当「一句话出图」从科幻变日常，Stable Diffusion 想做那个把模型权重交到每个人手里的开源底座
绘画与设计的门槛，过去卡在「要会画」。Stable Diffusion 是 Stability AI 于 2022 年 8 月开源的文生图扩散模型，基于慕尼黑大学 CompVis 团队的潜在扩散模型（Latent Diffusion Model, LDM）研究，用一句文字描述即可生成高质量图像，并把模型权重以开放许可证释出。它把原本被大厂把持的图像生成能力，变成开发者能在本地显卡上跑的开源引擎，催生了从 Stable Diffusion WebUI、ComfyUI 到无数二次开发插件的庞大生态。对创作者它意味着「从句子到画面的发电机」，让普通人也能拥有可重复的绘图流水线，对行业它验证的是生成式视觉能力不必锁在云端订阅里，也能靠社区壮大。
一句话认识它：Stable Diffusion 是 Stability AI 开源的文本到图像扩散模型[1]，基于潜在扩散（Latent Diffusion）架构，用 CLIP 文本编码器把提示词映射成图像，并以 CreativeML OpenRAIL-M 许可证开放权重[2]。对创作者它是「从句子到画面的发电机」，对开发者它是「可本地部署、可微调、可受限商用」的开源底座——它验证的是生成式视觉能力不必锁在云端订阅里，也能靠社区壮大。
先看四个硬指标：它到底凭什么撑起整个开源绘图潮
图像模型最怕「吹得响、跑不动」。下面这组把 Stable Diffusion 对外可见的关键事实摊开成可对照的点（具体以官方与版本为准）。
六块能力拆解：一个开源绘图模型能替你干哪些活
把「AI 绘画」拆开看，真正留住人的是它背后那一串能单独用、也能串成创作流的能力。Stable Diffusion 主要把这几块摊在同一体系里。
① 文生图 txt2img
输入提示词（prompt）即生成图像，描述越具体、风格词越明确，出图越贴近预期，是大多数人的第一入口。
② 图生图 img2img
以一张现有图为底，按提示词重绘或风格迁移，适合把草图、照片转成特定画风，保留大致构图，重绘强度可调以控制原图保留比例。
③ 局部重绘 inpainting
只框选画面某块区域重画，不改其余部分，用于改脸、换衣、补背景，比整图重来更可控，选区可多次叠加，适合精细修图而非大改。
④ 生态：WebUI / ComfyUI
AUTOMATIC1111 的 WebUI 与节点式 ComfyUI 把 SD 封装成可视化工作流，插件市场极大降低了使用门槛，拖拽式操作让非技术用户也能上手。
⑤ 模型微调
通过 DreamBooth、LoRA、Embedding 等方法注入专属角色或画风，让个人也能训练「自己的模型」，社区模型站因此爆发，风格与角色模型琳琅满目，按需取用即可。
⑥ 企业 API
Stability AI 提供云端 API 与托管推理，企业无需自建显卡也能调用最新版本，兼顾可控与合规需求。
Stable Diffusion vs 闭源云端绘图（Midjourney / DALL·E）
要理解 SD 的位置，得看它和「订阅即用的闭源服务」分别长什么样。下面两栏不是「谁画得美」，而是「控制权」与「便利性」的差异。
闭源云端服务的一面
- 要订阅：按月付费才能用，停费即停权，成本随用量累积。
- 数据上云：提示词与图像经对方服务器，私密创作有外泄顾虑，企业合规受限。
- 难微调：不能直接拿到权重做本地训练，专属风格只能靠提示词硬凑，定制天花板低。
Stable Diffusion 给出的一面
- 本地可控：权重开源可自部署，显卡在手就能跑，数据不出本机，适合私密与合规场景。
- 可微调：LoRA/DreamBooth 让个人训练专属模型，社区模型站海量可选用，定制自由度高。
- 生态开源：WebUI、ComfyUI、插件全免费，能力边界由社区推动，不被单一厂商节奏绑死。
四步走：从空白提示词到可出图
绘图模型最怕「给句废话就结束」。下面这条路径把 SD 从「试一试」推进到「能产出」，你可以只取前两步，也可以走完全程做微调。
