pipeline_tag: 文本生成图像 inference: false

SD-Turbo 模型卡片

SD-Turbo是一款高速文本生成图像模型，仅需单次网络推理即可根据文本提示生成逼真图像。该模型作为研究原型发布，旨在探索小型蒸馏文本生成图像模型。如需更高质量的提示理解能力，建议使用SDXL-Turbo版本。

重要提示：商业用途请参阅https://stability.ai/license。

模型详情

模型描述

SD-Turbo是Stable Diffusion 2.1的蒸馏版本，专为实时生成优化。其核心技术为对抗扩散蒸馏（ADD）训练法（详见技术报告），可在1-4步内生成高质量图像。该方法通过分数蒸馏利用大规模图像扩散模型作为教师信号，并结合对抗损失确保低步数采样下的图像保真度。

• 开发机构: Stability AI
• 资助方: Stability AI
• 模型类型: 文本生成图像模型
• 基础模型: Stable Diffusion 2.1

模型来源

推荐使用generative-models代码库（https://github.com/Stability-AI/generative-models）进行研究，该库实现了主流扩散框架（含训练与推理）。

• 代码库: https://github.com/Stability-AI/generative-models
• 论文: https://stability.ai/research/adversarial-diffusion-distillation
• 演示版[SDXL-Turbo]: http://clipdrop.co/stable-diffusion-turbo

评估

上图显示在单步生成场景下，人类评估者更倾向选择SD-Turbo生成的图像。在图像质量和提示跟随性方面，SD-Turbo表现优于LCM-Lora XL和LCM-Lora 1.5。

注意： 追求更高质量请使用SDXL-Turbo。完整用户研究详见研究论文。

用途

直接使用

本模型支持非商业及商业用途，适用场景包括：

• 生成模型研究
• 实时生成应用探索
• 实时生成模型影响研究
• 有害内容生成的安全防护
• 生成模型局限性与偏差分析
• 艺术创作与设计辅助
• 教育/创意工具开发

商业使用请访问https://stability.ai/membership。

禁用用途如下所述。

Diffusers库调用

pip install diffusers transformers accelerate --upgrade

• 文本生成图像:

SD-Turbo不使用guidance_scale或negative_prompt参数，需设置guidance_scale=0.0。推荐生成512x512尺寸图像，单步推理即可获得优质结果。

from diffusers import AutoPipelineForText2Image
import torch

pipe = AutoPipelineForText2Image.from_pretrained("stabilityai/sd-turbo", torch_dtype=torch.float16, variant="fp16")
pipe.to("cuda")

prompt = "穿意大利神父袍的浣熊宝宝电影级镜头"
image = pipe(prompt=prompt, num_inference_steps=1, guidance_scale=0.0).images[0]

• 图像引导生成:

使用时需确保num_inference_steps * strength ≥1。实际步数为int(num_inference_steps * strength)，如下例0.5*2.0=1步。

from diffusers import AutoPipelineForImage2Image
from diffusers.utils import load_image
import torch

pipe = AutoPipelineForImage2Image.from_pretrained("stabilityai/sd-turbo", torch_dtype=torch.float16, variant="fp16")
pipe.to("cuda")

init_image = load_image("https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/diffusers/cat.png").resize((512, 512))
prompt = "猫咪巫师，甘道夫风格，指环王，精细奇幻，可爱，皮克斯迪士尼风格，8K高清"

image = pipe(prompt, image=init_image, num_inference_steps=2, strength=0.5, guidance_scale=0.0).images[0]

非适用场景

本模型不适用于需要事实准确的人物/事件表征生成，此类应用超出模型设计范围。禁止任何违反Stability AI使用政策的行为。

局限性与偏差

局限性

• 质量与提示跟随性低于SDXL-Turbo
• 仅支持固定分辨率（512x512像素），未达到完美写实效果
• 无法生成可读文本
• 人脸及人体生成可能失真
• 模型自编码部分存在信息损失

使用建议

本模型支持非商业及商业用途。

快速入门

访问https://github.com/Stability-AI/generative-models