Stable Diffusion

Stable Diffusion
	Một hình ảnh được tạo bởi Stable Diffusion dựa trên mô tả "bức ảnh một phi hành gia đang cưỡi ngựa"
Thiết kế bởi	Runway, CompVis, và Stability AI
Phát triển bởi	Stability AI
Phát hành lần đầu	ngày 22 tháng 8 năm 2022
Phiên bản ổn định	SD 3.5 (mô hình) / ngày 22 tháng 10 năm 2024
Kho mã nguồn	github.com/Stability-AI/stablediffusion
Viết bằng	Python
Hệ điều hành	Mọi hệ điều hành hỗ trợ nhân CUDA
Thể loại	Mô hình chuyển văn bản thành hình ảnh
Giấy phép	Stability AI Community License
Website	stability.ai/stable-image

Stable Diffusion là một mô hình học sâu (deep learning), chuyển văn bản thành hình ảnh (text-to-image) được phát hành vào năm 2022. Nó được sử dụng chủ yếu để tạo ra các hình ảnh chi tiết dựa trên mô tả văn bản, tuy nhiên cũng có thể áp dụng cho các nhiệm vụ khác như inpainting, outpainting và tạo ra các phiên dịch hình ảnh-hình ảnh dựa trên một đề xuất văn bản (text-prompt)^[3]. Nó được phát triển bởi các nhà nghiên cứu từ Nhóm CompVis tại Đại học Ludwig Maximilian ở Munich và Runway với sự đóng góp tính toán từ Stability AI và dữ liệu huấn luyện từ các tổ chức phi lợi nhuận^[4]^[5]^[6]^[7]

Stable Diffusion là một mô hình lan truyền tiềm ẩn (latent diffusion model), một loại mạng nơ-ron nhân tạo sinh sâu (generative artificial neural network). Mã nguồn và model của nó đã được công khai phát hành dưới giấy phép CreativeML Open RAIL-M, và nó có thể hoạt động trên hầu hết các thiết bị máy tính thông thường được trang bị GPU tầm trung với ít nhất 8 GB VRAM. Điều này đánh dấu một sự khác biệt so với các mô hình chuyển văn bản thành hình ảnh độc quyền trước đây như DALL-E và Midjourney, chỉ có thể truy cập thông qua dịch vụ đám mây.