Stable Diffusion是一个文本到图像生成模型，于2022年8月22日公开发布，由慕尼黑路德维希·马克西米利安大学CompVis小组的研究人员与Stability AI和Runway合作开发，基于先前关于潜在扩散模型的学术工作。与封闭的竞争对手不同，其作为开放权重模型的发布，使其成为主流生成式图像AI早期历史中最具影响力的发布之一。
技术方法
Stable Diffusion基于扩散模型技术，该技术学习逆转逐步加噪的过程，但其独特之处在于，该过程在压缩的潜在空间中执行，而非直接在像素上进行，这一方法在由Robin Rombach合著的“高分辨率图像合成与潜在扩散模型”论文中有所描述。在潜在空间中操作大幅降低了训练和运行模型的计算成本，相比像素空间扩散，使其能够在单个消费级GPU上运行，这是其迅速被采用的关键因素。文本条件由源自CLIP的文本编码器提供，使模型能够生成与自然语言提示匹配的图像。
发布与开放性
Stability AI，当时由Emad Mostaque领导，资助了训练所需的计算资源，并在宽松许可证（CreativeML Open RAIL-M）下公开发布了模型权重，同时提供了任何人都可以在本地运行的代码。这与OpenAI的DALL-E以及后来的Midjourney所采用的封闭API方法形成了刻意对比。训练数据主要来自非营利组织LAION整理的LAION-5B数据集，这是一个从网络抓取的大规模图像-文本对集合，后来因包含受版权保护的内容以及一小部分非法内容而引发争议，LAION已努力识别并移除这些内容。
生态系统
Stable Diffusion的开放发布催生了异常庞大且快速发展的社区生态系统。在数月内，开发者构建了自定义用户界面、扩展和训练流程，开放许可证使得一波社区训练的检查点和风格特定微调模型得以在Hugging Face和Civitai等平台上分发。诸如LoRA适配器和ControlNet等技术，允许对姿态、边缘和深度图进行精确条件控制，由社区开发并迅速融入主流工作流程，将模型的实际能力扩展至远超其原始发布范围。后续官方版本（SD 2.0、SDXL、SD3）提升了图像质量和提示遵循度，但某些更新，特别是SD 2.0更严格的训练数据过滤，因削弱某些能力而遭到社区抵制。
反响与影响
Stable Diffusion被广泛认为使高质量图像生成得以普及，并加速了关于AI与版权的公众辩论，因为其本地运行能力使其远比API受限的竞争对手更难监管。它还加强了对训练数据同意的审查，促成了艺术家和库存图像公司（包括Getty Images）提起的诉讼。Stability AI自身的商业命运则动荡不安，Mostaque于2024年因资金压力辞去CEO职务，尽管底层模型及其开放衍生品仍被广泛使用，并相对于后来的开放进入者（如Flux）保持影响力。