Apa itu Stable Diffusion? Model terbuka yang jadi rujukan banyak lainnya

Model diffusion belajar dengan menyaksikan gambar dihancurkan. Ambil sebuah foto, tambahkan sedikit noise, tambah lagi, teruskan sampai hanya tersisa statik, lalu latih jaringan untuk memprediksi apa yang dihapus di setiap langkah. Jalankan jaringan itu mundur dari statik murni dan ia melukis gambar yang sebelumnya tidak ada.

Melakukannya pada resolusi penuh sangat mahal, karena setiap langkah menyentuh setiap piksel. Trik laten adalah mengompresi gambar terlebih dulu ke representasi yang jauh lebih kecil yang mempertahankan struktur dan membuang detail piksel, jalankan seluruh proses bising itu di ruang kecil tersebut, dan hanya mendekode kembali ke gambar nyata di paling akhir.

Keputusan tunggal itu alasan mengapa ini sampai ke pengguna umum. Ia memangkas biaya generasi sekitar satu orde magnitudo dan membawa pembuatan gambar ke perangkat keras yang mungkin sudah dimiliki seseorang, bukan klaster sewaan.

Stability merilis berkas modelnya, bukan hanya API. Itulah fakta dengan konsekuensi terpanjang, dan mudah diremehkan sekarang ketika hasilnya ada di mana-mana.

Karena siapa pun bisa memeriksa dan memodifikasi model, orang membangun lapisan kontrol yang tidak dimiliki model dasar. LoRA memungkinkan mengajarkan gaya atau subjek spesifik dengan berkas tambahan kecil alih-alih melatih ulang apa pun. ControlNet memungkinkan membatasi generasi pada pose, peta kedalaman, atau gambar tepi. Checkpoint komunitas memfokuskan model dasar untuk ilustrasi, fotografi, arsitektur, dan lainnya.

Kosakata yang lahir dari periode itu kini menjadi cara orang membicarakan pembuatan gambar secara umum — seed, sampler, denoise strength, CFG, inpainting. Istilah-istilah itu dipopulerkan komunitas terbuka yang membaca dan menulis ulang model yang benar-benar bisa mereka buka, dan itulah alasan glosarium di situs ini ditulis seperti adanya.

Lebih baik daripada dulu namun tetap tidak santai. Ada penginstal sekali-klik dan ada antarmuka berbasis node yang sangat kompleks, dan jarak antara "Saya menghasilkan sebuah gambar" dan "Saya mendapatkan gambar yang saya inginkan" adalah tempat waktu habis terpakai.

Ganjarannya adalah kontrol yang tidak ditawarkan produk hosted: seed persis, resolusi sekehendak, checkpoint atau LoRA apa pun yang Anda suka, tanpa pipeline konten di antara Anda dan keluaran, tanpa biaya per gambar setelah perangkat keras, dan tidak ada yang keluar dari mesin Anda.

Biayanya adalah Anda kini mengoperasikan sepotong infrastruktur kecil. Berkas model berukuran beberapa gigabita tiapnya, ekstensi saling bentrok, dan kartu grafis dengan memori cukup adalah tiket masuk. Orang yang hanya ingin gambar biasanya lebih senang dengan model hosted; mereka yang menginginkan proses adalah yang bertahan.

Ia tidak lagi otomatis menjadi opsi terkuat pada kualitas keluaran mentah, dan beberapa model lebih baru — termasuk FLUX, yang sebagian dibangun oleh orang yang pernah mengerjakan Stable Diffusion — lebih harfiah mengikuti prompt dan jauh lebih baik merender teks yang terbaca.

Yang tetap dimilikinya adalah ekosistem. Jumlah checkpoint komunitas, adaptor gaya, dan alat kontrol yang dibangun di versi-versi lama bukan sesuatu yang cepat dimiliki model baru, dan bagi siapa pun yang harus mereproduksi gaya spesifik atau sudah punya pipeline, inventaris itu sering mengalahkan selisih kualitas umum.

Versi-versi berikutnya juga dirilis dengan lisensi yang makin bersyarat dibanding rilis awal, yang perlu Anda cocokkan dengan rencana penggunaan alih-alih berasumsi. "Bobot terbuka" dan "gratis untuk apa pun" sudah lama berhenti menjadi pernyataan yang sama.

Hampir setiap halaman teknik di sini memakai istilah yang dipopulerkan model ini. Denoise strength menentukan seberapa jauh hasil image-to-image menyimpang dari inputnya. Seed membuat generasi dapat diulang. Inpainting mengedit di dalam mask dan membiarkan sisanya tak tersentuh. Konsep-konsep itu berlaku apa pun model yang akhirnya Anda pakai.

Itulah alasan jujur untuk memahami Stable Diffusion meski Anda tidak pernah menginstalnya: ini model yang antarmukanya merembes ke bahasa. Pelajari sekali dan setiap alat lain lebih mudah dibaca.