本文用7个章节，帮你完整掌握 Stable Diffusion 模型的分类和应用方法。
上期回顾：
一、模型的概念
先来看看模型在 Stable Diffusion 中到底是什么概念？在维基百科中对模型的定义非常简单：用一个较为简单的东西来代表另一个东西。换句话说，模型代表的是对某一种事物的抽象表达。
在 AIGC 领域，研发人员为了让机器表现出智能，应用机器进修的方式让计算机从数据中汲取知识，并按照人类所期望的方向执行各种任务。对于 AI 绘画而言，我们通过对算法程序举行训练，让机器来进修各类图片的信息特点，而在训练后沉淀下来的文献包，我们就将它称之为模型。用一句话来总结，模型就是经过训练进修后得到的程序文献。
和我们此前应用的资料数据库完全不同，模型中储存的不是一张张可视的原始图片，而是将图象特点解析后的代码，因此模型更像是一个储存了图片信息的超级大脑，它会根据我们所提供的提醒内容举行预测，自动提取对应的碎片信息举行重组，最后输出成一张图片。当然，模型的实际运行原理要比这复杂的多，但作为应用者我们无需深入进修复杂的技术算法，了解其大概概念即可。
二、重新认识下民间模型
在之前的文章里，我为各人简单介绍了 Stable Diffusion 模型的构成和运行原理，而在今天正式介绍模型类型之前，有必要带你重新认识下这款意义重大的民间模型。
不知你是否产生过这样的疑惑：如今市面上有如此多丰富的画图模型，为什么 Stable Diffusion 民间模型还会被各人津津乐道？当然除了它本身能力强大外，更重要的是从零训练出这样一款完整架构模型的成本非常高。根据民间统计，Stable Diffusion v1-5 版本模型的训练应用了 256 个 40G 的 A100 GPU（专用于深度进修的显卡，对标 3090 以上算力），合计耗时 15 万个 GPU 小时（约 17 年），总成本达到了 60 万美元。除此之外，为了验证模型的出图动机，伴随着上万名测试人员每天 170 万张的出图测试，没有海量的资源投入就不可能得到如今的 Stable Diffusion。这样一款模型能被免费开源，不得不说极大地推进了 AI 绘画技术的发展。
按理说这么大成本训练出来的模型，画图动机应该非常强大吧？但实际体验过的朋友都知道，对比开源社区里百花齐放的画图模型，民间模型的出图动机绝对算不上出众，甚至可以说有点拉垮，这是为什么呢？
这里我们用 ChatGPT 来对比就很好理解了。ChatGPT 的底层大模型是 GPT 模型，包括出道即巅峰的 GPT3.5 和后来火爆全网的 GPT4，这些模型虽然包含了海量的基础知识，但并不能直接拿来应用，还需求经过人工微调和指导才能应用在实际生活中，而 ChatGPT 就是在聊天领域的应用程序。同理，Stable Diffusion 作为专注于图象生成领域的大模型，它的目的并不是直接举行画图，而是通过进修海量的图象数据来做预训练，提升模型整体的基础知识水平，这样就能以强大的通用性和实用性状态完成后续下游任务的应用。
用更通俗的话来说，民间大模型像是一本包罗万象的百科全书，虽然集合了 AI 画图所需的基础信息，但是无法满足对细节和特定内容的画图需求，所以想由此直接晋升为专业的画图工具还是有些困难。
Stable Diffusion 民间模型的真正价值在于降低了模型训练的门槛，因为在现有大模型基础上训练新模型的成本要低得多。对众多炼丹爱好者来说，只需在民间模型基础上加上少量的文本图象数据，并配合微调模型的训练方法，就能得到应用于特定领域的定制模型。一方面训练成本大大降低，只需在本地用一张民用级显卡训练几小时就能获得稳定出图的定制化模型，另一方面，针对特定方向训练模型的理解和画图能力更强，实际的出图动机反而有了极大的提升。
