Stable Diffusion je otvorená rodina obrazových modelov od spoločnosti Stability AI. Na rozdiel od mnohých uzavretých služieb sa dá model stiahnuť, spustiť na vlastnom počítači a upravovať podľa potrieb. Práve otvorenosť z neho urobila základ pre obrovskú komunitu, ktorá okolo neho vytvorila nástroje, rozšírenia a vlastné doladené modely.
Je to nástroj pre ľudí, ktorí chcú viac kontroly, než ponúka bežná webová služba, ale aj pre tých, ktorí sa nebojú trochu technického nastavovania. V tomto článku si vysvetlíme, čo od neho očakávať, ako sa k nemu dostať a na čo si dať pozor.
Otvorený model, nie jedna aplikácia
Pri Stable Diffusion treba hneď na začiatku pochopiť jednu vec: nie je to jediná aplikácia s jedným tlačidlom. Je to rodina modelov, ktoré môžete používať rôznymi spôsobmi. Niektoré cesty sú pohodlné a online, iné vyžadujú inštaláciu a vlastný počítač s vhodnou grafickou kartou. Spoločnosť Stability AI ponúka aj vlastné služby, no model využívajú aj nezávislé aplikácie tretích strán.
Pre koho je určený:
- technicky zdatní používatelia, ktorí chcú experimentovať a doladiť výstupy
- vývojári, ktorí chcú generovanie obrázkov zabudovať do vlastnej aplikácie
- tvorcovia, ktorí potrebujú pracovať s vlastným štýlom alebo s vlastnými dátami
- ľudia, ktorí nechcú posielať zadania a obrázky na cudzí server, ak model prevádzkujú lokálne
- nadšenci, ktorí sa chcú o generatívnej AI naučiť viac než len písať zadania
Ako to funguje jednoducho
Základom je difúzny proces. Model sa počas tréningu naučil postupne odstraňovať šum z obrázkov. Pri generovaní začne s náhodným šumom a krok za krokom ho mení na obraz, pričom ho usmerňuje váš text. Počet krokov, miera, do akej sa má model držať textu, aj počiatočné číslo náhody sú nastaviteľné veličiny, ktoré ovplyvňujú výsledok.
Vďaka otvorenosti existuje množstvo rozšírení. Medzi najčastejšie patria:
- generovanie nového obrázka z textu
- úprava existujúceho obrázka na základe nového zadania
- doplnenie alebo prekreslenie vybranej časti obrázka
- usmerňovanie kompozície pomocou náčrtu, pózy alebo hĺbkovej mapy
- doladenie modelu na vlastný štýl alebo na konkrétny objekt
Ktoré z týchto schopností sú dostupné, závisí od prostredia a verzie, ktorú si zvolíte. Aktuálny stav sledujte na oficiálnom webe a v dokumentácii.
Scenáre z praxe
Vlastný vizuálny štýl značky
Firma môže doladiť model na svojich vlastných obrázkoch, aby výstupy zodpovedali jej vizuálnej identite. Takýto postup vyžaduje technickú prípravu a kvalitné dáta, ktoré firma smie používať.
Doplnenie a oprava obrázkov
Ak vám v zábere prekáža nejaký predmet alebo chcete rozšíriť pozadie, môžete použiť dopĺňanie. Je to užitočné pri úprave produktových fotografií.
Riadená kompozícia
Ak potrebujete, aby postava stála v presnej póze alebo aby budova mala konkrétny tvar, môžete využiť pomocné vstupy, ktoré kompozíciu zafixujú. Takto získate predvídateľnejší výsledok než pri čistom texte.
Integrácia do aplikácií
Vývojár môže generovanie zabudovať do webu alebo aplikácie, napríklad do nástroja, ktorý navrhuje pozadia pre používateľov.
Učenie a experimenty
Pre študentov a nadšencov je to príležitosť pochopiť, ako generatívne modely fungujú, a vyskúšať si vplyv jednotlivých nastavení.
Ako začať krok za krokom
- Rozhodnite sa, či chcete jednoduchú online cestu, alebo lokálne spustenie na vlastnom počítači.
- Pri online ceste vyhľadajte službu, ktorá model ponúka, a prečítajte si jej podmienky. Pri lokálnej ceste si overte, či má váš počítač dostatočne výkonnú grafickú kartu.
- Model a licenciu si stiahnite len z oficiálnych zdrojov. Súbory z neznámych stránok môžu obsahovať škodlivý kód.
- Nainštalujte rozhranie, ktoré model obsluhuje, podľa jeho dokumentácie.
- Vytvorte prvé jednoduché zadanie a nechajte nastavenia na predvolených hodnotách.
- Postupne meňte po jednom nastavení a sledujte, ako sa výsledok mení.
- Až po osvojení základov skúšajte rozšírenia a doladené modely.
Tipy pre lepšie výsledky
- Používajte konkrétny opis a štýl; vágne zadania dajú vágne obrázky.
- Pri zadaní využite aj opis toho, čo v obrázku byť nemá.
