Stable Diffusion
Liberó los pesos de texto a imagen y los hizo caber en GPU de consumo
El texto completo se presenta en inglés; el título y el resumen están traducidos.
QUÉ ES
Stable Diffusion is an open-source text-to-image model that Stability AI released in August 2022. It runs the diffusion process in the latent space of a pretrained autoencoder, sharply cutting computation so the model can run on consumer GPUs. Text is turned into conditioning vectors by a CLIP text encoder and injected into the denoising network through cross-attention. The first 1.x version natively outputs 512×512, with a U-Net of roughly 860 million parameters and weights released under an open licence.
Por qué merece la pena recordarlo
By open-sourcing text-to-image weights and making them runnable on consumer GPUs, it directly spawned the whole open-source image ecosystem of fine-tunes, plugins and local generation, marking the point where generative imagery reached a broad audience.
Especificaciones clave
- Native resolution
- 512×512 (1.x)
- U-Net parameters
- About 860M
- Architecture
- Latent diffusion + CLIP text encoder
- Open weights
- Yes
- Released
- 2022-08
Capacidades
Conceptos relacionados
Difusión latente y control condicional
Hacer difusión no sobre píxeles, sino dentro de un espacio semántico comprimido
Modelos de difusión
Aprende mil pequeños pasos de eliminación de ruido y podrás crear una imagen desde ruido puro
Autoencoders y VAE
Comprime la información por un cuello de botella y deja que vuelva a crecer
Generación multimodal
Un mismo modelo que aprende a hablar, dibujar, moverse e incluso modelar el mundo 3D
Productos similares
Midjourney
2022Un servicio de texto a imagen conocido por su estilo estético
DALL·E 3
2023Reescribe un prompt largo en una descripción detallada y luego dibuja la imagen
FLUX
2024Genera imágenes de alta resolución con un transformer de flujo rectificado
Imagen
2022Genera imágenes fotorrealistas con difusión en cascada y un gran codificador de texto
Firefly
2023Una herramienta de generación y edición de imágenes para creadores
Seedream
2024Un modelo texto a imagen de alta resolución nativa y buen renderizado de texto