最近 Stability AI 推出了一個新模型 Stable Diffusion XL，參數(shù)是 SD v2.1 的 2.5 倍，那這個新模型的圖像生成效果如何呢？今天就繼續(xù)來測試一下。

Stable Diffusion XL 簡介

DreamStudio - SD XL：

夢幻工作室 (dreamstudio.ai) （新用戶有 200 點免費生成額度）

Clip - SD XL：

Clip - Stable Diffusion （目前免費生成）

此次 Stable Diffusion XL 一共更新在兩個平臺上，一是 Stability AI 官方 AI 繪畫軟件 DreamStudio，另一個則是之前被 Stability AI 收購的 AI 圖像處理平臺 Clip。二者的區(qū)別在于 DreamStudio 上有很多的可調(diào)節(jié)參數(shù)，比如畫面比例、圖像數(shù)量等，Clip 是統(tǒng)一的 1:1 的畫面比例，一次生成 4 張，單張圖像放大后可達到 1024*1024px。

據(jù) Stability AI 官網(wǎng)介紹，SD XL 模型支持用更短的提示創(chuàng)建描述性圖像，并在可以在圖像中生成文字，模型增強了圖像的構(gòu)圖和臉部生成能力，使畫面更加逼真和美觀。

SD XL 生成的圖像

生成準確的文字和畫手一樣，一直是 AI 繪畫中的難題，直到 Controlnet 插件出現(xiàn) ，我們才能在 SD WebUI 中通過輪廓檢測功能固定文字外形，從而生成精準的文字內(nèi)容，而此次 SD XL 模型可以生成文字無疑是又是 AI 繪畫的一大進步。我分別在 Midjourney 和 SD XL 中用文本提示詞進行測試，結(jié)果是 SD XL 的文字生成效果的確比 Midjourney 好。

接著繼續(xù)用和之前一樣的主題進行圖像生成測試。首先是人像，可以看出 SD XL 比 v2.1 的效果要好很多，構(gòu)圖正確，人物面部沒有扭曲變形，整體質(zhì)感也好很多，質(zhì)量看起來并不比 Midjourney 差，說明 XL 模型在照片真實性上有進行專門的優(yōu)化 。

然后是動漫風(fēng)，XL 生成的圖像在畫面整體質(zhì)量有明顯提升，應(yīng)該是對數(shù)據(jù)集進行了優(yōu)化，但是有一個非常大的缺點就是五官和四肢不正常，在生成的 2 批 8 張圖像中，每一張都有五官四肢不正常的情況，圖像可用率極低。

而在 3D 風(fēng)格上 XL 模型還是有比較明顯的進步的，無論是人物精細度還是畫面整體美感都比之前的 v2.1 要好，不過和動漫風(fēng)一樣存在四肢不正常的情況，下面是我從生成的 4 張圖像中挑出的雙手看起來比較正常的一張，感覺 XL 模型在這一塊的訓(xùn)練沒做好。

最后再看一下矢量扁平插畫和概念場景的表現(xiàn) ，同樣都有非常明顯的美感提升，不過也能看出 SD XL 在文本提示的理解上還有缺陷，在扁平插畫的測試中它忽略了“白色背景”這一關(guān)鍵詞；而由于 SD XL 目前還是測試版，畫面尺寸不能做到 16:9，這也讓圖像的表現(xiàn)性受限。

通過上面的圖像生成測試可以看出，Stable Diffusion 的 XL 模型 比 V2.1 在質(zhì)量上有了明顯進步，特別是在人像質(zhì)量上，雖還不能達到 midjourney V5 的水平，但是在目前的 AI 繪畫工具總也算表現(xiàn)比較好的；新增的文字生成功能也是比較獨特的，除了接入 Controlnet 的 SD WebUI，其他 AI 繪畫工具目前都還沒有生成準確文字內(nèi)容的能力。

同時 Stable Diffusion XL 的缺點也是比較明顯的，即人物的四肢不正常，這點在動漫和 3D 風(fēng)格中尤為突出；模型對提示文本的理解能力也有缺陷，會漏掉一些關(guān)鍵詞語，期待 Stability AI 在后續(xù)的更新中能進一步優(yōu)化現(xiàn)在這些問題。

文章來自公眾號：優(yōu)設(shè)

作者：夏花生er