许可证：其他 额外授权提示：>- 版权所有（c）Stability AI Ltd.

本许可协议（可根据本协议修订，“许可”）由您或您的雇主或其他实体（若您代表雇主或其他实体签署本协议）（“被许可方”或“您”）与Stability AI Ltd.（“Stability AI”或“我们”）共同订立，适用于您使用Stability AI根据本许可提供的任何计算机程序、算法、源代码、目标代码、软件、模型或模型权重（“软件”）以及Stability AI提供的与软件相关的任何规格、手册、文档和其他书面材料（“文档”）。使用软件即表示您同意本许可条款。若不同意本许可，则您无权使用软件或文档（统称“软件产品”），并须立即停止使用。若您代表雇主或其他实体同意受本许可约束，您向Stability AI声明并保证您拥有完全法律权限使雇主或该实体受本许可约束。若无相应权限，您不得代表雇主或其他实体接受许可或访问软件产品。

1. 许可授予

a. 在您遵守文档及第2、3、5条的前提下，Stability AI授予您一项非排他性、全球性、不可转让、不可分许可、可撤销、免版税的有限许可，基于Stability AI的版权权益，仅为非商业研究目的使用、复制和创建软件的衍生作品。上述许可仅限您个人使用，未经Stability AI事先书面同意，您不得转让、分许可、分发、发布、托管或以其他方式提供本软件、其衍生作品、相关模型或模型权重、本许可或本许可下的任何其他权利或义务；任何未经事先书面同意的转让或分许可均无效，并立即自动终止本许可。明确说明，本许可不授予您向非被许可方扩展软件、其衍生作品或相关模型或模型权重许可的权利或能力，也不允许您通过提供本许可副本等方式创建新被许可方。如需本许可未授予的权利，请发送邮件至legal@stability.ai申请。

b. 您可为配合上述软件许可合理复制文档供自用。

c. 本节1（许可授予）明确规定的权利授予是软件产品中对您的完整授权，无其他明示或默示许可。Stability AI及其许可方保留本许可未明确授予的所有权利。

2. 限制

您不得且不得允许、协助或促使任何第三方：

a. 全部或部分使用、修改、复制、创建衍生作品或分发软件产品（或其衍生作品、包含软件产品的作品或软件生成的任何数据），用于：(i) 任何商业或生产目的；(ii) 军事或核技术服务；(iii) 监控目的，包括相关研发；(iv) 生物识别处理；(v) 侵犯、盗用或违反第三方权利的方式；(vi) 违反任何适用法律及隐私或安全法规、指令或政府要求（包括《通用数据保护条例》（欧盟2016/679）、《加州消费者隐私法》及所有生物信息处理法律）的方式；

b. 删除或修改软件产品上的版权或其他专有声明；

c. 使用任何设备、软件或其他手段规避或移除Stability AI用于软件的安全措施、使用限制或禁用功能；

d. 对软件产品附加改变、限制或与本许可条款冲突的条款；

e. 1) 违反任何适用的美国及非美国出口管制和贸易制裁法律（“出口法律”）；2) 直接或间接出口、再出口、提供或转让软件产品至：(a) 出口法律禁止的个人、实体或国家；(b) 美国或非美国政府限制名单上的对象；(c) 出口法律禁止的用途（如核、生化武器或导弹技术应用）；3) 若您位于全面制裁地区、被列入任何限制名单或为出口法律禁止的用途，不得使用或下载软件产品；4) 不得通过IP代理等方式隐藏位置。

3. 署名

分发软件产品（或其衍生作品或包含软件产品的作品）时，须附带：(i) 本许可副本；(ii) 署名声明：“SDXL 0.9依据SDXL研究许可授权，版权所有（c）Stability AI Ltd. 保留所有权利。”

4. 免责声明

软件产品“按原样”提供，不附带任何明示或默示保证。Stability AI明确否认所有与软件产品相关的陈述和保证，包括但不限于适销性、特定用途适用性、所有权、满意质量或不侵权的默示保证。Stability AI不保证软件产品无错误、病毒或其他有害成分，或产生特定结果。

5. 责任限制

在法律允许的最大范围内，Stability AI不对您因以下原因承担任何责任：(a) 基于合同、侵权、疏忽、严格责任、保证或其他法律理论的索赔；(b) 任何间接、附带、惩罚性或特殊损害赔偿或利润损失，即使已被告知可能性。软件产品及其输出（统称“软件材料”）不适用于可能因故障导致人身伤害（包括歧视或隐私权侵犯）或严重物理、财产或环境损害（“高风险用途”）的场景。若您选择高风险用途，需自担风险，并应制定适当的决策和风险缓解措施。

6. 赔偿

您须赔偿并保护Stability AI及其关联方免受因以下原因产生的索赔、损失或费用：(a) 您使用软件产品（包括高风险用途）；(b) 违反本许可；(c) 侵犯他人权利。您应及时通知Stability AI索赔并配合防御，且授予Stability AI独家控制权。本赔偿不替代其他书面协议中的赔偿或补救措施。

