SDXL Turbo

SDXL Turbo

Stability AI · 圖片

SDXL Turbo 是 Stability AI 的 AI 圖像模型,只要一步就能把文字提示變成圖片,以較低解析度換取近乎即時的生成速度。

SDXL Turbo 的介面預覽

關於 SDXL Turbo

What Is SDXL Turbo

SDXL Turbo 是 Stability AI 在 2023 年 11 月底推出的文生圖模型。它是 SDXL 1.0 的蒸餾版本,目標是當下就生出圖,而不是讓人苦等。你給它一段文字,它在一次網路運算裡就回應,這也是它作為 Stability AI 圖像模型被叫做即時圖像生成器的原因。

這個模型為了解決一個問題而生:速度。一般擴散模型要跑過數十個步驟才會浮現一張圖。SDXL Turbo 靠的是一種叫對抗擴散蒸餾(Adversarial Diffusion Distillation,簡稱 ADD)的訓練方法,把這個流程壓縮到一到四步。根據 Stability AI 的說法,在 A100 繪圖卡上,這個模型約 207 毫秒就能產生一張 512x512 的圖。

取捨反映在成品上。SDXL Turbo 固定以 512x512 的解析度運作,因此手指、臉部這類細節可能偏粗糙,硬要放大畫布通常會讓構圖整個亂掉。最初推出的版本採用非商業研究授權,如今這個模型可以在本機執行,也能透過整合它的線上工具來使用。

Getting Started

  1. 前往 Hugging Face 的模型頁面,下載前先看清楚授權條款。
  2. 用 Diffusers 函式庫取得模型權重,或者直接打開線上試玩頁面,省去安裝步驟。
  3. 載入模型,把步數設成一或兩步換取最快結果,想要更多細節則可調到四步。
  4. 輸入英文提示詞後生成,圖片幾乎跟著你的打字速度出現。
  5. 逐字微調提示詞,直到畫面接近你心裡想的樣子。

產品資訊

快速了解 SDXL Turbo 的定價、支援平台與效能。

免費方案是
付費方案$0 - $0
平台Web, API, self-hosted, Hugging Face, ComfyUI
開發者Stability AI
類別圖片
發布日期Nov 2023
最近更新Dec 2023
網站訪問量36.8K
網站全球排名955K
API 提供狀態是

適合對象

這項工具最適合的使用者、任務與情境。

使用者

  • 喜歡玩提示詞的人:畫面隨著每個字改變,很容易看出用字如何左右一張圖。
  • 繪圖卡規格普通的玩家:單步設計能在消費級顯卡上跑,圖在你分心之前就完成了。
  • 想先做原型的開發者:快又便宜的模型很適合在投入更重的模型前,先驗證一個圖像點子。

任務

  • 即時草擬畫面:打出一段場景後邊看邊調,直到構圖順眼,中間不用乾等。
  • 測試提示詞寫法:改一個字就能立刻看到差別,寫提示詞的速度也跟著變快。
  • 製作互動展示:近乎即時的反應,適合讓使用者一邊打字、一邊看圖成形的情境。
  • 快速產生多個版本:步數低,短時間內就能生出一堆選項,再挑出值得留下的。

情境

  • 探索構圖的設計師:快速回饋讓前期的版面摸索變成來回調整,而不是枯等。
  • 學習擴散模型的學生:體積小又輕,塞得進研究用機器,也能看出蒸餾模型的行為。
  • 想把圖像功能接進應用程式的開發者:線上端點讓你不必自建繪圖卡就能加入生成能力。

主要功能

一步生成圖像

SDXL Turbo 在一次網路運算裡就把提示詞變成完成的圖,這種一步文生圖的做法,讓它與需要數十步的模型區隔開來。它本質上就是一個快速圖像生成器,換來的是低到足以感覺像即時的反應時間。整個流程不會卡在進度條上。

對抗擴散蒸餾

這個模型用一套叫 ADD 的方法訓練,把蒸餾損失與對抗損失配在一起。白話說,它一邊學著模仿更大的教師模型,一邊有第二個網路把它推向更銳利的結果。這正是極少步數還能得到乾淨畫面的原因。

即時互動

因為每次運算都很快,圖片會在你打字的同時更新。加一個字,場景跟著變;刪掉一個字,畫面又回到原本的樣子。這讓做圖變成一個不停來回的循環,而不是一次性的指令。

硬體需求低

蒸餾後的模型比 SDXL 1.0 輕得多,能在消費級繪圖卡上跑,連規格普通的雲端執行個體也撐得住。想試的人不必準備資料中心等級的顯卡,個人創作者也能碰得到即時生成。

支援圖生圖

除了文字提示,這個模型用同一條流程也能處理圖生圖。你可以餵一張參考圖,改寫它的風格,同時保有快速的反應。這讓它適合重新調整風格與快速修圖,不只是全新的生成。

優缺點

優點

  • 一步就能生出圖片,反應感覺幾乎是即時的。
  • 能在消費級繪圖卡上執行,硬體門檻相對低。
  • 開放權重讓你可以在自己的機器上檢視並執行模型。
  • 用同一條流程同時支援文生圖與圖生圖。
  • 線上試玩頁面讓人不必安裝任何東西就能先試用。

缺點

  • 輸出固定在 512x512,手指、臉部這類細節可能偏粗糙。
  • 硬要拉高解析度通常會讓畫面整個亂掉,限制了它的用途。
  • 最初的研究授權禁止商業使用,要正式推出前務必先確認條款。
  • 步數少等於用精緻度換速度,成品看起來會比完整的擴散模型遜色一些。

常見問題

它是一個即時文生圖模型,能把寫好的文字快速變成圖片。用途包括草擬點子、測試提示詞,以及驅動那種要使用者一邊打字、圖片一邊出現的工具。