Ano ang ibig sabihin ng Stable Diffusion at para saan ito?

El universo de la artipisyal na katalinuhan ay gumawa ng isang malaking hakbang pasulong sa mga nakaraang taon, na nagpapahintulot sa sinuman, anuman ang kanilang teknikal na kaalaman o artistikong karanasan, na lumikha ng mga kapansin-pansing larawan mula sa mga simpleng parirala. Stable Diffusion, isa sa mga pinaka-rebolusyonaryo at kinikilalang mga pag-unlad sa larangan ng generative AI, ay naglalagay ng makapangyarihang mga tool sa iyong mga kamay, kapwa para sa mga gustong mag-eksperimento at para sa mga propesyonal sa disenyo at paglalarawan.

Sa gabay na ito, talagang sinasabi namin sa iyo ang lahat tungkol sa Stable Diffusion. Mula sa mga unang hakbang ng baguhan hanggang sa advanced na prompt at mga diskarte sa pag-edit, kabilang ang mga rekomendasyon para sa mga tool, template, at extension na magdadala sa iyong mga likha sa susunod na antas.

Ano ang Stable Diffusion at bakit binago nito ang imaging?

Stable Diffusion Ito ay isang open-source na modelo ng artificial intelligence na nag-demokratize ng paglikha ng imahe gamit ang mga diskarte sa malalim na pag-aaral. Salamat sa makabagong disenyo nito, nagbibigay-daan sa iyo na i-convert ang isang simpleng paglalarawan ng teksto (prompt) sa hindi kapani-paniwalang mga imahe, detalyado at mataas ang kalidad. Nasaan ka man, maaari mong samantalahin ang makina nito nang hindi nagbabayad ng kahit ano, i-install ito kung saan mo gusto, at kahit na i-upgrade ito upang umangkop sa iyong mga pangangailangan, na nagtatakda nito na bukod sa iba pang komersyal at saradong mga solusyon.

Ang operasyon ng Stable Diffusion ay batay sa a modelo de difusión: Nagsisimula ito sa random na ingay tulad ng isang patay na TV at, sa pamamagitan ng maraming hakbang at pagpipino na ginagabayan ng iyong teksto, inaalis ang ingay na iyon hanggang sa lumikha ito ng magkakaugnay at kaakit-akit na imahe.

Ginagawa nitong tampok na ito a perpektong pagpipilian para sa mga artist, tagalikha ng nilalaman, mga developer at mga gumagamit ng bahay na gustong lumampas sa mga tradisyonal na larawan. Ang katotohanan na ito ay open source ay nagbubukas ng pinto sa walang katapusang mga pagpapasadya, pagsasama sa mga proprietary na tool, at lokal na henerasyon, nang hindi umaasa sa mga third-party na server o buwanang bayad kung gusto mo.

Ano ang maaari mong gawin sa Stable Diffusion?

Ang mga application ng Stable Diffusion ay higit pa sa paggawa ng isang imahe mula sa text. Ang AI ay hindi lamang bumubuo ng mga larawan mula sa simula, ngunit may kakayahang:

• I-edit ang mga kasalukuyang larawan: Maaari kang mag-upload ng larawan at hilingin dito na magdagdag ng mga bagay, mag-alis ng mga detalye, o baguhin ang istilo.
• Outpainting: pinapalawak ang mga gilid ng iyong komposisyon mula sa mga pahiwatig na ibinibigay mo sa prompt.
• Pagpuno ng mga partikular na lugar (inpainting): Baguhin lamang ang isang bahagi ng larawang pipiliin mo, tulad ng pag-aayos ng isang kamay, pagpapalit ng background, o pagpapahusay ng ekspresyon sa isang mukha.
• Ibahin ang anyo ng mga larawan (img2img): Maaari kang gumamit ng isang tunay na imahe bilang isang sanggunian upang ang Stable Diffusion ay maaaring muling bigyang-kahulugan ito sa ibang istilo, baguhin ang liwanag o mga kulay...
• Pinagsasama-sama ang mga artistikong istilo: Pinaghahalo nito ang iba't ibang diskarte at sanggunian (halimbawa, klasikal na sining, anime, photorealism, atbp.) sa iisang prompt.

