Stable Diffusion: otwarty model i forki

Jak zbudowany jest Stable Diffusion

Model składa się z trzech części: autoenkodera (VAE), który kompresuje obraz do przestrzeni latentnej o kilkadziesiąt razy mniejszym wymiarze, sieci odszumiającej U-Net działającej w tej przestrzeni oraz enkodera tekstu, który zamienia opis na wektory sterujące przez mechanizm uwagi (Rombach i in., 2022). Zasadę dyfuzji opisuje osobne hasło.

Dzięki pracy w przestrzeni latentnej generowanie obrazu 512×512 px trwa sekundy na karcie graficznej klasy konsumenckiej. Repozytorium CompVis dokumentuje architekturę, skrypty text-to-image, img2img i inpaintingu oraz moduł safety checker (github.com/CompVis/stable-diffusion).

Model trenowano na podzbiorach LAION-5B — zbioru par obraz–opis zebranych z internetu, z filtrowaniem estetycznym i NSFW opisanym przez autorów (Schuhmann i in., 2022). Skład danych jest źródłem sporów o prawa autorskie i obecność treści niepożądanych.

Wersje: od 1.4 przez SDXL do SD 3

Publiczne wydanie wersji 1.4 nastąpiło 22 sierpnia 2022 r. (Stability AI). Wersje 2.x z końca 2022 r. zmieniły enkoder tekstu i zaostrzyły filtrowanie danych treningowych, co społeczność odebrała jako spadek jakości postaci — i przyczyniło się do popularności forków 1.5.

SDXL z lipca 2023 r. zwiększył rozdzielczość bazową do 1024 px i dodał drugi enkoder tekstu (Podell i in., 2023). Stable Diffusion 3 z 2024 r. zastąpił U-Net transformerem dyfuzyjnym i wprowadził flow matching (Esser i in., 2024) — podobnie jak konkurencyjny FLUX.

Wraz z SD 3 zmieniła się licencja: model wydano na licencji Stability AI Community, która ogranicza użycie komercyjne powyżej progu przychodów i zakazuje zastosowań naruszających prawo (stability.ai/license). Wersje 1.x/2.x pozostają na CreativeML OpenRAIL-M z listą zakazanych użyć.

Stable Diffusion NSFW — filtry, forki i licencje

Oficjalne dystrybucje zawierają safety checker — klasyfikator odrzucający wyniki NSFW — oraz niewidoczny znak wodny. W forku oba moduły da się wyłączyć, a model dostroić adapterem LoRA do treści dla dorosłych. Tak powstaje większość silników narzędzi nudify: niepubliczny fork na bazie wersji 1.5 lub SDXL.

Licencje OpenRAIL-M i Stability AI wprost zakazują generowania treści seksualnych bez zgody przedstawianych osób oraz jakichkolwiek treści z udziałem małoletnich (stability.ai). Naruszenie licencji jest sprawą cywilną między operatorem a licencjodawcą; odpowiedzialność karna za art. 191a KK spoczywa na osobie, która tworzy lub rozpowszechnia wizerunek (ISAP).

AI Act traktuje modele tej klasy jako modele ogólnego przeznaczenia (art. 53) z obowiązkami dokumentacji i przejrzystości, a operatorów usług — obowiązkiem oznaczania wyników z art. 50 od 2 sierpnia 2026 r. (EUR-Lex). Serwis nie linkuje do wag ani forków; hasło ma charakter informacyjny.

Stable Diffusion online w recenzowanych narzędziach

Większość usług w przeglądarce, które recenzujemy, nie ujawnia modelu, ale cechy wyników — rozdzielczość bazowa, typowe artefakty dłoni, styl oświetlenia — wskazują na forki SD 1.5 lub SDXL z wąskim dostrojeniem. Platformy wielomodelowe, jak WaveSpeed, wymieniają model w interfejsie.

W recenzjach oceniamy nie architekturę, lecz sposób jej użycia: czy operator zachował filtr wieku i moderację wejścia, jak długo przechowuje zdjęcia i czy oznacza wyniki. Testy prowadzimy na materiałach syntetycznych zgodnie z zasadami odpowiedzialnego użycia; kryteria opisuje Jak oceniamy.

Powiązane narzędzia, które recenzujemy

Forki Stable Diffusion stoją za większością recenzowanych narzędzi. Poniżej recenzje usług, w których omówiliśmy deklarowane modele i filtry bezpieczeństwa.

• Ainudez — recenzja z obserwacjami dotyczącymi modelu i moderacji.
• WaveSpeed — platforma wielomodelowa z wyborem silnika.
• OpenArt — narzędzie SFW — zmiana ubrań, nie rozbieranie; edytor na modelach otwartych.

Zasada zgody: opisywane narzędzia mogą być używane wyłącznie do własnych zdjęć lub zdjęć dorosłych (18+), którzy wyrazili na to zgodę. Tworzenie intymnych obrazów innych osób bez ich zgody może stanowić przestępstwo z art. 191a Kodeksu karnego. Więcej: Odpowiedzialne AI i zgoda.

Źródła

Wpis opiera się na publikacjach naukowych, dokumentacji standardów i tekstach aktów prawnych; daty dostępu podano przy każdym źródle. Redakcja nie linkuje do wag modeli ani dystrybucji oprogramowania i nie udziela porad prawnych.

1. Rombach i in., „High-Resolution Image Synthesis with Latent Diffusion Models”, arXiv 2112.10752 (2021/2022) — dostęp 08.09.2026.
2. CompVis — repozytorium Stable Diffusion: opis architektury, skryptów i safety checkera (bez pobierania wag) — dostęp 08.09.2026.
3. Stability AI — komunikat o publicznym wydaniu Stable Diffusion (22.08.2022) — dostęp 08.09.2026.
4. Podell i in., „SDXL: Improving Latent Diffusion Models for High-Resolution Image Synthesis”, arXiv 2307.01952 (2023) — dostęp 08.09.2026.
5. Esser i in., „Scaling Rectified Flow Transformers for High-Resolution Image Synthesis” (Stable Diffusion 3), arXiv 2403.03206 (2024) — dostęp 08.09.2026.
6. Schuhmann i in., „LAION-5B: An open large-scale dataset for training next generation image-text models”, arXiv 2210.08402 (2022) — dostęp 08.09.2026.
7. Stability AI — licencje modeli i lista zakazanych użyć — dostęp 08.09.2026.
8. Rozporządzenie (UE) 2024/1689 (AI Act) — art. 50 i art. 53 (modele ogólnego przeznaczenia), EUR-Lex — dostęp 08.09.2026.