Összehasonlító táblázat
| SD 1.5 | SDXL 1.0 | SD 3 Medium | SD 3.5 Large | |
|---|---|---|---|---|
| Megjelenés | 2022. okt. | 2023. júl. | 2024. jún. | 2024. okt. |
| Paraméterek | 0,9 Mrd | 2,6 Mrd (+ refiner) | 2 Mrd | 8 Mrd |
| Natív méret | 512×512 | 1024×1024 | 1024×1024 | 1024×1024 |
| VRAM (fp16) | 4–6 GB | 8 GB | 10 GB | 19 GB (fp8-ban 11 GB) |
| Sebesség (a mi 12 GB-os GPU-nkon) | ~4 mp | ~20 mp | — | — |
| Promptértelmezés | kulcsszavak | kulcsszavak, jobb kompozíció | mondatok, több téma | a legjobb |
| Szöveg a képen | nem | ritkán | igen, rövid | igen |
| Művésznevek | erős | erős | gyengébb | gyengébb |
| Közösségi modellek | nagyon sok | a legtöbb, Ponyval és Illustriousszal | kevés | kevés |
| Licenc | OpenRAIL-M | OpenRAIL++ | Community licenc (1 millió dollár bevétel alatt ingyenes) | |
| Kipróbálás az oldalon | SD 1.5 | SDXL | SD 3 | — |
Stable Diffusion 1.5: az igásló
Kicsi, gyors, végtelenül testreszabott. Mindenhez létezik fotorealisztikus és anime finomhangolás, ControlNet-modell, LoRA és embedding. Gyengéi az 512 px-es alapfelbontás, a kezek és a promptok szó szerinti olvasása. Továbbra is ez a jó választás 6 GB-os kártyához, AnimateDiff-animációhoz és ControlNet-igényes munkához. Az oldal tagoknak szóló txt2img oldala egy egyedi SD 1.5 modellt futtat.
SDXL 1.0: részlet és stílus
Az SDXL-nek négyszer annyi pixele, második szövegkódolója és az utolsó lépésekhez refinere van. Az arcok, a kezek és a kompozíció sokat javultak, a művésznevek pedig erős, kiszámítható hatásúak, ezért készült 1731 művészes összehasonlításunk SDXL-lel. 8 GB kell neki, és többszörösen lassabb az 1.5-nél: a mi GPU-nkon körülbelül 20 mp egy kép a 4 mp-cel szemben. A desztillált változatok (SDXL Turbo, LCM LoRA) 25–30 helyett egy-nyolc lépéssel beérik, némi minőségveszteség árán.
Stable Diffusion 3 és 3.5: értelmezés és szöveg
Új architektúra (diffúziós transzformer három szövegkódolóval), amely kulcsszólisták helyett mondatokat követ: az „a red cube on a blue sphere, to the left of a green cone” többnyire jól jön ki, és az idézőjelbe tett rövid szöveg olvasható. A 3 Mediumnak anatómiai gondjai voltak, ezeket a 3.5 mérsékelte; a 3.5 Large a család legtöbbet tudó tagja, a 3.5 Medium a kiegyensúlyozott. A művésznevek és a régi negatív prompt szokások kevésbé számítanak. Próbáld ki itt a Stable Diffusion 3 Mediumot.
Melyiket válaszd?
- Tanulás, 6 GB-os kártya, ControlNet, AnimateDiff: SD 1.5.
- Illusztráció, portrék, művészi stílusok, 8–12 GB: SDXL.
- Szöveges plakátok, összetett jelenetek, 12–16 GB+: SD 3.5 Medium vagy Large.
- Nincs GPU: az oldal online eszközei, fiók nélkül.