三、常见模型解析
了解了民间模型的价值，下面我们再来正式介绍下平时应用的几种模型。根据模型训练方法和难度的差异，我们可以将这些模型简单划分为 2 类：一种是主模型，另一种则是用于微调主模型的扩展模型。
主模型指的是包含了 TextEncoder（文本编码器）、U-net（神经网络）和 VAE（图象编码器）的标准模型 Checkpoint，它是在民间模型的基础上通过全面微调得到的。但这样全面微调的训练方式对普通用户来说还是比较困难，不仅耗时耗力，对硬件要求也很高，因此各人开始将目光逐渐转向训练一些扩展模型，比如 Embedding、LoRA 和 Hypernetwork，通过它们配合合适的主模型同样可以实现不错的控图动机。
我们可以将主模型理解为一本面向特定科目的教材，而扩展模型则是针对教材内容举行补充的辅导资料或习题册。
我在下表中整理了常见模型的功能和特点差异，下面挨个为各人介绍。
1. Checkpoint
先来看看第一种模型：Checkpoint 模型，又称 Ckpt 模型或大模型。Checkpoint 翻译为中文叫检查点，之所以叫这个名字，是因为模型训练到关键位置时会举行存档，有点类似我们玩游戏时的保存进度，方便后面举行调用和回滚，比如民间的 v1.5 模型就是从 v1.2 的基础上调整得到的。
Checkpoint 模型的常见训练方法叫 Dreambooth，该技术原本由谷歌团队基于自家的 Imagen 模型开发，后来经过适配被引入 Stable Diffusion 模型中，并逐渐被广泛应用。为了方便各人更好的理解各个模型之间的差异，我针对每种模型的训练过程整理了以下的示意图，下面是 Dreambooth 训练模型的过程：
简单介绍下 Dreambooth 训练模型的过程：
第一步：先为训练样本添加 N 步噪声得到「噪声图」
第二步：再为训练样本添加 N-1 步噪声得到「样本校准图」，这样比上面的「噪声图」会稍微清晰一点的
第三步：将「噪声图」和由「关键词 XXX」生成的文本向量都输入到扩散模型中，得到「模型输出图」
第四步：将「模型输出图」和「样本校准图」举行对比，并根据差异值来微调扩散模型直到它可以将「关键词 XXX」和「训练样本」之间举行关联
第五步：通过这样的训练方式，后续我们在输入「关键词 XXX」时，模型就会绘制一张类似「训练样本」的图片了。
通过上面的训练过程我们不难看出，Dreambooth 训练模型是通过微调整个网络参数来得到一个完整的新模型。因此 Ckpt 模型可以很好的进修一个新概念，无论是用来训练人物、画风动机都很好。但缺点是训练起来成本较高，正常来说从民间模型通过 Dreambooth 训练出一款 Ckpt 模型，预计需求上万张图片，并且模型的文献包都比较大（至少都是在 GB 级别），常见的模型大小有 2G、4G、7G 等，应用起来不够灵活。
需求注意的是：并非模型体积越大，其画图质量就越好。我们在模型社区里有时候会看到高达十几 GB 的 Ckpt 模型，但并非意味着这些模型就十分强大，因为除了通过 Dreambooth 训练，还可以通过模型融合的方法得到 Ckpt 模型，但如果作者没有对模型举行优化处理，融合后的模型中会夹杂着大量的垃圾数据，这些数据除了占用宝贵的硬盘空间外没有任何作用。关于模型融合的乱象是目前模型社区中不可忽视的问题，我会在文章结尾举行展开说明。
应用 Checkpoint 模型的方法也很简单，我们下载好模型文献后，将其存放到 Stable Diffusion 安装目录下\models\Stable-diffusion 文献夹中。如果你是在 WebUI 打开的情况下添加的新模型，需求点击右侧的刷新按钮举行加载，这样就能选择新置入的模型了。
2. Embeddings
