Jämförelsetabell
| SD 1.5 | SDXL 1.0 | SD 3 Medium | SD 3.5 Large | |
|---|---|---|---|---|
| Släppt | okt 2022 | jul 2023 | jun 2024 | okt 2024 |
| Parametrar | 0,9 mdr | 2,6 mdr (+ refiner) | 2 mdr | 8 mdr |
| Nativ storlek | 512×512 | 1024×1024 | 1024×1024 | 1024×1024 |
| VRAM (fp16) | 4–6 GB | 8 GB | 10 GB | 19 GB (11 GB i fp8) |
| Hastighet (vårt 12 GB-kort) | ~4 s | ~20 s | — | — |
| Promptförståelse | nyckelord | nyckelord, bättre komposition | meningar, flera motiv | bäst |
| Text i bilder | nej | sällan | ja, kort | ja |
| Konstnärsnamn | stark effekt | stark effekt | svagare | svagare |
| Community-modeller | väldigt många | flest, med Pony och Illustrious | få | få |
| Licens | OpenRAIL-M | OpenRAIL++ | Community-licens (gratis under 1 miljon dollar i omsättning) | |
| Prova här | SD 1.5 | SDXL | SD 3 | — |
Stable Diffusion 1.5: arbetshästen
Liten, snabb och anpassad i det oändliga. Det finns fotorealistiska och anime-finjusteringar, ControlNet-modeller, LoRAs och embeddings för allt. Svagheterna är basupplösningen på 512 px, händerna och en bokstavlig läsning av prompten. Den är fortfarande rätt val för ett 6 GB-kort, för animation med AnimateDiff och för tungt ControlNet-arbete. Medlemmarnas txt2img-sida på den här webbplatsen kör en anpassad SD 1.5-modell.
SDXL 1.0: detaljer och stil
SDXL har fyra gånger så många pixlar, en andra textkodare och en refiner för de sista stegen. Ansikten, händer och komposition blev mycket bättre, och konstnärsnamn har en stark, förutsägbar effekt, vilket är anledningen till att vår jämförelse av 1 731 konstnärer genererades med SDXL. Den kräver 8 GB och är flera gånger långsammare än 1.5: ungefär 20 s mot 4 s per bild på vårt grafikkort. Destillerade versioner (SDXL Turbo, LCM-LoRA) behöver bara ett till åtta steg i stället för 25 till 30, med viss kvalitetsförlust.
Stable Diffusion 3 och 3.5: förståelse och text
En ny arkitektur (diffusionstransformer med tre textkodare) som följer meningar i stället för nyckelordslistor: för det mesta blir ”a red cube on a blue sphere, to the left of a green cone” rätt, och kort text inom citattecken går att läsa. 3 Medium hade anatomiproblem som 3.5 minskade; 3.5 Large är den mest kapabla i familjen, 3.5 Medium den balanserade. Konstnärsnamn och gamla vanor från den negativa prompten betyder mindre. Prova Stable Diffusion 3 Medium här.
Vilken ska du välja?
- Att lära sig, 6 GB-kort, ControlNet, AnimateDiff: SD 1.5.
- Illustration, porträtt, konstnärsstilar, 8–12 GB: SDXL.
- Affischer med text, komplexa scener, 12–16 GB+: SD 3.5 Medium eller Large.
- Inget grafikkort: onlineverktygen på den här webbplatsen, inget konto behövs.