见楼下。

前排
提醒，请打开“只看楼主”

本贴的作用是做简单的科普以及在吧内发帖前需要了解的事情

首先我在此简单介绍一下，Stablediffusion （翻译为稳定扩散）是一款基于扩散技术的深度学习文本转图像模型，于 2022 年发布。这项生成式人工智能技术是 Stability AI 的旗舰产品，被认为是当前人工智能蓬勃发展的重要组成部分。

上面的文本取自维基百科，对于吧友们或许有不少理解门槛。让我再解释一些东西。

从上边这句话你应该看到了“模型”这个词，那么问题来了，什么是模型？

这个是我们最需要理解认识的东西，或许你之前的学习经历里了解过什么 3d 建模里的“模型”，什么手办“模型”，什么数学“模型”，“物理”模型，等等。但在本吧的大部分讨论中，模型就是一个下载到你电脑里的文件，后缀可能是 safetensor，可能是 gguf，可能是 pt，可能是 oonx，可能是 pth。大部分就这些后缀了，不同的后缀可能有相同的作用，也可能有不同的作用，请不要以模型后缀来区分模型有什么用。

而你入门 ai 绘画时运行的主要的模型后缀大概就是 safetensor，文件大小呢，至少 1GB，目前常用的光辉（illustriousXL 及其一系列微调或者融合模型的代称，取中文翻译为“光辉”）模型是 6GB 到 7GB 大小之间，量化精度为 fp16 。

那模型有什么用呢？你看到介绍里写的是“文本转图像模型”，再动脑筋想一想，文本转图像是什么意思？没错，我在鼓励吧友们做些基本的思考，为什么你用这个模型就能生成图片，视频？你要给模型什么东西，然后才能生成图片？对吧，你得输入文字。

比如你想要模型输出一个漂亮二次元女孩，你就在文本输入框里输入 1girl，anime girl，beautiful girl，哦你不懂英语怎么办？现在不是 ai 都基本免费，还求着你给用吗？为什么不去点开随便一个 ai，然后在输入框里输入“我在使用 ai 绘画软件，请你告诉我生成一个漂亮二次元女孩的提示词，要 danbooru 风格的。”
比如用豆包 AI

对吧，只要你不输入什么违反公序良俗，见不得人的词，国内的 AI 就不会不回答你，巴不得你多问呢。

然后点生成，显卡风扇就转转转，经过一些时间，模型就输出一张好看图片了。

至此，我解释完模型是什么，以及模型起着什么作用了。我知道你可能有点急，但是先别急，再把下边这个事搞明白再说。

再回忆最开始的介绍，是不是提到了它是 2022 年发布的东西？但今年是 2025 年了，你可以在社交平台上了解到各种新型的模型，虽然本吧名字是 stablediffusion ，但是近几个月以来吧内其实充斥着很多新的开源的模型的讨论，比如 flux，flux kontext，chroma，qwen-image，qwen-edit 等等新的用于生成图像的模型，还有 animatediff，wan2.1，wan2.2，等等用于视频生成的开源模型（这里不讨论 sora2 ，即梦视频与图像模型，novelAI 的模型，豆包的图像与视频模型，因为他们目前都不开源。）。

模型有很多，但我希望你知道两点：
1. 开源模型的不一定差，开源意味着有可能被社区接纳然后降低使用门槛与难度，让更多人以更简单的方式使用模型生成图片或者视频。
2. 本吧主要讨论以图像与视频生成为主要任务的开源模型的使用，开源技术的讨论以及相关问题的解答。