什么是 Stable Diffusion
Stable Diffusion 是由 Stability AI 等团队于 2022 年 8 月发布的 文字生成图片模型家族：输入一段文字描述，模型从随机噪声开始逐步「去噪」， 最终得到一张完整图片。它是这一代 AI 绘画工具里最早把模型权重开放给公众的一支， 也因此长出了庞大的社区生态。
「开放权重」意味着什么
2022 年 8 月首次公开发布后，SD 1.5（同年 10 月）等版本的模型权重被放到 Hugging Face 等平台上，任何人都可以下载研究、在自己的电脑上运行、在它基础上继续训练。作为对照， 同期主流的文生图服务大多只提供网页或接口调用，用户看不到模型本身。 开放带来三件事：本地运行成为可能、微调定制成为可能、社区改编作品（checkpoint、LoRA 等） 井喷式出现。
核心能力一览
- 文生图：描述 → 图片，这是最基础也最常用的能力。
- 图生图：给一张参考图再加描述，让模型按参考的构图重画（见图生图与重绘幅度）。
- 风格可控：同样内容可以要水彩、要赛博朋克、要胶片感——靠描述词与风格模板控制。
- 可控生成：借助 LoRA、ControlNet 等社区技术，可以锁定人物长相或姿势（见LoRA 是什么）。
手机上怎么用它
模型的原始运行环境是带独立显卡的电脑，但计算可以放在云端： 安卓手机上安装一个体积约 20.3 MB 的客户端（当前版本 5.3），描述经由网络提交到服务端生成， 图片再传回手机展示。你不需要显卡、不需要配置 Python 环境， 打开应用选一个风格分区、写一句描述就能出图。具体路径见 第一次生成图片。
手机端与电脑端的关系不是替代而是分工：手机端胜在零门槛、随身可用；
电脑端参数全开放、适合深度可控创作。两端的差异在
手机版与电脑版里逐项对比。
技术原理一句话
SD 属于潜在扩散模型（Latent Diffusion）：图片先被压缩到一个低维度的 「潜空间」，去噪的全部计算都发生在潜空间里，最后再解码回像素——这层压缩让它快到能在 消费级硬件上运行。完整的直觉解释见出图原理：从噪声到画。