自從發(fā)布v5之后，在生成圖像的人物真實(shí)程度、手指細(xì)節(jié)等方面都有了顯著改善，并且在理解的準(zhǔn)確性、審美多樣性和語言理解方面也都取得了進(jìn)步。

相比之下， 雖然免費(fèi)、開源，但每次都要寫一大長串的，想生成高質(zhì)量的圖像全靠多次抽卡。

最近 AI的官宣，正在研發(fā)的 XL開始面向公眾測試，目前可以在平臺(tái)免費(fèi)試用。

試用鏈接：

AI的創(chuàng)始人兼首席執(zhí)行官Emad 表示，目前該模型仍然處于訓(xùn)練階段，等參數(shù)穩(wěn)定后將會(huì)開源；SD-XL在「握手」等圖像細(xì)節(jié)方面會(huì)表現(xiàn)更好，幾乎完全可控。

XL也并不是最終發(fā)布版的名字，并且也并非是v3，因?yàn)镾D-XL的架構(gòu)和SD-v2系列的模型架構(gòu)非常相似。

home gym with , wall- TV, , ball, , yoga mats, high-tech , high , and .

簡約的家庭健身房，橡膠地板，壁掛式電視，舉重凳，藥球，啞鈴，瑜伽墊，高科技設(shè)備，高細(xì)節(jié)，組織和效率

下面幾張SD-XL官方發(fā)布的例圖，可以看出圖像的質(zhì)量已經(jīng)非常能打了。

不過有時(shí)候less并不代表more，有網(wǎng)友認(rèn)為SD-XL為了擺脫「糟糕的品味」，設(shè)定了太多的規(guī)則，定制化空間越來越小，不符合大多數(shù)人的喜好。目前v1.5的 仍然是社區(qū)內(nèi)最流行的基座模型。

網(wǎng)友表示希望新版SD能夠和SD 2.1版本的嵌入、和Lora模型保持兼容，再從零開始重訓(xùn)的話就太難受了。

也有網(wǎng)友認(rèn)為，SD-XL的表現(xiàn)和網(wǎng)站上網(wǎng)友分享的模型差不多，新模型的效果也并不是特別驚艷，也就是平均水平。

SD-XL：開源版

關(guān)于 XL模型的具體信息，官方并沒有透露太多，目前只知道是一個(gè)與v2模型架構(gòu)相似、但規(guī)模和參數(shù)量更大的模型。

SD-v2.1包括9億參數(shù)，SD-XL大約有23億參數(shù)，Emad表示正式版可能會(huì)額外發(fā)布一個(gè)更小的蒸餾版本。

SD-XL相比之前版本的改進(jìn)如下：

需要注意的是，SD-XL可能與之前版本的插件不兼容。

清晰可讀的文字

在v1系列和v2.1版本的 模型中，并不具備在圖片中生成可讀文本的能力。

雖然SD-XL生成的文本信息并不總是準(zhǔn)確，但確實(shí)得到了巨大的提升。

of a in a a menu that says “Menu”

一個(gè)女人坐在餐館里拿著寫著「Menu」的菜單

of a man a sign that says “ ”

一個(gè)男人舉著寫著「 」的牌子

a a sign that says “ ”, in hair, , eyes, a , side

一個(gè)年輕的女性舉著一個(gè)牌子，上面寫著「 」，頭發(fā)高亮，坐在餐廳外面，棕色的眼睛，穿著裙子，側(cè)燈

更好的人體結(jié)構(gòu)

在生成人體解剖結(jié)構(gòu)方面一直存在諸多問題，多幾條腿、少個(gè)胳膊實(shí)在是太常見不過的問題，通常需要使用功能進(jìn)一步對(duì)圖像細(xì)節(jié)進(jìn)行修正；或者是使用的Open Pose功能從參考圖像中復(fù)制人體的姿態(tài)。

比如說SD-v1.5生成瑜伽的圖像，經(jīng)常會(huì)出現(xiàn)扭曲的人體。

of a in yoga , pose, in , rim

一個(gè)女人的照片在瑜伽服裝，三角形的姿勢，海灘在晚上，邊緣照明

SD-XL雖然生成的圖像并不完美，不過在人體姿態(tài)方面已經(jīng)有了顯著的進(jìn)步。

更有美感（more ）

比如同樣以屋子為主題，SD-XL可以生成更對(duì)稱、視覺效果更好的照片。

SD-XL在肖像照片上也有顯著改進(jìn)。

shot of a

一個(gè)女人的照片

更貼合的圖像

SD-XL可以更好地理解輸入的，并生成更精確的圖像。

比如以（雙色）為例，SD-v1.5只會(huì)生成黑白圖像，而SD-XL則可以生成具有多種顏色的雙色調(diào)圖像。

與 v1模型相比，理解提示符的能力有所提高。

of a

一個(gè)女人的雙色調(diào)肖像

因?yàn)镾D-XL同屬v2系列模型，所以文本模型尺寸更大，可以比v1模型更好地理解提示詞。

比如下面的例子中，v1.5模型始終無法理解圖像中的兩個(gè)主題（機(jī)器人和人類），但SD-XL模型可以生成正常的圖像（雖然機(jī)器人還是不夠big）。

big next to a , in the ,

大機(jī)器人朋友坐在人類旁邊攻殼機(jī)動(dòng)隊(duì)風(fēng)格的動(dòng)漫壁紙

a man, in hair, eyes, in and blue jean on a with a in

一個(gè)年輕人 ，頭發(fā)染得很亮，棕色眼睛，穿著白襯衫和藍(lán)色牛仔褲，站在海灘上，背景是一座火山

藝術(shù)風(fēng)格

在藝術(shù)風(fēng)格上，SD-XL并沒有顯著改進(jìn)，和之前的版本各有千秋。

比如兩個(gè)模型以不同的角度生成了 風(fēng)格的圖像。

New York city by ， 繪制的紐約

的風(fēng)格中，SD-v1.5更準(zhǔn)確，SD-XL缺少了不同顏色的筆刷（ ）。

New York city by ， 繪制的紐約

- 風(fēng)格中，V1.5和SDXL都可以生成一些類似的內(nèi)容，其中SD-XL更接近創(chuàng)作的經(jīng)典學(xué)院派繪畫，并且面部細(xì)節(jié)更多。

of by - ，- 繪制的美女肖像

風(fēng)格轉(zhuǎn)變問題

在添加一些無關(guān)緊要的關(guān)鍵字后，模型的風(fēng)格可能會(huì)突然轉(zhuǎn)變。

比如先生成一張照片風(fēng)格的圖像。

a man, in hair, eyes, in and blue jean on a with a in

一個(gè)年輕人，頭發(fā)染得很亮，棕色眼睛，穿著白襯衫和藍(lán)色牛仔褲，站在海灘上，背景是一座火山

再添加一條黃色的圍巾后，圖像風(fēng)格就變成了卡通風(fēng)格。

a man, in hair, eyes, a ,in and blue jean on a with a in

一個(gè)年輕人，頭發(fā)染得很亮，棕色的眼睛，圍著黃色的圍巾，穿著白襯衫和藍(lán)色牛仔褲，站在一個(gè)火山為背景的海灘上

問題的故障可能源于預(yù)覽問題，在正式發(fā)布后該問題不知能否得到解決。

參考資料

本文來自微信公眾號(hào)“新智元”（ID:），作者：LRS，36氪經(jīng)授權(quán)發(fā)布。