ما هو Stable Diffusion؟ النموذج المفتوح الذي استعار منه الجميع

يتعلّم نموذج diffusion عبر مشاهدة تدمير الصور. خذ صورة فوتوغرافية، أضِف قليلًا من الضوضاء، ثم المزيد، وواصل حتى لا يبقى سوى تشويش، ودرّب شبكة على توقّع ما أُزيل في كل خطوة. شغّل تلك الشبكة عكسيًا بدءًا من تشويش تام فترسم صورة لم تكن موجودة.

القيام بذلك على الدقة الكاملة مكلف جدًا، لأن كل خطوة تعمل على كل بكسل. الحيلة في «الكمون» هي ضغط الصورة أولًا إلى تمثيل أصغر بكثير يحافظ على البنية ويطرح البكسلات الدقيقة، ثم تشغيل عملية الضوضاء كاملة في ذلك الفضاء الصغير، ولا يتم فك الترميز إلى صورة حقيقية إلا في النهاية.

ذلك القرار وحده هو سبب وصول التقنية إلى الناس. خفّض كلفة التوليد بنحو مرتبة كاملة، وجلب توليد الصور إلى عتاد قد يملكه الفرد، بدل الاعتماد على عنقود مستأجر.

أطلقت Stability ملفات النموذج نفسها لا واجهة فقط. هذه الحقيقة ذات الآثار الأبعد، ومن السهل التقليل من شأنها الآن بعدما صارت النتائج في كل مكان.

لأن بوسع أي أحد فحص النموذج وتعديله، بنى الناس طبقة التحكم التي افتقر إليها النموذج الأساسي. جعلت LoRA ممكنًا تعليم أسلوب أو موضوع محدد عبر ملف إضافي صغير بدل إعادة التدريب. وأتاحت ControlNet تقييد التوليد على وضعية جسم أو خريطة عمق أو رسم حواف. وخصّصت community checkpoints النموذج الأساسي للإيضاح، والتصوير، والعمارة، وغيرها.

المفردات التي خرجت من تلك المرحلة أصبحت طريقة حديث الناس عن توليد الصور عمومًا — seed، sampler، denoise strength، CFG، inpainting. شاعت هذه الكلمات عبر مجتمع مفتوح يقرأ نموذجًا يمكن فتحه ويعيد كتابته، ولهذا كُتِب معجم هذا الموقع بهذه اللغة.

أفضل مما كانت عليه لكنها ليست «عابرة». هناك مُثبِّتون بنقرة واحدة، وهناك واجهات عقدية معقّدة بحق، والمسافة بين «ولّدت صورة» و«حصلت على الصورة التي أريدها» هي ما يستهلك الوقت.

المكافأة هي تحكّم لا تقدّمه الخدمات المستضافة: seeds دقيقة، دقات وأبعاد حرة، أي checkpoint أو LoRA تريد، لا مسار محتوى بينك وبين الخرج، ولا كلفة لكل صورة بعد شراء العتاد، ولا شيء يغادر جهازك.

الكلفة أنك أصبحت تشغّل قطعة بنية تحتية مصغّرة. ملفات النماذج بحجم عدّة جيجابايت لكل منها، والامتدادات قد تتعارض، وبطاقة رسومات ذات ذاكرة كافية هي تذكرة الدخول. من يريد «صورة» قد يفضّل نموذجًا مستضافًا؛ ومن يريد «عملية» هو من يبقى.

لم يعد تلقائيًا الخيار الأقوى على جودة الخرج الصِرف، وعدة نماذج أحدث — بينها FLUX المبني جزئيًا بأيدي من عملوا على Stable Diffusion — تتّبع الـprompts بحرفية أعلى وتُنتج نصًا مقروءًا داخل الصور على نحو أفضل بكثير.

ما يحتفظ به هو المنظومة البيئية. حجم الـcheckpoints المجتمعية، ومحوّلات الأسلوب، وأدوات التحكم المبنية على الإصدارات الأقدم، ليس مما تكتسبه النماذج الأحدث بسرعة، ولمن لديه أسلوب محدد لإعادة إنتاجه أو خط معالجة جاهز، تفوق تلك المخزونات على فجوة جودة عامة.

إصدارات لاحقة شُحنت أيضًا بتراخيص أكثر تقييدًا تدريجيًا من الإطلاقات الأولى، وهذا يستحق المراجعة مقابل استخدامك المقصود بدل الافتراض. «أوزان مفتوحة» و«مجانًا لأي شيء» توقفتا عن التطابق منذ زمن.

تقريبًا كل صفحة تقنية هنا تستخدم مصطلحات شاعت بهذا النموذج. تحدد denoise strength مدى ابتعاد نتيجة image-to-image عن دخلها. يجعل seed التوليد قابلًا للتكرار. يحرّر inpainting داخل قناع ويترك الباقي بلا لمس. هذه المفاهيم تنطبق أيًا كان النموذج الذي ستستخدمه في النهاية.

وهذا هو السبب الصادق لفهم Stable Diffusion حتى لو لم تثبّته أبدًا: إنه النموذج الذي تسرّبَت واجهته إلى اللغة. تعلّمه مرة فتغدو قراءة أي أداة أخرى أسهل.