Stable Diffusion 和 Midjourney的简单介绍

SD和Mid都属于能够通过prompt（提示词）来进行文生图，或是图生图的方式来生成想要的图片，但在很多具体的部分有很大的差异。本篇会对两个软件都进行介绍，再对比不同之处。

Stable Diffusion是2022年发布的深度学习文本到图像生成模型，它是一种潜在扩散模型，它由创业公司Stability AI与多个学术研究者和非营利组织合作开发。目前的SD的源代码和模型都已经开源，在Github上由AUTOMATIC1111维护了一个完整的项目，正在由全世界的开发者共同维护。

由于完整版对使用者的要求较高，因此目前国内有多位开发者维护着一些不同版本的封装包。其中，B站的秋叶大佬的封装包使用的最为广泛。大佬们为SD的普及做出了难以磨灭的贡献。

SD最大的特征，就是由于其开源的特性，可以在电脑本地上离线运行。可以在大多数配备至少4GB显存的适度GPU的消费级硬件上运行。推荐的显存是8G及以上。

Stable Diffusion界面如下：

Midjourney是一款由总部位于旧金山的独立研究实验室Midjourney, Inc.创建和托管的人工智能程序和服务。Midjourney基于Discord平台提供服务，可以根据自然语言描述（称为“提示”）生成图像，也支持图生图功能。使用Mid需要登陆Discord账号，在聊天界面发送指令后就可以直接在线得到AI图像。

Stable Diffusion主要特征

①硬件要求较高：需要本地的独立显卡，对硬件要求高。纯CPU也能跑，但是速度会非常慢。

②部署相对麻烦：按照官方的指导的话，环境布置略微麻烦，需要从GitHub下载很多文件，且要求一定的python知识，但如使用国内技术大牛打包的整合包就会简单很多。

③有一定的使用难度：SD的界面有很多内容，如采样方式等，上手很简单，但想玩好以及训练自己的模型等都需要比较复杂的学习过程。

④上限很高/下限低：无特殊操作的情况下，SD可能跑出古神。需要有一定的学习过程才能跑出好看的图片，但是图片如果好看，又可以做到非常精致。易上手，难精通，但是精通之后上限极高。

⑤可控性极强，功能性极强：插件极多，LORA极多，可以几乎随心所欲地换风格和形态，出图的数量也极大。可以完成很多有生产力的工作。

⑥可完全本地运行：运行全程可无需联网，数据仅存在本地，拥有硬件即可无限使用。

⑦【极其重要】可以训练模型：可以“炼丹”，训练只属于自己的数据库，让AI完全按照自己的想法去塑造目标风格的内容。

⑧本地化部署完毕后可完全免费无限次使用。

Midjourney主要特征

①无硬件要求：但需要科学上网，需要注册discord。不过，对本地硬件性能0要求，可以在几乎所有设备上运行。

②部署较为简单：下载discord，注册后，稍微学习一下就能使用（后面我们会出教程），门槛相对较低。

③使用难度较低：基本上复制别人已有的提示词，选好选项，就能出图。

④上限低/下限高：无特殊操作的情况下，Mid也能够立刻产出比较讨喜的图片。但是能够把控的范围也更小。容易上手，容易精通，但是精通之后上限比较低。

⑤可控性极弱：没有插件，没有LORA，产出的画面风格非常固定，自由度较低。

⑥必须联网运行：运行全程联网，数据存在服务器上，本地保存相对麻烦，必须科学上网。

⑦无法自定义自己想要的模型：只能用官方提供的。

⑧收费昂贵，每月60美元才能达到较好的效果。

总结

直观的来说，啥都不会的人，哪怕复制别人的提示词，SD的用户得到的图片可能也会较为粗糙。

Mid用户只要复制别人已有的提示词，一开始就能得到相对精美的图片。

但是到后面，随着能力的提升，SD用户能够随心所欲地训练自己的模型和LORA，乃至引入ControlNet用各类工具来控制AI绘画出图的内容。甚至还可以指定区域重绘……这个过程最终就会很像真实的绘画。

简单来说，SD是在本地运行的服务，开源，但门槛较高，但是能够实现的效果上限极高。而Mid作为在线的服务，门槛低，但是可控性不够强，上限低。

SD和Mid我都高强度用了一段时间，但我还是坚持选择SD。因为SD可以训练自己想要的模型，并且完全掌控。虽然炼模型比较麻烦，其中涉及到很多参数调整和素材，非常复杂，但是这个过程走完之后得到的模型能够成为自己的美术资产。今后的世界里，只属于自己的模型或许是公司/个人的重要资产，是竞争力，也是壁垒。

原文：Stable Diffusion 和 Midjourney的优劣势比较，如何选择？ - 知乎 (zhihu.com)