7. 终止；存续

a. 您违约时本许可自动终止。

b. 我们可随时通知（包括电子方式）部分或全部终止许可。

c. 终止后以下条款仍有效：2（限制）、3（署名）、4（免责）、5（责任限制）、6（赔偿）、7（终止；存续）、8（第三方材料）、9（商标）、10（适用法律；争议解决）、11（其他）。

8. 第三方材料

软件产品可能包含第三方组件（包括开源软件），受第三方许可条款约束。您与第三方的交互及使用第三方材料需自担风险，Stability AI不控制、不认可且不对其作任何保证。

9. 商标

本许可未授予商标使用权，未经Stability AI书面许可不得使用其名称或标志，除非为本协议“署名”部分所需。

10. 适用法律；争议解决

本许可受加州法律管辖，争议提交加州圣马特奥郡法院解决。

11. 其他

若任何条款无效，不影响其余条款效力。Stability AI未行使权利不构成放弃。本许可不赋予第三方受益人权利。本许可及文档构成双方完整协议，取代所有先前书面或口头约定。修改须经双方授权代表书面签署。

额外授权标题：研究人员早期访问 额外授权描述：SDXL 0.9研究许可协议 额外授权按钮内容：提交申请 额外授权字段： 组织：文本 研究性质：文本 个人研究链接（简历、网站、GitHub）：文本 其他评论：文本 我接受上述许可协议，并承诺仅将软件用于非商业研究目的：复选框 标签：

• 图像到图像
• 稳定扩散

SD-XL 0.9-refiner 模型卡

本模型卡重点介绍此处提供的SD-XL 0.9-refiner模型。该优化器专为高质量数据的小噪声去噪训练，因此不适用于纯文本到图像任务，仅应作为图像到图像模型使用。

模型

SDXL采用潜在扩散的两步流程： 首先使用基础模型生成目标尺寸的潜在表示； 第二步使用专精高分辨率模型，并对第一步生成的潜在表示应用SDEdit技术（https://arxiv.org/abs/2108.01073，亦称"img2img"），使用相同提示语。

模型描述

• 开发方： Stability AI
• 模型类型： 基于扩散的文本到图像生成模型
• 许可证： SDXL 0.9研究许可证
• 模型说明： 本模型可根据文本提示生成和修改图像，是基于预训练文本编码器（OpenCLIP-ViT/G）的潜在扩散模型。
• 更多资源： GitHub仓库 SDXL论文。

模型来源

• 代码库： https://github.com/Stability-AI/generative-models
• 演示[可选]： https://clipdrop.co/stable-diffusion

🧨 Diffusers

确保升级diffusers至0.18.0及以上：

pip install diffusers --upgrade

同时安装transformers、safetensors、accelerate及隐形水印：

pip install transformers accelerate safetensors invisible_watermark

优化器需与基础模型配合使用：

from diffusers import DiffusionPipeline
import torch

pipe = DiffusionPipeline.from_pretrained("stabilityai/stable-diffusion-xl-base-0.9", torch_dtype=torch.float16, use_safetensors=True, variant="fp16")
pipe.to("cuda")

# 若使用torch<2.0
# pipe.enable_xformers_memory_efficient_attention()

prompt = "宇航员骑绿色马匹"

image = pipe(prompt=prompt, output_type="latent").images

pipe = DiffusionPipeline.from_pretrained("stabilityai/stable-diffusion-xl-refiner-0.9", torch_dtype=torch.float16, use_safetensors=True, variant="fp16")
pipe.to("cuda")

# 若使用torch<2.0
# pipe.enable_xformers_memory_efficient_attention()

images = pipe(prompt=prompt, image=image).images

使用torch>=2.0时，可通过torch.compile将推理速度提升20-30%：

pipe.unet = torch.compile(pipe.unet, mode="reduce-overhead", fullgraph=True)

若受GPU显存限制，可启用CPU卸载：

- pipe.to("cuda")
+ pipe.enable_model_cpu_offload()

用途

直接使用

本模型仅限研究用途，包括：

• 艺术作品生成及设计应用
• 教育或创意工具开发
• 生成模型研究
• 安全部署潜在有害内容生成模型
• 探究生成模型的局限与偏差

非适用用途

本模型未针对人物或事件的真实呈现进行训练，生成此类内容超出模型能力范围。

局限与偏差

局限性

• 无法实现完美照片级真实感
• 无法生成可读文本
• 处理组合性任务（如"蓝色球体上的红色立方体"）存在困难
• 人物面部生成可能不准确
• 自编码部分存在信息损失

偏差

图像生成模型可能强化社会偏见。

评估

上图显示用户对SDXL（含/不含优化）相较于Stable Diffusion 1.5和2.1的偏好。SDXL基础模型表现显著优于前代，结合优化模块后达到最佳综合性能。