1. SD, SDXL, Pony, Flux.1S, lux .1 D 是什么意思？
我记得在2023使用stable diffusion webui 生成图片的时候，在模型市场里下载模型基本上只有两种选择，主要是SD，少量是SDXL。
而如今，情况发生了非常大的变化，出现了 Pony, Flux，SVD，Wan Video等新的类型。很多时候这会让人感到迷惑。过多的选择，也意味着不知道怎么选择。所以我这总结了一个的表格，供大家参考一下。
| 模型名称 | 类型/基础模型 | 主要特点 | 优势 | 劣势 | 适用场景 |
|---|---|---|---|---|---|
| Stable Diffusion 系列 | |||||
| SD1.4 | 文本到图像 | 早期版本，分辨率较低 | 早期普及，社区资源丰富 | 图像质量和细节相对较差，已过时 | 学习和研究早期扩散模型 |
| SD1.5 | 文本到图像 | 广泛使用的基础模型，512px原生分辨率 | 社区支持最广泛，模型和LoRA资源丰富，硬件要求相对较低 | 图像质量和分辨率相对SDXL低，需要Hires Fix或ADetailer提升细节 | 广泛的图像生成，艺术创作，LoRA微调 |
| SD1.5 LCM | SD1.5加速 | 基于LCM（Latent Consistency Model）的SD1.5加速版本 | 显著减少生成步骤，提高生成速度 | 图像质量可能略有下降 | 需要快速生成图像的场景 |
| SD1.5 Hyper | SD1.5加速 | 基于Hyper-SD技术的SD1.5加速版本 | 1-8步高效生成高质量图像 | 需要快速生成图像且对质量有较高要求的场景 | |
| SD2.0 | 文本到图像 | SD1.x的后续版本 | 改进了图像质量和多样性 | 社区接受度不如SD1.5，已过时 | |
| SD2.1 | 文本到图像 | SD2.0的改进版本 | 进一步提升图像质量 | 社区接受度不如SD1.5，已过时 | |
| SDXL 1.0 | 文本到图像 | SD1.5的继任者，1024px原生分辨率 | 细节、分辨率和提示词遵循性更好 | 社区资源不如SD1.5丰富 | 高质量图像生成，复杂场景和细节表现 |
| SDXL Lightning | SDXL加速 | 基于SDXL的快速生成模型 | 快速生成图像，提升效率 | 需要快速生成高质量图像的场景 | |
| SDXL Hyper | SDXL加速 | 基于Hyper-SD技术的SDXL加速版本 | 1-8步高效生成高质量图像 | 需要快速生成高质量图像且对质量有较高要求的场景 | |
| SD3 | 文本到图像 | 最新一代Stable Diffusion模型 | 提示词遵循性显著提升，图像质量更高 | 高质量图像生成，复杂提示词理解 | |
| SD3.5 | 文本到图像 | SD3的改进版本 | 进一步提升图像质量和提示词理解 | 高质量图像生成，复杂提示词理解 | |
| SD3.5 Medium | SD3.5变体 | SD3.5的中等版本 | |||
| SD3.5 Large | SD3.5变体 | SD3.5的大型版本 | |||
| SD3.5 Large Turbo | SD3.5加速 | SD3.5的大型加速版本 | 极速生成图像 | 需要极速生成高质量图像的场景 | |
| 其他图像生成模型 | |||||
| Pony | 文本到图像 | 基于SDXL训练，但改动较大 | 独特的风格和生成能力 | 与SDXL LoRA兼容性较差 | 特定艺术风格创作 |
| Flux.1S | 文本到图像 | 提示词遵循性好 | |||
| Flux .1 D | 文本到图像 | ||||
| Aura Flow | 文本到图像 | 社区兴趣短暂，后逐渐淡出 | |||
| PixArt-α | 文本到图像 | ||||
| PixArt-Σ | 文本到图像 | 社区兴趣短暂，后逐渐淡出 | |||
| Hunyuan 1 | 文本到图像 | 腾讯开发的模型 | |||
| Kolors | 文本到图像 | 社区兴趣短暂，后逐渐淡出 | |||
| Illustrious | 文本到图像 | 基于SDXL训练，但改动较大 | 与SDXL LoRA兼容性较差 | 特定艺术风格创作 | |
| Mochi | 文本到视频 | 视频生成 | |||
| LTXV | 文本到视频 | 视频生成 | |||
| NoobAI | 文本到图像 | 基于Illustrious训练 | |||
| 视频生成模型 | |||||
| SVD | 文本到视频/图像到视频 | Stable Video Diffusion，从单帧图像生成14帧视频 | 视频生成能力 | 视频创作，动画制作 | |
| CogVideoX | 文本到视频 | 视频生成 | |||
| Wan Video 1.3B t2v | 文本到视频 | 1.3B参数，文本到视频 | 显存占用低（8.19 GB VRAM），兼容消费级GPU，生成速度快 | 视频质量可能不如大型模型 | 消费级硬件上的快速视频生成 |
| Wan Video 14B t2v | 文本到视频 | 14B参数，文本到视频 | 高质量视频生成，SOTA性能 | 显存要求较高 | 专业级视频创作，需要高质量输出 |
| Wan Video 14B i2v 480p | 图像到视频 | 14B参数，图像到视频，480p分辨率 | 高质量图像到视频转换 | 图像到视频转换，视频编辑 | |
| Wan Video 14B i2v 720p | 图像到视频 | 14B参数，图像到视频，720p分辨率 | 高质量图像到视频转换 | 图像到视频转换，视频编辑 | |
| HiDream | 文本到视频 | 视频生成 | |||
| Lumina | 文本到图像 | 20亿参数流式扩散Transformer | 改进图像质量、排版、复杂提示理解和资源效率 | 高质量图像生成，复杂提示词处理 |
2. 下载时怎么选择？
-
图像质量和细节： 如果您追求最高质量和细节，SDXL 1.0或SD3系列是更好的选择。SD3在提示词遵循性方面表现更优 。
-
生成速度： 如果您需要快速生成图像，可以考虑SD1.5 LCM、SD1.5 Hyper、SDXL Lightning或SDXL Hyper等加速模型 。
-
硬件要求： SD1.5对硬件要求相对较低 ，而SDXL和SD3可能需要更强大的GPU。
-
社区资源： SD1.5拥有最庞大的社区和模型资源，如果您喜欢尝试各种LoRA和微调模型，SD1.5可能更适合您 。
-
特定风格： 如果您追求特定的艺术风格，可以尝试Pony或Illustrious等经过大量修改的模型 。
-
视频生成： 如果您的需求是生成视频，那么SVD、Wan Video系列、CogVideoX、Mochi、LTXV和HiDream是您应该关注的模型。Wan Video系列提供了不同参数和分辨率的选择，以适应不同的硬件和质量需求 。