stable-diffusion-xl-base-1.0

stable-diffusion-xl-base-1.0

Stability AI 的 SDXL 基础模型，通过 diffusers 库根据文字提示词生成和编辑图片，可单独使用，也可搭配精修模型。

由 stabilityai 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-xl-base-1.0 是 Stability AI 的 SDXL 基础模型。它根据文字提示词生成和修改图片。它是一个有 2.6B 参数的潜在扩散模型。两个冻结的文本编码器负责读取你的提示词：OpenCLIP-ViT/G 和 CLIP-ViT/L。

基础模型可以单独使用，也可以把带噪声的潜变量交给精修模型，由后者完成最后几步去噪。

适合谁：它适合会运行 Python 代码、想在自己的机器上根据提示词生成图片的开发者、设计师和研究人员。模型卡里的代码把模型放到 CUDA 设备上运行。

行业 | 谁在用 | 怎么用 | 例子
设计 | 视觉设计师 | 根据文字提示词起草图片 | 为情绪板做一张概念图
营销 | 内容团队 | 为帖子和页面制作插图 | 根据一行简介生成头图
游戏和媒体 | 美术师 | 在绘制前先画出场景和角色草图 | 根据提示词做角色造型研究
研究 | 机器学习研究人员 | 研究并在扩散模型上继续开发 | 对比基础版和精修版的输出

如果你只想要一个不用写代码的托管图片工具，可以跳过它。

用在哪里：

• 装有 diffusers 库的 Python
• Windows、macOS 或 Linux，用于下载文件
• CUDA 显卡，因为模型卡里的代码用到了它
• Clipdrop，模型卡提到它可以免费试用 SDXL

用例 | 谁用 | 得到什么
文字生成图片 | 创作者和开发者 | 一张根据提示词生成的图片
基础加精修 | 想要更细节的人 | 在最后几步去噪中被精修的图片
用 SDEdit 做图生图 | 开发者 | 对基础模型的潜变量再做一次高分辨率处理

如何设置：先准备好下面这些东西。

• Python 和 pip
• 0.19.0 或更新版本的 diffusers
• transformers、safetensors 和 accelerate，以及 invisible watermark 包
• CUDA 显卡，因为代码调用了 cuda
• 记录显示 F32 权重约需 10.3 GB 磁盘空间

1. 把 diffusers 升级到 0.19.0 或更高版本。
2. 安装模型卡列出的额外包。
3. 运行下一节的 Python 代码。

pip install diffusers --upgrade
pip install invisible_watermark transformers accelerate safetensors

如果想先把仓库文件下载到你的电脑，可以用 Hugging Face 自己的步骤。

pip install -U huggingface_hub
hf download stabilityai/stable-diffusion-xl-base-1.0

如何使用：你写一小段 Python 脚本，加载管线，把它放到 GPU 上，再传入提示词。模型卡还描述了两阶段运行：基础模型生成潜变量，精修模型来完成它们。用 torch 2.0 或更新版本时，按模型卡所说，用 torch.compile 包住 unet 可以让推理快 20% 到 30%。

from diffusers import DiffusionPipeline
import torch

pipe = DiffusionPipeline.from_pretrained("stabilityai/stable-diffusion-xl-base-1.0", torch_dtype=torch.float16, use_safetensors=True, variant="fp16")
pipe.to("cuda")

# if using torch < 2.0
# pipe.enable_xformers_memory_efficient_attention()

prompt = "An astronaut riding a green horse"

images = pipe(prompt=prompt).images[0]

工具 | 作用
基础模型单独使用 | 一个阶段就生成图片
基础加精修 | 基础模型生成带噪声的潜变量，精修模型完成去噪
SDEdit 处理 | 高分辨率模型用同一提示词重新处理基础模型的潜变量，稍慢一些

示例：你用提示词 "An astronaut riding a green horse" 运行脚本。管线返回一张图片，脚本把第一张保存在 images 变量里。

新手与专家：先从只用基础模型的脚本开始。安装好包，用宇航员提示词运行一次，看看返回的图片。等它跑通了再试精修模型。

SDXL 把工作分给不同的专家。基础模型按你想要的尺寸生成潜变量，擅长最后几步去噪的精修模型接手，比如 40 步里让基础模型承担 80%。在模型卡的偏好图表里，基础模型胜过 SDXL 0.9 和更早的 Stable Diffusion 版本，加上精修模型后总体得分最好。

写下文字提示词
基础模型生成潜变量
精修模型完成去噪
你得到最终图片

注意事项：

• License: CreativeML Open RAIL++-M
• Cost to run: 来源没有提到费用，但代码需要 CUDA 显卡
• Data it reaches: 它把模型文件从 Hugging Face 下载到你的电脑上

Hugging Face 上的数据（2026年11月13日）

• 任务：text to image
• 框架：diffusers
• 参数量：2.6B
• Weights: about 10.3 GB in F32; about 1.3 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：4,688,522
• 点赞：8,466
• 许可证：openrail++
• Quantized versions: 25
• Fine-tunes: 1,236
• 标签：diffusers, onnx, safetensors, text-to-image, stable-diffusion

链接

• 模型：https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0
• 文件：https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/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 stabilityai/stable-diffusion-xl-base-1.0

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。