介绍完了主模型，下面我们再看看各种扩展模型，首先是最轻量的 Embeddings 模型。
虽然 Ckpt 模型包含的数据信息量很多，但动辄几 GB 的文献包应用起来实在不够轻便。比如有的时候我们只想训练一款能体现人物特点的模型来应用，如果每次都将整个神经网络的参数举行一次完整的微调未免有太过兴师动众，而这个时候就需求 Embeddings 闪亮登场了。
Embeddings 又被称作嵌入式向量，在之前初识篇的文章里我给各人介绍了 Stable Diffusion 模型包含文本编码器、扩散模型和图象编码器 3 个部分，其中文本编码器 TextEncoder 的作用是将提醒词转换成电脑可以识别的文本向量，而 Embedding 模型的原理就是通过训练将包含特定风格特点的信息映射在其中，这样后续在输入对应关键词时，模型就会自动启用这部分文本向量来举行绘制。
训练 Embeddings 模型的过程，由于是针对提醒文本部分举行操作，所以该训练方法叫做 Textual Inversion 文本倒置，平时在社区中提到 Embeddings 和 Textual Inversion 时，指的都是同一种模型。
如果你此前下载过 Embeddings 模型包，会惊讶的发现它们普遍都非常非常小，有的可能只有几十 KB 大小。为什么模型之间会有如此大的体积差距呢？类比来看，Ckpt 像是一本厚厚的字典，里面收录了图片中大量元素的特点信息，而 Embeddings 就像是一张便利贴，它本身并没有存储很多信息，而是将所需的元素信息提取出来举行标注。在这个基础上，我们也能将 Embeddings 模型简单理解为封装好的提醒词文献，通过将特定目标的描述信息整合在 Embeddings 中，后续我们只需一小段代码即可调用，动机要比手动输入要方便快捷上许多。像我们平时头疼的避免错误画手、脸部变形等信息都可以通过调用 Embeddings 模型来解决，比如最出名的 EasyNegative 模型。
以守望先锋里人气角色 D.VA 为例。对于该角色我们都有统一的外貌共识，比如蓝色紧身衣、棕色头发、脸上的花纹等，这些信息如果单纯通过提醒词描述往往很难表达准确，而有了 Embedding 就轻松多了。可以看到调用了 D.VA 的 Embedding 模型后，即使是不同画风的主模型也都能实现比较准确的角色形象还原。
当然，Embedding 也有自己的局限性。由于没有改变主模型的权重参数，因此它很难教会主模型绘制没有见过的图象内容，也很难改变图象的整体风格，因此通常用来固定人物角色或画面内容的特点。应用方法也很简单，只需将下载好的模型放置到 Stable Diffusion 安装目录下\embeddings 文献夹中，应用时点击对应的模型卡片，对应的关键词就会被添加到提醒词输入框中，这时再点击生成按钮便会自动启用模型的控图动机了。
3. LoRA
虽然 Embeddings 模型非常轻量，但大部分情况下都只能在主模型原有能力上举行修正，有没有一种模型既能保持轻便又能存储一定的图片信息呢？这就不得不提我们大名鼎鼎的 LoRA 模型了。
LoRA 是 Low-Rank Adaptation Models 的缩写，意思是低秩适应模型。LoRA 原本并非用于 AI 绘画领域，它是微软的研究人员为了解决大语言模型微调而开发的一项技术，因此像 GPT3.5 包含了 1750 亿量级的参数，如果每次训练都全部微调一遍体量太大，而有了 lora 就可以将训练参数插入到模型的神经网络中去，而不用全面微调。通过这样即插即用又不破坏原有模型的方法，可以极大的降低模型的训练参数，模型的训练效率也会被显著提升。
