对标 Midjourney 的完全免费的 AI 画图软件 Stable Foundation，同样部署在 Discord 上，Stable Foundation 使用的是最新的 sdxl 1.0 版本模型。 如何将 Stable Foundation 机器人弄到 Discord 上呢？ 1. 没有下载 Discord 的朋友，需要先下载 Discord 2. 在网页中打开这个网址 3. 将 Stable Foundation 加入到你的频道，或者在左上角这个输入框输入搜索：stable foundation 加入频道 4. 加入后，在这里下面，随便选择一个机器人房间，就可以像 Midjourney 一样画图了(有时候可能房间比较拥挤，机器人并不理你，你可以换一个房间）

Stable Diffusion XL 和 Midjourney 随手对比，图1是SDXL，图2图3是MJ

Stable Diffusion XL 和 Midjourney 随手对比，图1是SDXL，图2图3是MJ - SDXL 的壁纸都能隐约看到一些照片的构图方式，MJ 则是更加概念化和艺术化 - 色彩方面每个人偏好不同，但是个人感觉MJ的更加高级感一些 - SD 大部分图都会加沙发，MJ大部分是纯色彩壁纸

Stable Diffusion 是人工智能公司 Stability AI 背后的文本到图像模型，于 2022 年 8 月发布。

Stable Diffusion 是人工智能公司 Stability AI 背后的文本到图像模型，于 2022 年 8 月发布。Stability AI 首席执行官 Emad Mostaque 表示，Stable Diffusion 在所有渠道拥有超过 1000 万用户。如果我们推断一下《Midjourney》的数据和趋势，就会发现，通过官方的 Stable Diffusion 渠道，用户每天会生成 200 万张图片，而在发布一年多的时间里，这个数字已经达到了 6.9 亿张图像。 如果加上其他流行模型（例如 Runway，我们单独统计）和 Stability AI 的官方渠道，使用 Stable Diffusion 创建的图像数量将增加到 125.9 亿张，占所有使用文本转文字创建的 AI 图像的 80%。 Adobe Firefly Adobe Adobe 推出了 Firefly，于 2023 年 3 月发布。上线 6 周内，用户创建了超过 1 亿资产。随着 Firefly 于 2023 年 5 月集成到 Adobe Photoshop，考虑到全球使用 Photoshop 的人数，图像数量呈指数级增长。 Adobe 在最新的新闻稿中分享了其 AI 图像统计数据：推出仅 3 个月，使用 Adobe Firefly 创建的图像数量就已达到 10 亿张。 使用 Stable Diffusion、Adobe Firefly、Midjourney 和 DALLE-2 总共生成了超过 150 亿张人工智能创建的图像。这比 Shutterstock 的整个照片、矢量图和插图库还要多，而且是 Instagram 上传的图片数量的三分之一。

Stability AI推出Stable Diffusion 3 提示文本理解更好、图像质量更强

Stability AI推出Stable Diffusion 3 提示文本理解更好、图像质量更强 Stable Diffusion 3的参数在8亿80亿之间，也就是说Stable Diffusion 3可能是专为移动设备开发的，AI算力消耗将更低，推理速度却更快。目前，Stable Diffusion 3支持申请使用，未来会扩大测试范围。申请地址： Diffusion 3的技术内容，但指出其核心架构使用了Transformer和Flow FMatching（简称“FM”）。Transformer大家都很熟悉了，ChatGPT、T5 、BERT等很多著名模型都是基于该架构开发的。而FM是Meta AI和魏茨曼科学研究所在2022年10月发布的，一种全新高效建模、训练技术概念。Flow Matching论文地址： Matching简单介绍目前，很多文生图模型使用的是CNF（连续正规化流动）训练方法，主要使用常微分方程对流动进行建模，实现从一种已知分布到目标分布的平滑映射。但由于训练过程需要进行大量的微分方程模拟，会导致算力成本高、模型设计复杂、可解释性差等缺点。FM则是放弃微分方程的直接模拟,而是通过回归固定条件概率轨迹来实现无模拟训练。研究人员设计了条件概率分布与向量场的概念,利用边缘分布的结合可以建立总体目标概率轨迹与向量场,从而消除了模拟过程对梯度计算的影响。1）条件概率路径构建：FM需要给出一个目标概率路径,该路径从简单分布演变到逼近数据分布。然后利用条件概率路径构建了目标路径,这样每个样本有一个对应的条件路径。2）变换层：构成FM的基本单元，每个变换层都是可逆的。这意味着从输入到输出的每一步映射都可以精确地反转，从而允许从目标分布反推到原始分布。3）耦合层：将输入分成两部分，对其中一部分应用变换，而变换函数可以是任意的神经网络，其参数由另一部分决定，保证了变换的可逆性。目前，FM技术已在图像生成与超分辨率、图像理解、图像修复与填充、条件图像生成、图像风格迁移与合成、视频处理等领域得到广泛应用。Stable Diffusion 3案例展示本次的发布页面也是由Stable Diffusion 3生成的，提示词：史诗般的动漫艺术风格，一位巫师站在夜间的山顶上，向黑暗的天空施放咒语，上面写着由彩色能量生成的“Stable Diffusion 3”文字教室桌子上有一个红苹果，电影风格，背景的黑板上用粉笔写着“要么做大，要么回家”一名宇航员骑着一只穿着蓬蓬裙的猪，撑着一把粉色的伞，猪旁边的地上有一只戴着高帽的知更鸟，角落里写着"Stable Diffusion"的字样。一只变色龙，黑色背景，摄影风格。一辆跑车的夜间照片，侧面写有“SD3”字样，汽车在赛道上高速行驶，巨大的路标上写着“更快”的文字。波浪冲击苏格兰灯塔的鱼眼镜头照片，黑色波浪。 ... PC版： 手机版：