- 准备运行环境装 WebUI 或 ComfyUI，确认显卡驱动与模型权重就位；本地部署先看显存，云端则直接调 API 省去环境。
- 写提示词用主体 + 风格 + 光线 + 画质词组织 prompt，负面提示词（negative prompt）排除不想出现的元素，决定成图方向。
- 出图与迭代设分辨率、步数、采样器后生成，据结果调词、换模型或重绘局部，逐步逼近满意稿，而非一次成型。
- 导出与微调满意图导出，如需专属角色再跑 LoRA/DreamBooth 训练，把个人风格固化成可复用模型，反哺后续创作。
三个最容易踩进去的坑
忽视版权与训练数据SD 训练数据含受版权图像，商用前确认授权与当地法规；OpenRAIL 明确限制某些敏感用途，别踩使用红线。
误读开源许可开源不等于无限制。CreativeML OpenRAIL-M 对生成内容与再分发有约束，企业商用务必读许可原文与合规要求。
显存与内容安全本地跑吃显存，低配机器出图慢；模型自带安全过滤，但绕过滤波生成违规内容违反平台与法律，务必自律。
常见问答
Stable Diffusion 是什么？和 Stability AI 什么关系？
Stable Diffusion 是 Stability AI 于 2022 年 8 月开源的文本到图像扩散模型，技术源自慕尼黑大学 CompVis 团队的潜在扩散研究；Stability AI 负责开源发布与后续版本推进。
它真的开源免费吗？
权重以 CreativeML OpenRAIL-M 许可证开放，研究、非商业与受限商用可用；但许可对生成内容与再分发有约束，企业商用需读原文并合规。
本地能跑吗？需要什么配置？
能。SD 1.x 约 8.9 亿参数，消费级显卡（如 4–8GB 显存）即可跑 512²；SDXL 建议更高显存与 1024² 分辨率。
和 Midjourney、DALL·E 比强在哪？
强在「开源 + 本地可控 + 可微调」：闭源服务要订阅、数据上云、定制受限，SD 把权重交给你，生态插件与社区模型极大。
提示词怎么写才出好图？
按「主体 + 风格 + 光线 + 画质」组织，配合负面提示词排除瑕疵；多迭代调词、换模型与重绘局部，比一次成型更稳。
有哪些主流前端与微调方法？
前端以 AUTOMATIC1111 WebUI 与节点式 ComfyUI 最常见；微调常用 LoRA、DreamBooth、Textual Inversion，社区模型站可下载他人训练成果。
参考资料
- 来源：Stability AI 官网（Stable Diffusion 发布与平台）：https://stability.ai
- 来源：CompVis — Stable Diffusion 开源仓库（权重与代码）：https://github.com/CompVis/stable-diffusion
- 来源：Hugging Face — Stable Diffusion 模型卡（v1.5 等）：https://huggingface.co/runwayml/stable-diffusion-v1-5
- 来源：arXiv — High-Resolution Image Synthesis with Latent Diffusion Models（LDM 论文）：https://arxiv.org/abs/2112.10752
- 来源：维基百科 — Stable Diffusion（背景与影响）：https://en.wikipedia.org/wiki/Stable_Diffusion
- 来源：Stability AI — SDXL 1.0 公告（1024² 与生态）：https://stability.ai/news/stable-diffusion-xl-1-announcement
青衣网络 AI 观察团队 · 最后更新 2026-08-25 | 本文基于 Stable Diffusion 的公开信息整理，用于帮助读者理解其定位、能力与边界；版本、参数量、许可条款与功能随时可能调整，商用与合规请以官方许可原文与最新说明为准。