相较于 Dreambooth 全面微调模型的方法，LoRA 的训练参数可以减少上千倍，对硬件性能的要求也会急剧下降，如果说 Embeddings 像一张标注的便利贴，那 LoRA 就像是额外收录的夹页，在这个夹页中记录了更全面图片特点信息。
由于需求微调的参数量大大降低，LoRA 模型的文献大小通常在几百 MB，比 Embeddings 丰富了许多，但又没有 Ckpt 那么臃肿。模型体积小、训练难度低、控图动机好，多方优点加持下 LoRA 收揽了大批创作者的芳心，在开源社区中有大量专门针对 LoRA 模型设计的插件，可以说是目前最热门的模型之一。
那 LoRA 模型具体有哪些应用场景呢？总结成一句话就是固定目标的特点形象，这里的目标既可以是人也可以是物，可固定的特点信息就更加保罗万象了，从动作、年龄、表情、着装，到材质、视角、画风等都能复刻。因此 LoRA 模型在动漫角色还原、画风渲染、场景设计等方面都有广泛应用。
安装 LoRA 模型的方法和前面大同小异，将模型保存在\models\Lora 文献夹即可，在实际应用时，我们只需选中希望应用的 LoRA 模型，在提醒词中就会自动加上对应的提醒词组。
不同的是这里我们可以自行设置 Lora 在对画面的影响权重，关于控制权重的强调语法各人可以看之前的提醒词篇教程，此外作者在模型介绍中大多也会提供推荐的权重数值作为参考。
需求注意的是，有些 LoRA 模型的作者会在训练时加上一些强化认知的触发词，我们在下载模型时可以在右侧看到 trigger word，非常建议各人在应用 LoRA 模型时加上这些触发词，可以进一步强化 LoRA 模型的动机。但触发词不是随便添加的，每一个触发词可能都代表着一类细化的风格。当然有的模型详情中没有触发词，这个时候我们直接调用即可，模型会自动触发控图动机。
有的 trigger word 触发词下面还有一栏 Tag 标签，这里表示的意思是模型在社区中所属的类目，只是方便各人查找和定位，和我们实际应用 Stable Diffusion 并没有什么关系，无视即可。
4. Hypernetwork
接着，我们再来了解下 Hypernetwork 模型 。它的原理是在扩散模型之外新建一个神经网络来调整模型参数，而这个神经网络也被称为超网络。
因为 Hypernetwork 训练过程中同样没有对原模型举行全面微调，因此模型尺寸通常也在几十到几百 MB 不等。它的实际动机，我们可以将其简单理解为低配版的 LoRA，虽然超网络这名字听起来很厉害，但其实这款模型如今的风评并不出众，在国内已逐渐被 lora 所取代。因为它的训练难度很大且应用范围较窄，目前大多用于控制图象画风。所以除非是有特定的画风要求，否则还是建议各人优先选择 LoRA 模型来应用。
下面是 Hypernetwork 的安装地址，应用流程与 LoRA 基本相同，这里就不再重复演示了。
5. VAE
最后就是 VAE 模型了，在初识篇中我们有对它举行过简单介绍，它的工作原理是将潜空间的图象信息还原为正常图片。作为 ckpt 模型的一部分，VAE 模型并不像前面几种模型用于控制图象内容，而是对主模型的图象修复。
我们在应用网络上分享的 ckpt 模型画图时，有时候会发现图象的饱和度很低，呈现出灰色质感，但是加上 VAE 模型后图象色彩就得到了修正。因此很多人便以为 VAE 是一种调色滤镜模型，可以增强图象的显示动机，但其实这样的理解并不准确。
导致图象发灰的真正原因是主模型本身的 VAE 文献损坏，因此从潜空间恢复成正常图片时会存在图象信息缺失的问题，加上现在社区中很多模型都是从其他热门模型融合而来，如果初始模型的 VAE 文献有问题，就会导致融合后模型都出现图象发灰的情况，最典型的就是融合模型 Anything4.5。
