Stable Diffusion v1-5

Stable Diffusion v1-5

这个 860M 参数的潜在扩散模型根据文字提示词生成图像，可用于 diffusers、ComfyUI 等工具。适合想用经典开源 Stable Diffusion 检查点的研究人员和开发者。

由 stable-diffusion-v1-5 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Stable Diffusion v1-5 是 Robin Rombach 和 Patrick Esser 的潜在文生图扩散模型。它根据文字提示词生成图像，也能修改图像。这个检查点从 v1-2 的权重出发，在 512 乘 512 像素的分辨率下微调了 59.5 万步。这个仓库是一个已弃用仓库的镜像，和 RunwayML 没有关系。

适合谁：适合想用经典开源 Stable Diffusion 检查点的研究人员、开发者和艺术家，许可证为 CreativeML OpenRAIL M。模型卡说这个模型用于研究。

Industry | Who uses it | How they use it | Example
研究 | 机器学习研究人员 | 研究扩散模型及其局限 | 针对提示词做对照实验
软件 | 开发者 | 用 diffusers 在应用里加入图像生成 | 根据文本框里的内容生成图像
创意工作 | 艺术家 | 在 ComfyUI 这类本地界面里做图 | 根据提示词勾勒想法
教育 | 学生 | 学习文生图模型的原理 | 比较不同提示词的输出

如果你需要最新的图像质量，可以跳过它，因为这是较老的模型；如果你的项目不能接受许可证条款，也可以跳过。

用在哪里：模型卡列出了几种能运行这个检查点的工具。

• Python 里的 Diffusers 库
• ComfyUI
• AUTOMATIC1111
• SD.Next
• InvokeAI

Use case | Who | What they get back
文生图 | 艺术家 | 根据书面提示词生成的图像
研究运行 | 研究人员 | 用于研究模型行为的样本
微调 | 开发者 | 你自己微调检查点的基础

如何设置：你需要 Python，想要速度舒服的话还需要 GPU。

• 带 pip 的 Python
• Python 方式需要 diffusers 库和 torch
• F32 权重约需 3.4 GB 空间

1. 用 pip 安装 Hugging Face hub 工具。
2. 用 hf 命令下载模型文件。
3. 在 diffusers 里加载，或者让 ComfyUI、AUTOMATIC1111、SD.Next 或 InvokeAI 指向这个检查点。

pip install -U huggingface_hub
hf download stable-diffusion-v1-5/stable-diffusion-v1-5

如何使用：在 Python 里加载流水线，放到 GPU 上，再带着提示词调用它。模型卡给出的代码如下。

from diffusers import StableDiffusionPipeline
import torch

model_id = "sd-legacy/stable-diffusion-v1-5"
pipe = StableDiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float16)
pipe = pipe.to("cuda")

模型卡还提供了给其他工具用的两个单文件检查点。一个只含 EMA 权重，占内存更少，适合推理。另一个两种权重都有，适合微调。

Tool | What it does
StableDiffusionPipeline | 在 diffusers 里加载模型并生成图像
pipe.to cuda | 把流水线放到 NVIDIA GPU 上
v1-5-pruned-emaonly.safetensors | 仅含 EMA 权重，推理时显存更少
v1-5-pruned.safetensors | 含 EMA 和非 EMA 权重，用于微调

示例：你把提示词 "a watercolor painting of a lighthouse at dusk" 交给流水线。它返回一个图像对象，你把它存成 png 文件再打开。

新手与专家：如果你刚接触图像模型，先用一个简单的提示词把 Python 代码跑一遍，看结果。然后改几个词，看图像怎样变化。

如果你熟悉这个领域：这是一个潜在扩散模型，使用固定的、预训练好的 CLIP ViT-L/14 文本编码器。模型卡说，训练时有 10% 的样本丢掉了文本条件，用来改进无分类器引导采样。训练数据是 laion-aesthetics v2 5+。

下载模型文件
在 diffusers 或本地界面里加载
写文字提示词
运行扩散步骤
保存生成的图像

注意事项：这个模型有 8.6 亿参数。它是社区镜像，所以请想清楚你想依赖哪个来源。

• License: CreativeML OpenRAIL M
• Cost to run: 未提及，只需要你自己的硬件
• Data it reaches: 你电脑上的模型文件，模型卡没有提到其他内容
• Not for: 在读完许可证和研究用途说明之前就发布产品

Hugging Face 上的数据（2026年11月13日）

• 任务：text to image
• 框架：diffusers
• 参数量：860M
• Weights: about 3.4 GB in F32; about 430 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：1,012,982
• 点赞：1,364
• 许可证：creativeml-openrail-m
• Quantized versions: 17
• Fine-tunes: 421
• 标签：diffusers, safetensors, stable-diffusion, stable-diffusion-diffusers, text-to-image

链接

• 模型：https://huggingface.co/stable-diffusion-v1-5/stable-diffusion-v1-5
• 文件：https://huggingface.co/stable-diffusion-v1-5/stable-diffusion-v1-5/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download stable-diffusion-v1-5/stable-diffusion-v1-5

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。