与Midjourney开战！Stable Diffusion XL 0.9重磅发布 [SDXL 0.9]模型 35亿+66亿双模型开启新的开源AI文本转图像模型图像生成未来本地部署抢先体验

6月22日，Stability AI宣布推出SDXL 0.9，这是Stable Diffusion文本生成图像模型中最先进的版本。继4月发布Stable Diffusion XL 测试版后，SDXL 0.9 的图像和构图细节比之前版本有了显著改进。

尤其是在参数上，这次的SDXL 0.9具有35亿参数基础模型和66亿参数模型的集成管线。相比之下，Beta测试版仅用了单个31亿参数的模型。

为了生成更逼真的图像，以及更大的深度和更高的分辨率（1024×1024），SDXL 0.9使用了两个CLIP模型，包括迄今为止最大的OpenCLIP模型（OpenCLIP ViT-G/14）。

不仅如此，SDXL 0.9在消费级显卡上就能运行。只需要Win10/11或Linux操作系统、16GB内存，以及具有8GB以上显存的英伟达RTX 20系显卡即可。

官方表示，SDXL系列还会提供一系列超越基本文本prompt的功能，包括：

图像对图像的prompt：输入一个图像以获得该图像的变化；
内画：重建图像的缺失部分；
外画：构建一个现有图像的无缝扩展。

SDXL团队不久将发布一个研究博客，更详细地介绍这个模型的规格和测试。该模型今天可以通过ClipDrop访问，API即将推出。据Stability AI公布，将于 7 月中旬公开发布v1.0版本。

驱动力

SDXL 0.9在构图方面的进步的关键驱动力是其参数数量（模型训练的神经网络中所有权重和偏差的总和）相比beta版本有了显著增加。SDXL 0.9拥有开源图像模型中最大的参数数量之一，拥有35亿参数的基础模型和66亿参数的模型集成管道（最终输出是通过在两个模型上运行并聚合结果创建的）。管道的第二阶段模型用于为第一阶段生成的输出添加更细致的细节。

系统要求

尽管SDXL 0.9的输出强大且模型架构先进，但它能够在现代消费者GPU上运行，只需要Windows 10或11，或Linux操作系统，配备16GB RAM，Nvidia GeForce RTX 20图形卡（或同等或更高标准）配备至少8GB的VRAM。Linux用户也可以使用配备16GB VRAM的兼容AMD卡。

可用性

SDXL 0.9现在可以在Stability AI的Clipdrop平台上使用。Stability AI API和DreamStudio客户将能够在6月26日（星期一）访问该模型，以及其他领先的图像生成工具，如NightCafe。在有限的时间内，SDXL 0.9将仅供研究目的使用，以收集反馈并完全优化模型，然后进行公开发布。运行它的代码将在Github上公开。

官方示例：

Prompt：外星人在拉斯维加斯漫步

Prompt：优胜美地国家公园的一只狼

Negative prompt：3d 渲染，光滑，塑料，模糊，颗粒感，低分辨率，动漫，过度饱和

Prompt：手举咖啡

Negative prompt：3d 渲染，光滑，塑料，模糊，颗粒状，低分辨率，动漫

总结

Stability AI的SDXL 0.9是一个重大的进步，它在图像生成和构图细节上大大超越了其前身。尽管它的硬件需求相对较低，但其在生成超现实图像和设计应用方面的能力却非常强大。此外，它的参数数量也大大增加，使其成为开源图像模型中参数数量最大的一个。SDXL 0.9现已在Stability AI的Clipdrop平台上提供，而且很快就会有API推出。