第五节.Stable Diffusion大模型

第五节.Stable Diffusion大模型

🍉大模型(Stable Diffusion 模型)

大模型,也叫 Stable Diffusion 模型,是 Stable Diffusion 绘图的核心基础,所有生成效果都依赖它。


常见版本

大模型已迭代出多个版本,常见的有:

  • Stable Diffusion 1.4(SD1.4)
  • Stable Diffusion 1.5(SD1.5)
  • Stable Diffusion 2.0(SD2.0)
  • Stable Diffusion 2.1(SD2.1)
  • Stable Diffusion XL(SDXL)
  • Playground、Stable Cascade 等

对初学者来说,重点记住两个主流版本

  • SD1.5:最经典、生态最成熟,适合大多数场景
  • SDXL:新一代大模型,画质更高、细节更强

其他版本可以后续慢慢了解。

重要注意事项

SD1.5 和 SDXL 不通用

  • SD1.5 必须搭配 SD1.5 专用 的 ControlNet 等模型
  • SDXL 必须搭配 SDXL 专用 的 ControlNet 等模型用错版本会直接报错,后面会结合案例详细说明。

🍉为什么要切换不同的大模型?

要理解为什么要切换大模型,核心是搞清楚 SD1.5SDXL 这两代主力模型的区别:

1. 理论层面:SDXL 更 “强”

  • SDXL(新版本):训练用的是 1024×1024 分辨率图像
    • 理论上出图效果更好
    • 能理解更多词汇
    • 画面更精致、细节更丰富
  • SD1.5(老版本):训练用的是 512×512 分辨率图像
    • 基础能力不如 SDXL

2. 现实层面:SD1.5 更 “好用”

  • SD1.5
    • 发布早,生态极其成熟
    • 有海量微调模型、LoRA、ControlNet 等配套资源
    • 出图效果已经很好,商用场景大多够用
    • 对显卡要求低,生成速度快
  • SDXL
    • 发布晚,生态还在追赶
    • 模型体积大,对显卡要求高
    • 微调难度大,间接拖慢生态发展
    • 出图速度比 SD1.5 慢好几倍
    • 这些限制导致普及速度较慢

简单总结:

  • 追求画质、细节、表现力 → 优先用 SDXL
  • 追求速度、兼容性、生态资源 → 优先用 SD1.5

2026.1现状:SDXL 生态变好,但 SD1.5 仍主流

到 2026 年 1 月,SDXL 的生态已经比刚发布时完善很多,但 SD1.5 依然是很多人的首选。这一点很重要,因为后面用别人的 ComfyUI 工作流时,必须先看作者用的是哪个版本的大模型,再做对应调整,否则容易报错。


加速模型:LCM / Turbo / Lightning

除了官方版本,你还会遇到带 LCM、Turbo、Lightning 等后缀的模型,它们都属于加速模型

  • 背景:SDXL 对电脑性能要求高,生成速度慢,所以官方和第三方都在做加速方案。
  • 代价:加速通常会牺牲一点画质(优秀的加速模型,画质损失很小)。
  • 用途:适合需要快速出图、预览效果的场景。

刚才花了一点时间,了解两大版本的差别,那么为什么每个版本下,会有那么多的第三方模型呢?

主要是为了增强某些方面的特殊优化。

优化之后,有些模型会更适合画写实类的画面,有些是二次元,还有一些模型会很适合画幻想元素等等。这个就好比,第三节提到的“雕刻师”都是转职过的,技能上会有所偏向,平时大家使用的,也大多是这些微调的大模型,效果会更好。

🍉模型下载网站:

LibLib(哩布哩布)

LibLib 是国内的大模型分享平台,无需科学上网即可访问。

  • 经过一年多发展,已沉淀大量优质模型,包含不少原创作者的作品;
  • 同时也搬运了许多国外优秀模型,下载方便;
  • 虽有部分模型不开放下载,但绝大多数可免费获取

官方地址https://www.liblib.art/

Civitai(C 站)

Civitai 是业内老牌的模型网站,也被称作 C 站

  • 特点:模型全、更新快,配有缩略图,方便筛选;
  • 限制:需要科学上网 (魔法)才能访问;
  • 官方地址:https://civitai.com/

Hugging Face(抱脸)

Hugging Face 也被称作 “抱脸”,是一个可以下载插件、模型和代码的平台。

  • 特点:更偏向开发者,而非设计师,查找资源的操作门槛相对较高;
  • 访问限制:早期无需科学上网,现在需要科学上网才能正常访问;
  • 官方地址:https://huggingface.co/

🍉模型推荐

面对众多模型,如何挑选效果好的?

其实没有绝对标准,核心是按任务和目标选择

  • 做漫画 → 选二次元风格大模型
  • 做摄影 → 选写实类大模型

这也是 AI 绘画需要大容量硬盘的原因 —— 很多人会下载几十 G 甚至上百 G 的模型,来覆盖不同场景。

当然,也有一些公认优秀的模型,下面做简单推荐,大家可以先下载,后续使用时就不用临时等待下载了。

这里我将一些常用的模型存到了网盘里,大家可以去一键下载。
链接: https://pan.baidu.com/s/1zUVEfCKQmvYUx7JAN_1rvw 提取码: g2wp 

SD1.5

写实类模型推荐

majicMIX realistic(麦橘写实)

  • 这是一款非常优秀的真人写实模型,深受摄影师群体喜爱;
  • 生成美女等写实人像效果稳定、靠谱;
  • 下载地址:majicMIX realistic 麦橘写实

 

ChilloutMix

  • 一款老牌写实真人模型,在早期非常流行;
  • 虽然现在看技术上稍显落后,但日常使用依然可行;
  • 下载地址:ChilloutMix

 