Ito versatilidad ginagawa itong isang mainam na kasama para sa digital na pagkamalikhain, paglalarawan, graphic na disenyo, at kahit na pagbuo ng mga mapagkukunan para sa mga video game, mga kampanya sa marketing, o simpleng pagsasaya sa paggalugad sa mga limitasyon ng AI.

Paano gumagana ang Stable Diffusion sa loob?

Stable Diffusion arises mula sa pagsasanay ng milyun-milyong naka-caption na larawan salamat sa malalaking dataset (gaya ng LAION-5B), kung saan natututo ang AI na iugnay ang mga textual na konsepto sa mga visual na pattern. Ginagamit ng modelo ang tinatawag na modelo de difusión: unang sinisira ang isang imahe sa pamamagitan ng paggawa nito sa ingay, at pagkatapos ay natututong buuin muli ito mula sa simula batay sa tekstong ipinasok ng user.

Sa bawat hakbang, pinipino ng modelo ang imahe, pagbabawas ng ingay at pagtaas ng antas ng detalye, hanggang sa ang resulta ay malapit sa eksenang inilarawan namin. Bilang karagdagan, pinapayagan ka ng Stable Diffusion na i-modulate ang "bigat" ng ilang partikular na salita upang bigyang-priyoridad (o bawasan) ang mga partikular na elemento ng eksena, manipulahin ang mga istilo, at maiwasan ang mga hindi gustong resulta.

La patuloy na ebolusyon ng proyekto at pagiging bukas nito sa code pinahintulutan ang paglitaw ng hindi mabilang na mga variant at pagpapahusay ng komunidad, tulad ng mga bagong modelo, istilo, at diskarte upang makamit ang mas makatotohanan o partikular na mga resulta.

Anong mga pakinabang ang inaalok ng Stable Diffusion kaysa sa iba pang mga tool?

Ang pangunahing pagkakaiba ng Stable Diffusion ay ang kalikasan nito ay libre at open source. Hindi tulad ng ibang mga modelo tulad ng MidJourney o DALL-E, maaari mo itong patakbuhin sa iyong sariling computer, i-install ito sa mga server, subukan ang mga bagong bagay, at baguhin ito ayon sa gusto mo. Ang iba pang mga kapansin-pansing pakinabang ay kinabibilangan ng:

• Libre (maliban sa mga premium na platform): Maaari mong gamitin ang karamihan sa mga serbisyo sa web at lokal na pag-install nang walang bayad, maliban kung pipiliin mo ang mga premium na server o nais ng access sa napaka-tiyak na advanced na mga tampok.
• Pagkapribado: Maaari kang lumikha ng mga imahe nang hindi umaalis sa iyong system, pag-iwas sa mga problema sa cloud data o mabagal na koneksyon.
• Modularidad y personalización: sumusuporta sa walang katapusang mga custom na modelo, istilo, extension, at mapagkukunang binuo ng komunidad.
• Kalidad at detalye: Ang pinakabagong henerasyon ng mga modelo (SDXL, Juggernaut, Realistic Vision, atbp.) ay katunggali at kadalasan ay nahihigitan ang bayad na produksyon ng imahe.

Kaugnay nito, ang ilang mga kahinaan o mga nakabinbing isyu ay dapat ding ituro. Higit sa lahat, dapat tandaan na nagtatanghal ang Stable Diffusion isang mas matarik na kurba ng pag-aaral kaysa sa iba pang mga solusyon comerciales. 

Pagsisimula: Paano I-install at I-configure nang Lokal ang Stable Diffusion

Ang pag-install ng Stable Diffusion sa iyong computer ay mas madali kaysa sa tila, lalo na sa sikat na interface Automatic 1111, na pinasimple ang proseso hangga't maaari para sa Windows.

1. Pumunta sa opisyal na imbakan ng Awtomatikong 1111 sa GitHub, hanapin ang seksyong "mga asset" at i-download ang installer (.exe).
2. Patakbuhin ang na-download na file. Maaaring tumagal ng ilang oras ang proseso ng pag-install depende sa bilis ng iyong computer.
3. Kapag tapos na, magkakaroon ka ng shortcut na tinatawag na "A1111 WebUI" sa iyong desktop o sa isang destination folder. Ang pag-double click ay magbubukas ng graphical na interface sa iyong browser, na handang magsimulang gumawa.
4. Inirerekomenda namin ang pagpapagana ng mga awtomatikong pag-update para sa interface at mga extension, pati na rin ang opsyong "mababang VRAM" kung hindi masyadong malakas ang iyong computer.

