作者|李冬梅、核子可乐
日前，StabilityAI发布了，这是其StableDiffusion文本到图像模型的最新版本，代表StabilityAI文本到图像模型套件迎来了新的发展里程碑。
继今年4月成功发布StableDiffusionXLbeta之后，在图像和构图细节方面继续做出大幅突破。是一款强大的工具，可用于在各种创意产业中创建高度逼真的图像。与之前的版本相比，此更新的模型对生成图像的质量和细节带来了重大改进。
有哪些重大升级？现在用户已可通过ClipDrop访问该模型，API也将在不久后推出。研究人员正在努力完善1.0版本，相关成果包括权重设置预计将在七月中旬与大家见面。
示例：
在SDXLbeta（左）和0.9版本上以相同提示词进行测试，即可体现该模型在短短两个月内取得的重大进展。
提示词:美学、外星人拉在拉斯维加斯的人群中，粗砺的胶片摄影
(左图-SDXLBeta,右图-)
提示词:优胜美地国家公园的狼，冷冽的自然纪实胶片摄影
负提示:3d渲染、平滑、塑料、模糊、颗粒感、低分辨率、动漫、过饱和、奶油感
(左图-SDXLBeta,右图-)
SDXL系列还提供一系列超出基础文本提示的功能。其中包括图像到图像提示（输入一张图像，以获取该图像的更多变体）、填充（重建图像内的缺失部分）和外延（根据现有图像无缝向外扩展）。简单来说，它可以让用户更有创意，以更高级有趣的方式对图像进行更改。
背后的力量那么，的底层技术到底是怎样的？
据StabilityAI介绍，之所以取得重大进展，核心驱动因素在于参数数量（模型训练时神经网络中所有权重和偏差的总和）较Beta版本有了显著增加。
是目前所有开源图像模型中参数量最大的模型之一，基础模型拥有35亿参数，模型集成管线拥有66亿参数（最终输出由两套模型的运行聚合结果创建而成）。管线的第二阶段模型，专门用于向第一阶段模型生成的输出添加更多精巧细节。
相比之下，之前的beta版权拥有31亿参数并使用单一模型。
运行在两个CLIP模型之上，其中包括迄今为止训练的最大OpenCLIP模型之一OpenCLIPViT-G/14。它增强了的处理能力，使其能够创建出更具深度和1024x1024更高分辨率的逼真图像。
SDXL团队将很快发布一篇研究博客，详细介绍该模型的规格和测试情况。
尽管具有强大的输出和更先进的模型架构，但仍能够在现代消费级GPU上运行。具体配置要求为：
Windows10或11/Linux操作系统；
16GB内存、英伟达GeForceRTX20系列显卡（或更高版本）且至少配备8GB显存；
Linux用户也可以使用配备16GB显存的AMD兼容显卡。
测试版发布期间获得积极反响StabilityAI因于2022年8月推出开源图像生成器StableDiffusion而闻名，进一步加剧了其与OpenAI的Dall-E和MidJourney的竞争。
自4月13日SDXLbeta版发布以来，StabilityAI在Discord社区上收到近7000名用户的热烈响应。用户们生成了超过70万张图像，平均每天超过2万张。超过5.4万张图像进入Discord社区的“Showdowns”评选，最终有3521张SDXL图像被评为优秀作品。
可用性和未来计划现已在ClipdropbyStabilityAI平台上发布。StabilityAIAPI及DreamStudio客户端将于6月26日星期一开放该模型，同时提供NightCafe等其他领先的图像生成工具。
如果研究人员希望访问这些模型，请通过以下链接申请：模型（）、（）。
StabilityAI一再强调，目前仅用于研究学习目的。
计划在今年七月中旬（时间选定）全面发布。遵循非商用、仅供研究的许可证发布，并受相关使用条款的约束。