Che cos’è Stable Diffusion? Il modello open da cui tutto il resto ha preso in prestito

Un modello di diffusion impara guardando immagini che vengono distrutte. Si prende una fotografia, si aggiunge un po’ di rumore, poi altro, si continua finché resta solo statica, e si addestra una rete a prevedere cosa è stato rimosso a ogni passo. Facendo poi girare la rete al contrario partendo dalla pura statica, dipinge un’immagine che prima non esisteva.

Farlo a piena risoluzione è enormemente costoso, perché ogni passo opera su ogni pixel. L’idea latente è comprimere prima l’immagine in una rappresentazione molto più piccola che mantiene la struttura e scarta i pixel esatti, eseguire tutto il processo rumoroso in quello spazio ridotto e decodificare in un’immagine reale solo alla fine.

Quella singola decisione è il motivo per cui tutto questo è arrivato alle persone comuni. Ha ridotto il costo di generazione di circa un ordine di grandezza e portato la generazione di immagini su hardware che qualcuno poteva già avere, invece che su un cluster a noleggio.

Stability ha rilasciato i file del modello, non solo un’API. È il fatto con le conseguenze più durature, facile da sottovalutare ora che i risultati sono ovunque.

Poiché chiunque poteva ispezionare e modificare il modello, la community ha costruito lo strato di controllo che al modello base mancava. Le LoRA hanno reso possibile insegnare uno stile o un soggetto specifico con un piccolo file aggiuntivo invece di riaddestrare tutto. ControlNet ha reso possibile vincolare una generazione a una posa, a una mappa di profondità o a un disegno di contorno. I checkpoint della community hanno specializzato il modello base per illustrazione, fotografia, architettura e molto altro.

Il vocabolario nato in quel periodo è oggi il modo in cui si parla di generazione di immagini in generale — seed, sampler, denoise strength, CFG, inpainting. Quelle parole sono state diffuse da una community open che leggeva e riscriveva un modello che poteva davvero aprire, ed è il motivo per cui il glossario su questo sito è scritto così.

Meglio di prima e non ancora immediato. Esistono installer a un clic ed esistono interfacce a nodi di vera complessità, e la distanza tra «ho generato un’immagine» e «ho ottenuto l’immagine che volevo» è dove si spende il tempo.

La ricompensa è un controllo che i servizi hosted non offrono: seed esatti, risoluzioni arbitrarie, qualsiasi checkpoint o LoRA si desideri, nessuna pipeline di contenuti tra Lei e l’output, nessun costo per immagine dopo l’hardware, e niente che lasci la Sua macchina.

Il costo è che ora sta operando un piccolo pezzo di infrastruttura. I file dei modelli pesano diversi gigabyte ciascuno, le estensioni entrano in conflitto, e il biglietto d’ingresso è una scheda video con memoria sufficiente. Chi vuole un’immagine tende a preferire un modello hosted; chi vuole un processo è chi resta.

Non è più automaticamente l’opzione più forte per qualità grezza dell’output, e diversi modelli più recenti — incluso FLUX, sviluppato in parte da persone che hanno lavorato su Stable Diffusion — seguono i prompt in modo più letterale e rendono testo leggibile molto meglio.

Ciò che conserva è l’ecosistema. Il volume di checkpoint della community, adapter di stile e strumenti di controllo costruiti sulle versioni precedenti non è qualcosa che un modello nuovo acquisisce in fretta, e per chi ha uno stile specifico da riprodurre o una pipeline già costruita, quell’inventario pesa più di un gap di qualità generale.

Le versioni successive sono inoltre arrivate con licenze via via più condizionate rispetto ai primi rilasci; vale la pena verificarle rispetto all’uso previsto, senza dare per scontato nulla. «Pesi aperti» e «liberi per qualsiasi uso» hanno smesso di coincidere da tempo.

Quasi ogni pagina di tecnica qui usa termini che questo modello ha popolarizzato. La denoise strength decide quanto un risultato image-to-image si discosta dall’input. Un seed rende ripetibile una generazione. L’inpainting modifica all’interno di una maschera e lascia il resto intatto. Questi concetti valgono qualunque modello si usi alla fine.

È il motivo sincero per comprendere Stable Diffusion anche se non lo installerà mai: è il modello la cui interfaccia è filtrata nel linguaggio. Lo si impara una volta e ogni altro strumento diventa più facile da leggere.