Stable Diffusion 是 Stability AI 开发的开源文本到图像模型系列，最新版本为 Stable Diffusion 3.5 系列，包含 Large（8B参数）、Large Turbo 和 Medium（2.5B参数）。模型权重开源，可在 Hugging Face 下载，支持本地部署与深度定制。社区许可允许年收入低于100万美元的组织免费商用，官方也提供 API 付费调用服务。网站可免登录浏览，无需注册即可查看文档和模型信息。
文本到图像生成
Stable Diffusion 的核心功能是根据自然语言描述生成高分辨率图像。用户输入一段文字，模型即可输出对应的视觉内容，支持多种艺术风格和画面比例。SD 3.5 系列在图像质量和文本遵循度上均有提升，Large 模型适合追求细节的创作，Turbo 版本则加快了生成速度，Medium 模型在消费级硬件上也能流畅运行。
用 ControlNet 精确控制构图
ControlNet 是 Stable Diffusion 生态中的重要插件，允许用户通过边缘检测图、人体姿态骨架、深度图等条件信号来约束图像生成。例如，上传一张线稿并配合文本提示，可以生成特定构图的插画；使用姿态图可固定人物动作。这种条件控制让创作结果更可控，适合需要精确匹配布局的设计任务。
LoRA 轻量微调风格与角色
LoRA（Low-Rank Adaptation）是一种轻量级模型微调技术，通过训练小型权重文件来快速切换图像风格或固定角色形象。与完整微调相比，LoRA 文件体积小、训练快，社区已积累大量公开的 LoRA 模型，覆盖从写实人像到二次元画风的各种需求。用户可在 CivitAI 等社区模型库中下载现成的 LoRA，加载后即可在生成时调用特定风格。
不支持哪些Contro场景
除了从零生成，Stable Diffusion 还支持图像到图像转换和 Inpainting（局部修复）。图像到图像功能可将参考图结合文本描述进行风格迁移或细节增强；Inpainting 则允许用户涂抹图像中的区域，由模型根据上下文自动填充合理内容，常用于修复瑕疵或替换物体。这些功能扩展了 Stable Diffusion 在图像编辑领域的应用范围。
下载 SD 3.5 模型权重
Stable Diffusion 3.5 系列的模型权重托管在 Hugging Face，用户可直接下载并部署到本地环境。官方提供了详细的文档和 API 参考，方便开发者集成。对于不想自行部署的用户，Stability AI 还运营着 DreamStudio 在线服务，通过付费 API 提供云端生成能力。此外，社区维护的界面如 ComfyUI 和 Automatic1111 WebUI 也广泛用于本地推理，但需注意其与最新模型的兼容性可能未经官方确认。
与 Midjourney、DALL·E 3 等闭源方案相比，Stable Diffusion 的开源特性赋予了用户更高的定制自由度和数据隐私控制，但同时也要求使用者具备一定的技术能力来处理部署和调试。对于追求即用体验的用户，闭源服务可能更便捷；而面向需要深度集成或二次开发的项目，Stable Diffusion 提供了更灵活的选择。