Kung gumagamit ka ng Mac o Linux, may mga partikular na gabay para sa pag-install ng Stable Diffusion mula sa kanilang mga open source na repository.

Paano magsulat ng mga epektibong prompt sa Stable Diffusion: structure, syntax, at mga tip

Ang tagumpay ng iyong mga larawan ay halos nakadepende sa prompt. Ang isang mahusay na istraktura ay magbibigay-daan sa iyo upang makamit ang mga propesyonal na resulta at ibang-iba sa mga nabuong may malabong paglalarawan.

Dapat ipahiwatig ng isang inirerekomendang prompt:

• Tipo de imagen: photography, drawing, illustration, 3D rendering, atbp.
• Sujeto: Sino ang lumalabas sa larawan (tao, hayop, bagay...), kasama ang lahat ng detalyeng gusto mo (edad, etnisidad, ekspresyon, atbp.)
• Acción: anong ginagawa ng lalaking yun.
• Konteksto/scenario: kung saan nagaganap ang eksena, ilaw, oras ng taon, nangingibabaw na kulay, atbp.
• Modificadores: istilo ng pagpipinta, lens at camera, oras ng araw, color palette, reference artist, resolution, kalidad, special effects gaya ng bokeh, blur, texturing...

Para sa prompts negativos, idagdag lang ang lahat ng feature na AYAW mo sa larawan: “malabo, pangit, deformed na mga kamay, masyadong maraming daliri, text, watermark, mababang resolution, hindi tamang proporsyon, morbid, duplicate…” at anumang bagay na nakakaabala sa iyo sa resulta.

Paano pagbutihin ang mga senyas sa Stable Diffusion?

Upang makamit ang pinakamahusay na mga resulta, sundin ang mga tip na ito. Maipapayo na wastong ayusin ang mga timbang at programming. Ang Stable Diffusion ay nagbibigay-daan sa iyo na magbigay ng higit o mas kaunting kahalagahan sa ilang mga salita gamit ang syntax "salita:factor". Kung mas mataas ang salitang:factor, mas magiging may kaugnayan ang terminong iyon; Maaari kang gumamit ng mga karagdagang panaklong upang higit pang madagdagan ang bigat ng isang salita o konsepto.

Bukod pa rito, binibigyang-daan ka ng syntax-driven na prompt programming na pagsamahin ang mga ideya o istilo sa isang larawan, na ginagawang ang paglipat mula sa isang konsepto patungo sa isa pa ay sumusunod sa mga hakbang na iyong tinukoy.

Kung natigil ka o naghahanap ng mabilis na inspirasyon, hinahayaan ka ng mga platform tulad ng Lexica, Civitai, o sariling PNG Info tab ng Stable Diffusion na i-drag ang mga imaheng binuo ng AI at makita ang eksaktong prompt na ginamit upang gawin ang mga ito.

Ang pinakamahusay na mga modelo ng Stable Diffusion para sa hyperrealistic at artistikong mga imahe

Ang uniberso ng Stable Diffusion ay mas malawak kaysa sa mga pangunahing modelo nito. Sa kasalukuyan ay maraming custom na modelo (mga checkpoint) na inangkop sa mga partikular na istilo, gaya ng photorealism, anime, teknikal na paglalarawan, atbp. Ang ilan sa mga pinaka inirerekomenda at tanyag ay:

Mga modelo para sa SD 1.5:

• Juggernaut Rborn: Espesyalista sa makatotohanang balat, magkakaibang background at natural na kulay. Mainit, RAW-style na mga resulta.
• Makatotohanang Paningin v5.1: Mahusay na utos ng mga portrait, emosyon at mga detalye ng mukha. Napakabalanse sa mga background at paksa.
• Hindi Ako Makapaniwala na Hindi Ito Photography: Maraming nalalaman, mahusay sa pag-iilaw at mga anggulo. Tamang-tama para sa mga portrait at iba't ibang mga tema.
• Photon V1: Balanse sa pagitan ng kalidad at versatility, lalo na para sa mga tema ng tao.
• Makatotohanang Stock Photo: Napakakinis, istilong catalog na mga larawan na walang mantsa sa balat.
• aZovya Photoreal: Hindi gaanong kilala ngunit gumagawa ng mga natitirang resulta at maaaring magamit upang pagsamahin ang mga diskarte sa iba pang mga modelo.

