Словарь ИИ

Что такое Stable Diffusion

Коротко

Stable Diffusion это семейство открытых моделей для создания изображений по тексту, которые можно скачать и запустить на своем компьютере или сервере.

Модели и сервисы · Stable Diffusion

Михаил МозгПроверено: 16 октября 20261 минута чтения

Ребенку

Представь запотевшее окно, на котором ты пальцем стираешь пятнышко за пятнышком, пока не проступит картинка. Эта программа рисует похоже: начинает с цветной ряби, как помехи в старом телевизоре, и шаг за шагом убирает лишнее, пока не получится кошка, замок или ракета, которую ты описал словами.

Простыми словами

Вы пишете описание, например «маяк на скале во время шторма», и модель создает картинку. Внутри она начинает со случайного шума и за несколько десятков шагов превращает его в изображение, подходящее к тексту. Главное отличие от многих сервисов: веса модели открыты. Их скачивают, запускают на своей видеокарте, дообучают на своих картинках и добавляют стили. Поэтому вокруг этой модели выросло много бесплатных программ и надстроек.

Для бизнеса

Бизнес применяет Stable Diffusion для иллюстраций, карточек товаров, макетов и фонов, когда изображения нельзя отправлять во внешнее облако. Модель работает на своем сервере, данные остаются в компании, а расходы складываются из видеокарты, электричества и работы инженера. Лицензия зависит от версии: ранние модели вышли под CreativeML OpenRAIL-M, текущие под Stability AI Community License, бесплатной для организаций с годовой выручкой меньше 1 млн долларов; крупнее нужна Enterprise License. Списка запрещенных стран в лицензии нет, но она требует соблюдать законы об экспортном контроле и санкциях, поэтому текст читает юрист. Конфигурацию сервера под такую задачу считают до покупки железа.

Для специалиста

В основе лежит латентная диффузия (Latent Diffusion Models): Rombach и др. (2021) предложили запускать диффузионный процесс не в пикселях, а в латентном пространстве заранее обученного автоэнкодера и добавили слои перекрестного внимания (cross-attention), чтобы обусловливать генерацию текстом или разметкой. Карточка версии 1.4 называет ее латентной диффузионной моделью текст в изображение, разработчики Robin Rombach и Patrick Esser, обучение на LAION-2B (en). Stable Diffusion 3.5 Large перешла на мультимодальный диффузионный трансформер (MMDiT) на 8 млрд параметров с QK-нормализацией и тремя замороженными текстовыми энкодерами: OpenCLIP-ViT/G, CLIP-ViT/L и T5-xxl. Для адаптации под стиль применяют LoRA, для исключения лишнего в кадре негативные промпты.

Пример

Мебельная фабрика запускает модель на своем сервере и создает фоны для фотографий диванов: гостиная, лофт, загородный дом. Снимки товара не покидают компанию, а дизайнер выбирает удачные варианты.

Связанные термины

Вопросы и ответы

Можно ли бесплатно использовать Stable Diffusion в бизнесе?

Для текущих моделей действует Stability AI Community License: она бесплатна, пока годовая выручка организации меньше 1 млн долларов. Компаниям крупнее нужна Enterprise License от Stability AI.

Что нужно, чтобы запустить Stable Diffusion у себя?

Компьютер или сервер с видеокартой, на которой поместится выбранная версия модели, и программа для запуска. Чем крупнее модель, тем больше видеопамяти ей требуется.

Источники

Где это применяют в компании

Сервер для ИИ: конфигурации и цена владения

Не уверены, нужно ли это вашей компании?

Карта ИИ-решений