Specyfikacja techniczna stability-ai/stable-diffusion
| Specyfikacja | Szczegóły |
|---|---|
| Identyfikator modelu | stability-ai/stable-diffusion |
| Dostawca | Stability AI |
| Rodzina modeli | Stable Diffusion |
| Modalność | Generowanie obrazów na podstawie tekstu |
| Główne podejście | Model dyfuzji utajonej |
| Główne dane wejściowe | Prompty w języku naturalnym |
| Główne dane wyjściowe | Obrazy generowane przez AI |
| Typowe możliwości | Generowanie obrazów z tekstu, wariacje obrazów, inpainting, outpainting, edycja kierowana promptem, kontrola stylu |
| Typowe rozdzielczości | Zależy od checkpointu/wersji; oficjalne rodziny Stable Diffusion powszechnie obsługują rozdzielczości od 512×512 do 1024×1024 i wyżej, w zależności od konkretnego modelu i przepływu pracy |
| Sposób wdrożenia | Dostęp przez API na CometAPI; szerszy ekosystem Stable Diffusion wspiera także lokalne i samodzielne uruchomienie dzięki otwartym wagom i narzędziom społeczności |
| Informacja licencyjna | Stable Diffusion był dystrybuowany na podstawie otwartych licencji, takich jak CreativeML Open RAIL++-M dla niektórych oficjalnych wydań, jednak warunki licencyjne różnią się w zależności od checkpointu/wersji, dlatego zaleca się przegląd specyficzny dla wdrożenia |
Czym jest stability-ai/stable-diffusion?
stability-ai/stable-diffusion to identyfikator generatywnego modelu tekst‑na‑obraz w CometAPI, który reprezentuje rodzinę Stable Diffusion firmy Stability AI. Stable Diffusion to przede wszystkim model dyfuzji utajonej, który tworzy obrazy na podstawie tekstowych promptów, generując w skompresowanej przestrzeni utajonej, a następnie dekodując tę reprezentację utajoną do finalnego obrazu. To podejście znacząco redukuje wymagania obliczeniowe w porównaniu z dyfuzją bezpośrednio w przestrzeni pikseli, przy jednoczesnym zachowaniu wysokiej jakości syntezy obrazu
Ekosystem Stable Diffusion powstał dzięki współpracy Stability AI, CompVis, Runway i współpracowników powiązanych z LAION i zyskał szeroką adopcję, ponieważ połączył wysoką jakość generowania obrazów z relatywnie łatwymi opcjami wdrożenia i dostępnością otwartych modeli
W praktyce ta rodzina modeli jest używana do generowania concept artu, ilustracji, materiałów marketingowych, makiet produktów, stylizowanych scen, kompozycji fotorealistycznych oraz eksperymentów kreatywnych sterowanych promptami. W zależności od użytego checkpointu i przepływu pracy użytkownicy mogą stosować ją także do inpaintingu, edycji obrazu, potoków upscalowania i kontrolowanego generowania
Główne funkcje stability-ai/stable-diffusion
- Text-to-image: Konwertuje prompty w języku naturalnym na oryginalne obrazy, przydatne w procesach ideacji, eksploracji projektowej i tworzenia treści.
- Wydajność dyfuzji utajonej: Generuje obrazy w przestrzeni utajonej zamiast bezpośrednio w przestrzeni pikseli, co obniża koszty obliczeniowe przy zachowaniu wysokiej jakości syntezy.
- Elastyczna kontrola twórcza: Sformułowanie promptu, prompty negatywne, seed, ustawienia guidance i wybór samplerów mogą wpływać na styl, kompozycję i spójność między generacjami. To wnioskowanie wynika ze sposobu, w jaki potoki Stable Diffusion są zwykle eksponowane w narzędziach i dokumentacji.
- Przepływy edycji obrazu: Stable Diffusion był używany do inpaintingu, outpaintingu i modyfikacji kierowanych promptem, co pozwala na celowane edycje zamiast pełnej regeneracji od zera.
- Wiele wariantów modelu: Szersza linia Stable Diffusion obejmuje wiele generacji i checkpointów, w tym bardziej zaawansowane i wyższej rozdzielczości warianty, takie jak SDXL, dając deweloperom wybór zależnie od jakości, szybkości i potrzeb sprzętowych.
- Szerokie wsparcie ekosystemu: Ponieważ Stable Diffusion jest szeroko zintegrowany z repozytoriami, SDK i narzędziami kreatywnymi, deweloperzy korzystają z rozbudowanego ekosystemu do eksperymentów i zastosowań produkcyjnych.
- Wpływ ekosystemu otwartych wag: Oficjalne wydania Stable Diffusion pomogły ustanowić duży otwarty ekosystem modeli do generowania obrazów, umożliwiając dostosowywanie, fine-tuning i samodzielne eksperymentowanie w wielu środowiskach.
Jak uzyskać dostęp i zintegrować stability-ai/stable-diffusion
Krok 1: Zarejestruj się po klucz API
Aby rozpocząć, utwórz konto CometAPI i wygeneruj klucz API w panelu. Użyjesz tego klucza do uwierzytelniania każdego żądania do API stability-ai/stable-diffusion.
Krok 2: Wyślij żądania do API stability-ai/stable-diffusion
Użyj punktu końcowego CometAPI kompatybilnego z Replicate pod adresem POST /replicate/v1/models/stability-ai/stable-diffusion/predictions.
curl https://api.cometapi.com/replicate/v1/models/stability-ai/stable-diffusion/predictions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $COMETAPI_API_KEY" \
-d '{
"input": {
"prompt": "A cinematic futuristic city skyline at sunset, ultra detailed, volumetric lighting"
}
}'
Krok 3: Pobierz i zweryfikuj wyniki
API zwraca obiekt predykcji z identyfikatorem. Odpytuj GET /replicate/v1/predictions/{prediction_id}, aby sprawdzić status generowania i pobrać adres URL obrazu wynikowego po zakończeniu predykcji.