- Ukladajte si číslo náhody pri obrázkoch, ktoré sa vám páčia, aby ste ich vedeli reprodukovať a spresňovať.
- Experimentujte s menšími rozlíšeniami a až potom zväčšujte najlepšie návrhy.
- Zvolte model, ktorý sa hodí na váš cieľ: fotorealizmus, ilustrácia a anime majú často odlišné doladené modely.
- Sledujte komunitné návody, ale vždy si overte, od koho model pochádza a aká je jeho licencia.
Obmedzenia a riziká
Technická náročnosť. Lokálne spustenie vyžaduje čas, trpezlivosť a vhodný hardvér. Chybové hlásenia a konfigurácia môžu byť pre začiatočníka frustrujúce.
Rôzna kvalita. Pretože ide o otvorený ekosystém, kvalita modelov a rozšírení sa veľmi líši. Nie všetko, čo nájdete online, je spoľahlivé.
Licencie. Každý model môže mať vlastné licenčné podmienky, ktoré určujú, či ho možno použiť komerčne. Skontrolujte ich pri každom modeli osobitne, nielen pri základnom.
Autorské práva a dáta. Pri doladení modelu na cudzích obrázkoch môžete naraziť na práva autorov. Používajte len dáta, na ktoré máte oprávnenie.
Bezpečnosť. Sťahujte súbory len z dôveryhodných zdrojov a udržiavajte softvér aktuálny. Otvorená technológia sa dá zneužiť aj na klamlivý či škodlivý obsah, preto za použitie zodpovedá používateľ.
Súkromie. Pri lokálnom spustení dáta zostávajú na vašom zariadení, čo je výhoda. Pri online službách tretích strán si však prečítajte, ako s vašimi zadaniami a obrázkami zaobchádzajú.
Pre koho nie je vhodný
Stable Diffusion nie je najlepšou voľbou pre niekoho, kto chce za päť minút získať peknú ilustráciu bez akéhokoľvek učenia sa. Ak nechcete riešiť inštaláciu, grafickú kartu ani verzie rozšírení, pohodlnejšie budú hotové služby. Nehodí sa ani vtedy, ak potrebujete jasnú právnu istotu od jediného poskytovateľa a nechcete sami posudzovať licencie rôznych modelov.
Dôležité pojmy, ktoré sa oplatí poznať
Ak sa pustíte do tohto nástroja, stretnete sa s niekoľkými pojmami. Zadanie je text, ktorým opíšete obrázok. Záporné zadanie je text, ktorým opíšete, čo v obrázku nechcete. Číslo náhody určuje počiatočný šum a vďaka nemu viete výsledok zopakovať. Počet krokov hovorí, ako dlho model obraz spresňuje, a miera dodržania zadania určuje, nakoľko sa model drží vášho textu. Doladený model je základný model, ktorý bol dodatočne natrénovaný na užšej sade obrázkov.
Keď tieto pojmy ovládate, prestávate pracovať naslepo. Viete, prečo sa výsledok zmenil, a viete ho cielene vylepšovať.
Zodpovedné používanie otvorených modelov
Otvorenosť znamená aj väčšiu zodpovednosť. Nikto za vás nefiltruje, čo tvoríte, takže rozhodnutia o obsahu sú na vás. Nevytvárajte obrázky, ktoré by klamali verejnosť, porušovali práva iných alebo zobrazovali skutočné osoby bez ich súhlasu. Ak model doladzujete, vedzte, odkiaľ pochádzajú tréningové dáta a či ich smiete použiť. Pri zdieľaní vlastných výtvorov sa oplatí uviesť, že ide o obsah vytvorený AI. Tieto zásady chránia aj vás pred nepríjemnosťami.
Alternatívy z katalógu
- Midjourney, ak uprednostňujete hotovú službu s výraznou estetikou.
- Leonardo.Ai, ktorý ponúka pohodlné webové prostredie na tvorbu obrázkov a herných podkladov.
- FLUX, ďalšia rodina obrazových modelov od Black Forest Labs.
- Adobe Firefly, ak záleží na komerčnom použití a prepojení s produktmi Adobe.
Časté otázky
Je Stable Diffusion zadarmo?
Podmienky závisia od konkrétneho modelu, jeho licencie a služby, ktorú používate. Aktuálne informácie nájdete na oficiálnom webe Stability AI a v licencii príslušného modelu.
Potrebujem silný počítač?
Na lokálne spustenie sa zvyčajne odporúča počítač s dostatočne výkonnou grafickou kartou. Ak ho nemáte, môžete využiť online služby, ktoré model ponúkajú.
Čo je doladený model?
Je to základný model, ktorý bol dodatočne natrénovaný na užšej sade obrázkov, napríklad na konkrétny štýl. Výsledky sú potom v danom štýle konzistentnejšie.
Môžem model použiť na komerčné projekty?
Záleží od licencie konkrétneho modelu. Pred komerčným použitím si ju vždy prečítajte a v prípade pochybností sa poraďte s právnikom.