stable-diffusion

Stable Diffusion 是一个基于潜在扩散模型的文本到图像生成工具。该项目利用了CLIP ViT-L/14文本编码器来根据给定的文字提示生成高质量图像，其核心架构包括一个860M参数的UNet和一个轻量级的123M参数文本编码器，使得该模型能够在至少拥有10GB显存的GPU上运行。适合用于需要从自然语言描述中快速创建视觉内容的应用场景，如艺术创作、设计辅助及创意原型开发等。此外，通过与Stability AI等机构的合作，Stable Diffusion在大规模数据集上进行了训练，确保了生成图像的质量与多样性。