这种情况下一般都需求修复 VAE 才能使主模型恢复正常，但修复模型是个技术活，如果将所有模型都修复一遍未免成本过高，因此在 WebUI 中提供了外置 VAE 的选项，只要在画图时选择正常的 VAE 模型，在图象生成过程中就会忽略主模型里内置损坏的 VAE 而应用外置模型，而这才是图象色彩被修正的真正原因。
但更换外置 VAE 并非是长久之计，有些模型在挂载外置 VAE 后反而会出现图象模糊或者错乱线条的情况（当然也是模型本身有问题）。此外，还有个问题是很多人将社区中现有的一些 VAE 重命名后加入自己模型来应用，这就会导致我们经常下载了多个重复的 VAE 模型，造成极大的资源浪费。我们可以在秋叶启动器中查看各个模型的 Hash 哈希值，它类似于模型的身份证号，无论是时间、创作者、训练机器的改变都会导致哈希值不同。因此如果 2 个模型的哈希值相同，说明它们本质上是同一个模型文献，只是修改了名字。
好在社区中目前大部分新训练的 ckpt 模型中 VAE 都比较正常，而对于有问题的模型，作者一般在介绍页中会附上他们推荐的 VAE 模型，当然也有一些可以通用的 VAE，比如秋叶整合包里内置的「kl-f8-anime2」。
VAE 模型的放置位置是在\models\VAE，因为是辅助 Checkpoint 大模型来应用，所以可以将大模型对应的 VAE 修改为同样的名字，然后在选项里勾选自动，这样在切换 Checkpoint 模型时 VAE 就会自动跟随变换了。
四、模型的功能类型
介绍了不同模型的特点和差异后，我们再回过头来看看目前社区模型的功能类型，从控图方向大致可以分为三类：固定对象特点、固定图象风格和概念艺术表达
固定对象特点：这里的对象既可以指人，也可以指物。以人物角色为例，模型在训练时只需进修人物的大致特点，比如外貌、服饰、发型、表情等，这些特点相对来说比较明确，比如金克丝标志性的蓝色麻花辫和萝莉身材、甘雨的兽角和蓝色头发等。因此，训练特定对象的模型训练起来相对更加简单。
固定图象风格：相较于明确的对象，图象画风包含更多的信息。最常见的如摄影风格、二次元卡通风格、2.5D 风格等，这些画图风格除了主体内容，还包括颜色、线条、光影、笔触等多方面的环境信息，且不同特点信息之间相互关联，共同组合成最终的图片。因此模型需求进修的内容更多也更加复杂。
概念艺术表达：概念艺术指的是将某一类比较抽象的事物通过具象化的表现手法举行展示，最典型的就是一直很火的赛伯朋克。这类艺术作品充斥着霓虹灯、机械科技、黑客等特点元素，但又没有具体的画风限制，既可以是二次元的卡通动漫风格，也可以是真实的人物场景。对于这类没有具体的对象特点，但又能被划分为同类型的艺术概念，模型在进修和理解上又上升了一层难度，目前在开源社区中可以完美表达这类概念模型比较少见，且基本都是 Ckpt 和 LoRA 模型。
当然，还有基于服饰、背景、人物动作、产品概念等更多模型功能的细分，这里的分类仅方便初学者对模型功能建立初步的认知。下图中整理了常见模型训练方法在功能类型和训练要求上的差异对比，各人可以作为模型进修的知识扩展，关于具体训练方法我自己目前进修的还不够深入，这里就先不做过多拓展啦～
五、模型的挑选和应用
在此前的文章里有给各人安利用于下载模型的社区网站，今天再给各人补充下如何挑选和应用合适的模型：
1. 让人迷惑的文献后缀
之前如果各人有尝试过自行安装 Stable Diffusion 模型，肯定遇到过被文献后缀弄混淆的情况，因为我们通常都习惯用后缀名来判断文献类型，比如后缀是*.psd 的一般都是 PS 文献、*.fig 则是 Figma 文献、*.pptx 指的是 Powerpoint 文献等。