Midjourney危险了！Stable Diffusion最强模型SDXL已上线（含保姆级体验教程）！

Midjourney危险了！Stable Diffusion最强模型SDXL已上线（含保姆级体验教程）！ 看到没多少人写sdxl，这里我就给想尝鲜的朋友，写一个如何快速体验SDXL效果的教程。 免下载模型，sdxl体验步骤： 1、sd为什么会搞出sdxl？ 这次，SD看着营收上亿的Mj，终于坐不住了。 它发布了全新模型SDXL 1.0，号称是“迄今为止最牛逼的图像生成大模型”。 那你肯定好奇，为什么会搞出这样一个产品？ 很简单，SD看到Mj赚了几个亿坐不住了。 我要是sd，我现在大腿都要拍肿了。 人家mj十几个人居然搞出来了上亿美元的收入，你sd那么多的人还在亏损？？？ 这不对标mj搞出个史诗级的新模型，你家投资人都坐不住了。 毕竟，搞研究是要花钱的，这次的sdxl很显然就是冲着后续抢用户+收费来的。 2、SDXL体验+测评效果总结 根据我的经验，SDXL是一个过渡期的产品，想要尝鲜的朋友一定不要错过。 首先要给第一次接触的朋友讲一下，作为一个拥有35亿参数基础模型和66亿参数模型的生物。 这个SDXL到底比之前几个版本的sd牛逼在哪里？ （1）对撰写提示词的要求大大降低。 除了提示词更加精简之外，它的效果主要是体现在不需要质量提升词和负面提示词上。 你不需要输入masterpiece这些常见的品质优化词，就可以实现非常棒的画面效果。 同样的，你也不必像之前那样输入大量的负面提示词，来控制ai对画面的生成。 比如最常见的手部结构出问题，是大家能识别ai的好方法，而现在ai更加能够生成无缺陷的手部结构了。 （2）加强了对自然语言的理解能力。 这个其实也是为了解决目前撰写提示词上的痛点，比如目前ai绘画的提示词都是一个个用逗号连接起来的词条。 而到了SDXL这个版本，即使你输入一连串的自然对话，它也可以理解了。 也就是说，写提示词这件事儿，真的会越来越简单了。 （3）支持更大尺寸的照片，分辨率高很多。 比如你可以直接生成1024x1024大小的图片了。 之前你想直接出这类高清图片其实需要使用高清修复或者其他方法才能达到。 （4）ai终于会写字了。 SDXL已经能识别和生成文字了。

早上尝试Stable Cascade的时候，试了几张图发现 SC 模型生成图片质量比 SDXL 刚发布的时候好不少。

早上尝试Stable Cascade的时候，试了几张图发现 SC 模型生成图片质量比 SDXL 刚发布的时候好不少。 于是就做了一个更详细的测试，SC 和 Midjoureny 使用完全相同的提示词，Midjoureny不是用特殊的参数，一次生成 4 张，各选出一张比较好的进行测试。 下面是对应的测试图，先说我的结论： 在写实场景 SC 生成的内容在美学表现上和细节上跟 Midjourney 差别不是很大，细节上差一些，偶尔可以替代使用。 SC 由于模型规模的原因对于一些概念的理解不够，提示词响应比 SDXL 好但是比 Midjourney 要差。 整体美学表现上相比 SDXL 更发布的时候有大幅提高，虽然还是不如 Midjourney，但是风格表现上很相似，估计拿 MJ 图片做的训练。