設計師喺構思新項目時，往往要花幾個鐘頭喺 Photoshop 度搵素材同埋反覆修改，浪費咗好多創作時間。Stable Diffusion 就係一款開源嘅 latent text-to-image diffusion model，專門解決呢個痛點，讓用戶只需輸入文字描述，就能快速生成高質素圖像。呢個工具特別適合藝術家、設計師同埋開發者，佢基於先進嘅 diffusion 技術，喺 GitHub 上公開源碼，方便大家自訂同埋二次開發。
載入預訓練權重，輕鬆開始文字轉圖像
Stable Diffusion 嘅獨特之處在於佢用 latent space 進行 diffusion 過程，比傳統 pixel-based 方法更高效。用戶可以直接從 GitHub 下載預訓練權重，之後喺本地環境運行。呢個設計大大減低咗計算資源需求，即使唔係頂級 GPU，都可以生成 512×512 像素嘅圖像。比起雲端服務，呢種本地運行方式更保障咗隱私，唔使擔心上傳數據。
Text-to-Image 模式生成精準圖像
喺 Text-to-Image 模式下，用戶輸入如「一隻太空貓坐喺月球上」嘅描述，模型就會喺幾十秒內輸出相應圖像。呢個功能支援 CLIP 文字編碼器，確保生成結果同輸入提示高度匹配。相比其他生成工具，Stable Diffusion 喺細節捕捉上更出色，例如光影、紋理同埋構圖，都接近專業級水準。開發者仲可以調整 sampling steps 同埋 guidance scale，精細控制輸出風格。
實際操作上，打開終端機後，運行提供的腳本，就能即時看到結果。呢種直觀體驗，讓新手都容易上手，唔使額外學習複雜介面。
Image Modification 支援圖像編輯同埋變奏
除了純文字生成，Stable Diffusion 仲提供 Image Modification 功能，用戶上傳一張圖像，再加文字提示，就能進行 inpainting 或 outpainting。譬如想將照片背景改成科幻城市，只需 mask 出區域，模型就會智能填充。呢個特點喺設計 workflow 中特別實用，幫用戶快速迭代創意，省卻手動繪圖時間。
同類產品入面比較少見嘅一點係，佢支援 img2img 模式，讓現有圖像作為起點，生成變奏版本。呢樣令到創作過程更流暢，適合用喺廣告設計或概念藝術。
豐富資源同開源許可方便開發
項目提供咗詳細嘅 Resources 頁面，包括模型下載連結、範例代碼同埋論文參考。呢啲資源讓開發者容易整合到自己嘅 app 入面。許可方面，採用 CreativeML OpenRAIL-M 授權，允許商業使用但有特定限制，確保模型唔會被濫用。GitHub 頁面仲有最新 commit 歷史同埋文件導航，方便追蹤更新。
整體嚟講，Stable Diffusion 將 AI 圖像生成帶到大眾手中，開啟咗無限創作可能。無論係個人興趣定專業應用，都值得一試。
產品名稱：Stable Diffusion / stable-diffusion
官方網站：https://github.com/CompVis/stable-diffusion