但 Stable Diffusion 模型的文献后缀包括了*.ckpt、*.pt、*.pth、*.safetensors 等各种类型，甚至 WebUI 中还可以保存成*.png 和*.webp 格式。如果你单纯想靠文献后缀来判断模型类型往往会被弄的一头雾水，因为这几种都是标准的模型格式，在 Stable Diffusion 中并没有基于模型类型设置对应的文献后缀。比如*.ckpt 后缀的文献既可能是 Checkpoint 模型、也可能是 LoRA 模型或者 VAE 模型。
而不同文献后缀的区别在于：*.ckpt、*.pt、*.pth 等后缀名表示的是基于 pytorch 深度进修框架构建的模型，因为模型保存和加载底层用到的是 Pickle 技术，所以存在可被用于攻击的程序漏洞，因此这几款模型后缀的文献中可能会潜藏着病毒代码。为了解决安全问题，*.safetensors 后缀名的模型文献逐渐普及开来，这类模型的加载速度更快也更安全，这一点在 safe 后缀名上也能看出来。
但我们需求知道的是，这几种后缀名的模型差异仅限于保存数据的形式，内部数据实际上是没有太大区别的，因此不同模型间也可以通过工具举行格式转换。
平时我们应用时尽量选择*.safetensors 后缀的模型，并且在秋叶整合包中也有「允许加载不安全的模型」的开关选项，各人平时保持默认关闭状态即可。
当我们需求区分模型类型时，可以应用秋叶大佬开发的 Stable Diffusion 模型在线解析工具，只需将模型文献拖入网页，即可快速分析出模型类型，并会贴心的附上安装地址提醒和应用方法，并且该工具完全运行在本地，数据并不会上传到云端。
Stable Diffusion 模型在线解析地址： https://spell.novelai.dev/
除了解析模型类型，该网站还有个非常好用的功能，就是可以读取 Stable Diffusion 生成图片的相关信息。只需将由 Stable Diffusion 绘制的原图拖入页面中，即可解析出之前所应用的提醒词、设置参数等信息，需求注意的是上传的图片必须是没有经过编辑的 AI 绘画原图。
2. 如何判断模型质量
对大部分刚接触 Stable Diffusion 的 AI 绘画爱好者来说，往往都是将出图好看作为判断模型好坏的唯一标准。但随着魔法水平的提升，你会发现社区中很多热门模型的画图动机似乎都差不多，这是由于模型融合导致的同质化问题，有些模型基于相似程度甚至可以归为一个系列，比较常见的有橘子系列、蜡笔系列、Anything 系列、Cf3 系列模型等。
除此还有前面提到的垃圾数据，也是很多融合模型都存在的问题。如今，大多数开源模型平台都没有人工审核标准，导致乱七八糟的模型层出不穷，这个时候就需求魔法师拥有自行判断模型标准的能力。下面基于錾制千秋大佬整理的模型判断标准，给各人提供几点参考建议。
一般来说，业内可以被称得上优秀的模型至少需求满足以下几个条件：出图结果准确、没有乱加细节、图象正常、文献健康
出图结果准确：即模型对提醒词识别的准确程度，优质模型能正确辨别提醒内容中的重要内容并给予呈现
没有乱加细节：这里指的是图象中出现提醒词没有提及的内容，当然这种情况无法完全避免，只能说越少越好。比如有的模型在作者刻意引导下只靠简单词汇就能绘制非常精美的人像图，但这些人物可以说千篇一律，风格完全被固定死，即使加上了 LoRA 也无法改变人物特点，会极大的影响提醒内容的控图动机。
图象正常：图象的美感因人而异，但至少应保证出图结果稳定且正常，比如出图结果中没有线条错乱、五官扭曲等情况。
文献健康：这里就是前面提到的模型中没有额外的垃圾数据，且 VAE 文献正常，无需应用外置模型。
六、关于最新的 SDXL
7 月 26 日，Stability AI 官网宣布开源了迄今为止最强的画图模型—Stable Diffusion XL 1.0，很多人都在惊叹Midjourney的免费版平替要来了，为什么这款新模型会引起如此多热议，相较于之前版本又有哪些区别呢？