Mga modelo para sa SDXL (pinakabagong henerasyon):

• Juggernaut XL (x): Ang cinematic na komposisyon, mahusay sa mga portrait at pag-unawa sa mahabang senyas.
• RealVisXL: Walang kapantay sa pagbuo ng mga makatotohanang imperpeksyon, texture at pagbabago ng tono sa balat.
• HelloWorld XL v6.0: Nagdadala ito ng analog na diskarte, magandang proporsyon ng katawan at vintage aesthetics. Gumamit ng GPT4v tagging para sa mas sopistikadong mga prompt.
• Menciones honoríficas: PhotoPedia XL, Realism Engine SDXL, Fully Real XL (hindi gaanong kasalukuyan ngunit may bisa pa rin).

Ang lahat ng mga modelong ito ay maaaring ma-download nang libre mula sa mga repositoryo tulad ng Civitai, at ilagay lamang ang mga ito sa naaangkop na folder upang lumitaw sa interface ng Stable Diffusion.

Paano mag-install at mamahala ng mga custom na modelo sa Stable Diffusion

Ang pag-download ng bagong template ay kasing simple ng:

1. I-access ang mga repository tulad ng Civitai at i-filter ayon sa “Mga Checkpoint.”
2. Piliin ang modelong gusto mo (tiyaking mayroon itong extension na .safetensor para sa karagdagang seguridad).
3. I-download ang file at kopyahin ito sa path /stable-diffusion-webui/models/Stable-diffusion.
4. I-restart ang interface at piliin ang modelo mula sa panel na "Checkpoint".

Mga propesyonal na tip para sa pagkamit ng mga tunay na nakamamanghang larawan gamit ang Stable Diffusion

Ang pag-master ng Stable Diffusion ay nagsasangkot ng pag-eksperimento, pag-aaral mula sa mga resulta, at pagpapahusay sa iyong diskarte at imahinasyon:

• Maglaro ng mga pag-embed: Upang i-fine-tune ang aesthetics ng iyong mga larawan, subukan ang mga pag-embed na inirerekomenda ng mga tagalikha ng modelo (hal., BadDream, UnrealisticDream, FastNegativeV2, JuggernautNegative-neg). Nagbibigay-daan sa iyo ang mga pag-embed na ayusin ang mga feature gaya ng mga kamay, mata, atbp.
• Gumamit ng mga extension ng detalye ng mukha: Ang extension ng Adetailer para sa A1111 o ang Face Detailer Pipe node sa ComfyUI ay tutulong sa iyo na makamit ang mga flawless na resulta sa mga mukha at kamay, lalo na kapaki-pakinabang para sa mga makatotohanang portrait.
• ControlNets para sa mga perfectionist: Kung humihingi ka gamit ang mga kamay, pose o katawan, tuklasin ang iba't ibang uri ng ControlNet upang maayos ang iyong mga komposisyon.
• Ensayo y error: Huwag asahan na ang unang imahe ay perpekto; Ang susi ay upang umulit, baguhin ang mga senyas at ayusin ang mga negatibo hanggang sa makamit ang ninanais na kalidad.
• Bigyang-pansin ang istraktura ng prompt: Iwasan ang mga kontradiksyon (halimbawa, "mahabang buhok" at "maikling buhok" sa parehong pangungusap) at unahin ang mga konsepto sa simula, na magkakaroon ng higit na timbang sa huling larawan.

Pagkatapos ng paglilibot na ito sa mga posibilidad ng Stable Diffusion, malinaw na binabago ng AI ang paraan ng paggawa namin, eksperimento at ibahin ang anyo ng mga larawan na may lalong nakakagulat, propesyonal at natural na mga resulta. Kung interesado ka sa digital creativity, wala nang mas magandang panahon para tuklasin ang mundo ng AI visual generation: na may mahusay na prompt, tamang tool, at kaunting pagsasanay, kahit sino ay maaaring magbigay-buhay sa mga larawang naiisip nila, mula sa mga simpleng sketch hanggang sa mga hyper-realistic na komposisyon na hindi nakikilala sa propesyonal na photography.