Ce înseamnă Stable Diffusion
Stable Diffusion este un model text-to-image lansat în august 2022 de compania Stability AI, în colaborare cu cercetători de la Universitatea Ludwig Maximilian din München (grupul CompVis) și compania Runway.
Diferența majoră față de serviciile precedente a fost publicarea ponderilor: oricine putea descărca modelul și îl putea rula pe propriul calculator, cu o placă video obișnuită de gaming. Asta a dus la o comunitate uriașă care a creat interfețe, extensii și mii de variante specializate (stiluri, personaje, fotografii de produs).
Cum funcționează
Este un model de difuzie latentă: în loc să lucreze direct cu milioane de pixeli, imaginea este comprimată într-un spațiu mai mic (spațiul latent), unde modelul elimină treptat zgomotul, ghidat de textul promptului. La final, rezultatul este decomprimat într-o imagine. Această idee a făcut modelul suficient de eficient pentru calculatoare personale.
Pe lângă text-to-image, permite inpainting (modificarea unei zone), transformarea unei imagini existente și controlul compoziției cu schițe sau poze de referință. Interfețe populare sunt ComfyUI și AUTOMATIC1111, iar variantele modelului se descarcă de obicei de pe Hugging Face.
Pe înțelesul tuturor
Dacă Midjourney este un fotograf de studio pe care îl angajezi, Stable Diffusion este un aparat foto profesional pe care îl cumperi: îți dă control total, dar trebuie să înveți să-l folosești.
Exemplu
Un magazin online din Oradea care vinde mobilier folosește Stable Diffusion, rulat pe un calculator din birou, pentru a pune fotografiile produselor în decoruri diferite: sufragerie modernă, cabană, apartament mic. Fotografiile rămân în firmă, iar designerul verifică fiecare imagine înainte de publicare.
De reținut
- Stable Diffusion are ponderi descărcabile și rulează local.
- Lucrează în spațiul latent, de unde vine eficiența.
- Datele de antrenare, colectate de pe internet, au generat procese privind drepturile de autor (de exemplu din partea Getty Images).
Nu confunda
- Stable Diffusion vs. model de difuzie: modelul de difuzie este tehnica generală; Stable Diffusion este un model concret care o folosește.
Termeni înrudiți
- Model de difuzie: Tip de model generativ care creează imagini, sunet sau video pornind de la zgomot aleator și curățându-l pas cu pas.
- Text-to-image (generare de imagini): Modele AI care creează imagini noi pornind de la o descriere scrisă, numită prompt.
- Midjourney: Serviciu de generare a imaginilor din descrieri text, cunoscut pentru stilul artistic, lansat în 2022 de un laborator independent american.
- Inpainting și outpainting: Editare cu AI care umple sau înlocuiește o zonă aleasă dintr-o imagine (inpainting) ori o extinde dincolo de margini (outpainting).
- Hugging Face: Platforma online unde comunitatea AI publică și descarcă modele, seturi de date și aplicații demonstrative; un fel de GitHub al AI-ului.
- GPU (pentru AI): Procesorul plăcii video, cu mii de nuclee care fac calcule în paralel; a devenit motorul principal al antrenării și rulării modelelor AI.