自去年 8 月 Stable Diffusion V1 发布至今，Stability 已陆续推出过 V1.X、V2.X、XL 0.9 等多个版本，但除了一开始开源的初代版本外，后续版本似乎都没有像 XL 1.0 这样引起如此多热议，XL0.9 也只是支持在 ComfyUI 上应用，而 XL 1.0 算是真正意义上大多数用户可以体验的全新旗舰版模型。完整的 Stable DiffusionXL 1.0 包含 2 个部分：Base 版基础模型和 Refiner 版精修模型。前者用于绘制图象，后者用于对图象举行优化，添加更多细节。
下面先来了解下下本次 Stable DiffusionXL 1.0 发布后最让人关注的几点信息：
1. 迄今为止最大的开源画图模型
Stable DiffusionXL 1.0 是目前世界上最大参数级的开放画图模型，基础版模型应用了 35 亿级参数，而精修版模型应用了 66 亿级参数，要知道清华的 LLM—ChatGLM也才6亿的参数量。巨量级参数带来的是出图兼容性大幅提升，Stable DiffusionXL 1.0几乎可以支持任意风格的模型绘制，并且图象精细度和画面表现力也都得到了显著提升。
如今的 Stable DiffusionXL 甚至可以支持生成清晰的文本，这是目前市面上绝大多数画图模型都无法做到的。此外，对人体结构的理解也被加强，像之前一直被诟病的手脚错误等问题都得到了显著改善。
2. 原生出图的分辨率超级加倍
在之前版本的 Stable Diffusion 模型中，由于是采用 512 或 768 尺寸的图片举行训练，因此当初始图象超过这个尺寸就会出现多人多头的情况，但小尺寸图象又无法体现画面中的细节内容，因此此前的做法都是先生成小图，再通过高清修复等方式绘制大图。
但 XL1.0 采用了 1024 x1024 分辨率的图片举行训练，这就保证了日后我们以同样尺寸绘制图象时再也不用担心多人多头的问题，可以直接绘制各种精美的大尺寸图片（如果显卡算力跟得上的话～）。并且通过 Refiner 精修模型的二次优化，原生图象表现力也得到了显著提升。
3. 更加智能的提醒词识别
此前我们在绘制图象时通常需求添加“masterpiece”等限定词来提升画面表现力，而如今 XL1.0 只需短短几个词便能生成非常精美的图片。
更重要的是，新版 XL 对自然语言的识别能力大大增强。此前我们都是通过词组方式来填写提醒词，对于图象中需求突出展示的内容我们也是手动添加括号来增强对应关键词的权重。而日后我们可能更多情况下都会应用自然语言，也就是连贯的句子来描述图象信息，Stable Diffusion 会自动识别关键内容给予呈现。简单来说，我们编写咒语的门槛会大大降低，只需简单的自然语言描述就能获得目标图象。
4. 超丰富的艺术风格支持
旧版模型的默认画图风格更倾向于真系系的照片摄影，而在最新的 Stable Diffusion XL1.0 中提供了更加丰富的艺术风格选项，可以通过提醒词在十余种不同风格间自由切换，包括动漫、数字插画、胶片摄影、3D 建模、折纸艺术、2.5D 等距风、像素画等超多选项。
结合目前大模型的发展方向来看，模型的真正精髓应该是贵精不贵多，完美的 Stable Diffusion 模型应该是像 Midjourney 这样包罗万象、集百家之长的综合模型，而最新的 XL1.0 已经具备了这样的雏形，可以说代表了 AI 绘画领域的一个重要里程碑，配合丰富的开源插件生态，未来将有更多的玩法供广大魔法师们来探索。