Realistic Vision

  • 一款通用型写实大模型,适用场景广、通用性强;
  • 缺点:生成亚洲面孔时,效果不如 majicMIX realistic、ChilloutMix 出色;
  • 优点:在其他写实场景(如风景、静物、欧美人像等)中表现实用;
  • 下载地址:Realistic Vision V6.0

2.5D 模型

ReVAnimated

  • 实用性非常高,已默认打包在提供的 ComfyUI 中;
  • 若不慎删除,可在相关网站或网盘中重新下载;
  • 下载地址:ReVAnimated

 

动漫模型

Counterfeit-V2.5

  • 经典动漫风格大模型,适合二次元插画、角色生成;
  • 下载地址:Counterfeit-V2.5

 

SDXL 写实类模型推荐

XXMix_9realisticSDXL

  • 专门针对 SDXL 版本 的写实模型;
  • 解决了默认 SDXL 模型生成亚洲面孔效果不佳的问题,适合生成亚洲人像;
  • 下载地址:XXMix_9realisticSDXL

 

realisticStockPhoto_v20

 

其他模型

Juggernaut XL

  • 一款通用性较强的模型,在数字艺术类作品的生成上表现出色;
  • 下载地址:Juggernaut XL

 

🍉模型下载后,如何安装?

在 ComfyUI 中,大模型无需安装,只需放到指定文件夹即可。

  • 下载的 Stable Diffusion 大模型,放在 models 下的 checkpoints 文件夹中;
  • 可以在 checkpoints 里建二级文件夹分类存放,也可以直接放进去,ComfyUI 都能识别。

下一节,我们就基于一个实际案例,来讲解如何通过大模型来生成一张不错的图片,大家不见不散。

 

 

 

 

Read more

AI 编程效率翻倍:Superpowers Skills 上手清单 + 完整指南

AI 编程效率翻倍:Superpowers Skills 上手清单 + 完整指南

前言 在 AI 编程普及的当下,很多开发者都会用 Claude Code、Cursor、Copilot 等 AI 助手写代码,但普遍面临一个痛点:AI 写代码 “无规划、低质量、无流程”,往往写出来的代码需要大量返工,甚至不符合工程规范,反而降低开发效率。 而 Superpowers Skills(简称 “Superpowers”),正是为解决这个问题而生 —— 它是一套系统化的 AI 编程工作流框架,把资深工程师的开发经验,固化为 20 + 个可组合的 “技能(Skill)”,强制 AI 遵循 TDD、系统化调试等最佳实践,让 AI 从 “盲目写代码” 变成 “有规划、重质量、可追溯” 的专业开发伙伴。

Python 构建AI多智能体系统:让三个 AI 协作完成复杂任务

Python 构建AI多智能体系统:让三个 AI 协作完成复杂任务

单个 AI 能做的事有限,三个 AI 分工协作能做的事远超你想象。本文用纯 Python 从零实现一个多智能体系统,完整代码可直接运行。 * 一、什么是多智能体系统(Multi-Agent System)? * 二、为什么不用现成框架? * 三、系统架构设计 * 四、代码实现 * 4.1 基础类:定义 Agent * 4.2 定义三个专业 Agent * 4.3 协调者:任务调度中心 * 4.4 主程序:启动你的 AI 团队 * 五、执行流程详解 * 六、扩展:加入工具能力 * 七、性能对比 * 八、注意事项 * 总结 一、

8倍速语音转写革命:Whisper V3 Turbo如何重塑实时交互体验

8倍速语音转写革命:Whisper V3 Turbo如何重塑实时交互体验 【免费下载链接】whisper-large-v3-turbo 项目地址: https://ai.gitcode.com/hf_mirrors/openai/whisper-large-v3-turbo 导语 OpenAI最新发布的Whisper V3 Turbo模型通过架构革新,将语音识别速度提升8倍的同时保持高精度,重新定义了实时语音转写的技术标准,为会议记录、多语言直播、智能客服等场景带来效率飞跃。 行业现状:实时交互的技术瓶颈 2024年语音识别技术正从"能听懂"向"会理解"快速进化,但实时性与准确性的平衡始终是行业痛点。据行业研究显示,传统语音识别系统平均延迟超过500ms,在直播字幕、实时会议等场景中难以满足用户需求。声网音频算法专家李嵩指出:"当前系统都是说完话后才开始理解,而人与人交流时听众在说话过程中就已开始理解",这种延迟严重影响了实时交互体验。 与此同时,多语言支持成为全球化应用的关键挑战。随着跨境会议、国际直播等场景的爆发式增长,

Stable Diffusion底模对应的VAE推荐:提升生成质量的关键技术解析

Stable Diffusion底模对应的VAE推荐:提升生成质量的关键技术解析 引言:VAE在Stable Diffusion生态系统中的核心作用 变分自编码器(VAE)是Stable Diffusion生成架构中不可或缺的组件,负责将潜在空间表示与像素空间相互转换。尽管常常被忽视,VAE的质量直接影响图像生成的细节表现、色彩准确性和整体视觉效果。本文将深入解析不同Stable Diffusion底模对应的最优VAE配置,从技术原理到实践应用全面剖析VAE的选择策略。 VAE在Stable Diffusion中的核心功能包括: * 编码过程:将输入图像压缩到潜在空间表示(latent representation) * 解码过程:将潜在表示重构为高质量图像 * 正则化作用:确保潜在空间遵循高斯分布,便于扩散过程采样 一、VAE技术原理深度解析 1.1 变分自编码器的数学基础 变分自编码器的目标是学习数据的潜在表示,其数学基础建立在变分推断之上。给定输入数据 x x x,VAE试图最大化证据下界(ELBO): log ⁡ p ( x ) ≥ E q ( z ∣