目前 Stable Diffusion XL1.0 在硬件兼容性上还没有做到完美适配，对硬件要求也比较高，所以暂时不建议各人直接下载到本地应用。目前各大社区都在积极响应 SDXL 微调模型的训练活动，相信几个月后我们的模型库就会迎来一次重磅更新。
目前不少社区平台都上架了在线应用 SD 绘画的功能，这里也为各人整理了一些可以免费体验 SDXL 的资源链接，具体的应用和操作方法看平台引导即可。
Discord 民间社区：https://discord.com/channels/sion
哩布哩布 AI： https://www.liblibai.com/
吐司网： https://tusi.art/
七、对模型社区的思考
先来说下现实问题，我自己最近在应用 SD 出图时，发现开源社区里很多所谓顶流的画图模型并不好用，除了几套固定的肖像图外没有太多发挥空间，尤其是配合角色形象的扩展模型应用时，大部分人物特点都直接失效了。后面去查找了资料发现了一些通用问题，以下内容仅是我个人意见，仅作参考。
以目前最火热的模型平台 Civitai 为例，C 站一直以资源丰富、创作自由而闻名，但现实问题是很多时候我们难以分辨模型的真实质量。用户能看到所谓的模型动机图往往是作者出了千百张图后从中选择的最优解，模型画廊里用户反馈的图片很多时候也是多模型组合产出的结果，可以提供的参考价值有限。
其次，很多模型平台的流量推送逻辑是基于模型的更新速度，更新频繁的模型往往能获得更高热度。但问题是需求频繁更新的模型大多都是融合速成得来，因此后期需求经常调整，真正优质的模型反而更新频率很低，因为作者在一开始已经将模型训练的十分出色了。
最后是很多模型平台在发起的模型创作激励活动，这类活动的初衷是为了奖励优秀的模型创作者，促进开源模型社区的发展，是一项刺激 AIGC 领域发展的有益活动。但很多创作者通过快速融合来批量生产罐头模型薅羊毛，甚至为了冲榜可以炼制成千上万张人脸，毕竟好看的小姐姐谁不喜欢呢？但问题是国内 AI 绘画领域群体存在明显的信息断层，大部分人对模型好坏的判断标准都仅限于可以出美女图，导致这类模型越来越多。
综合以上问题，最终导致如今的模型社区呈现出劣币驱逐良币的现象，同质化模型遍地开花，而很多真正兼容性强、训练优秀的模型却很难被发现。
举个真实的例子，前面提到的 GhostMix 模型制作者 GhostInShell，作为唯一一个在 C 站只发了一个 ckpt 模型就进入前十名的制作者，在非真人模型且不做任何擦边内容的前提下，纯靠模型的画面质量和极高的兼容性 3 个月内在 C 站上做到了历史全模型最高评价榜的第 2 名，下图中可以看到 GhostMix 模型超强的兼容性和精美的出图动机，且 C 站排名前十的非擦边模型 Deliberate、ReV、DreamShaper 都是类似的动机。
虽说如今国内模型圈的资源十分丰富，但距离百家争鸣的开源社区还有很长的路要走。如果所有人都在关注千篇一律的人像模型，迟早都会审美疲劳，而到那个时候又有谁愿意花费大精力训练优质模型呢？对此，我也希望国内社区平台可以规范优质模型的判断标准和激励制度，加强模型多维度能力的审核环节，流量扶持固然有助于新作品的曝光，但真正优秀的创作者也应被更多人看到。而我们作为魔法协会的一员，也需加强对相关知识的进修，共同维护健康良好的社区环境。
在今天的文章里没有涉及太多的实操案例，更多的是对目前模型知识的总结和反思，文中不少知识点都来自于开源社区中各位前辈的无私分享，非常感谢秋叶、錾制千秋、GhostInShell、落辰星等大佬为推动国内 SD 开源进修所做的努力。
希望通过这篇文章，可以帮助更多对 Stable Diffusion 感兴趣的朋友建立从原理层到应用层的知识框架，并对未来 AI 绘画模型的发展有更加体系化的认知，如果你有更多对 SD 模型的想法也欢迎在评论区给我留言。