Stable Diffusion Models — รวมโมเดล AI

Stable Diffusion คืออะไร

Stable Diffusion เป็น AI Generative Model ที่สร้างภาพจากข้อความ (Text-to-Image) พัฒนาโดย Stability AI ใช้เทคนิค Latent Diffusion Model (LDM) ที่ทำงานใน Latent Space แทนที่จะทำงานบน Pixel โดยตรง ทำให้เร็วกว่าและใช้ VRAM น้อยกว่า Diffusion Models แบบเดิม

จุดเด่นของ Stable Diffusion คือเป็น Open-source มี Community ขนาดใหญ่ที่สร้าง Custom Models, LoRA, Embeddings และ Extensions มากมาย รองรับ Text-to-Image, Image-to-Image, Inpainting, Outpainting, ControlNet และ Video Generation

เปรียบเทียบ Stable Diffusion Models

Model	Resolution	VRAM	Speed	คุณภาพ	หมายเหตุ
SD 1.5	512x512	4-8 GB	เร็ว	ดี	Community Models เยอะที่สุด
SD 2.1	768x768	6-10 GB	ปานกลาง	ดี	ไม่ค่อยนิยม
SDXL 1.0	1024x1024	8-12 GB	ช้ากว่า	ดีมาก	มี Refiner Model
SDXL Turbo	512x512	8 GB	เร็วมาก (1-4 Steps)	ดี	Real-time Generation
SD3 Medium	1024x1024	12+ GB	ปานกลาง	ดีที่สุด	MMDiT Architecture
FLUX.1	1024x1024+	12+ GB	ปานกลาง	ดีเยี่ยม	จาก Black Forest Labs

Community Models ยอดนิยม (SD 1.5 Based)

• Realistic Vision: ภาพคนสมจริง Photorealistic
• DreamShaper: อเนกประสงค์ ทั้งสมจริงและ Fantasy
• Anything V5: Anime/Manga Style
• RevAnimated: Anime + Semi-realistic
• Deliberate: สมจริง ยืดหยุ่นสูง

ติดตั้งและใช้งาน Stable Diffusion

# === วิธีที่ 1: ติดตั้ง Automatic1111 WebUI ===
# (แนะนำสำหรับผู้เริ่มต้น มี GUI ใช้งานง่าย)

# Clone Repository
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui

# รัน (จะติดตั้ง Dependencies อัตโนมัติ)
# Windows
webui-user.bat

# Linux/Mac
bash webui.sh

# เปิด Browser ไปที่ http://localhost:7860

# === วิธีที่ 2: ติดตั้ง ComfyUI ===
# (แนะนำสำหรับผู้ใช้ขั้นสูง Node-based Workflow)

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# สร้าง Virtual Environment
python -m venv venv
source venv/bin/activate  # Linux/Mac
# venv\Scripts\activate   # Windows

# ติดตั้ง Dependencies
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt

# รัน
python main.py
# เปิด http://localhost:8188

# === วิธีที่ 3: ใช้ Python Script โดยตรง ===
pip install diffusers transformers accelerate safetensors

# ดาวน์โหลด Model
# วาง .safetensors ไฟล์ใน models/Stable-diffusion/

# === โครงสร้าง Directory ===
stable-diffusion-webui/
├── models/
│   ├── Stable-diffusion/    # Main Models (.safetensors)
│   ├── Lora/                # LoRA Models
│   ├── VAE/                 # VAE Models
│   └── ControlNet/          # ControlNet Models
├── embeddings/              # Textual Inversion
├── extensions/              # Extensions/Plugins
└── outputs/                 # Generated Images

Python Script สร้างภาพด้วย Diffusers

# generate.py — สร้างภาพด้วย Stable Diffusion ผ่าน Python
import torch
from diffusers import (
    StableDiffusionPipeline,
    StableDiffusionXLPipeline,
    DPMSolverMultistepScheduler,
    EulerAncestralDiscreteScheduler,
)
from PIL import Image
import os
import json
from datetime import datetime

class SDGenerator:
    """Stable Diffusion Image Generator"""

    def __init__(self, model_id="stabilityai/stable-diffusion-xl-base-1.0",
                 device=None, dtype=torch.float16):
        self.device = device or ("cuda" if torch.cuda.is_available() else "cpu")
        self.dtype = dtype

        print(f"Loading model: {model_id}")
        if "xl" in model_id.lower():
            self.pipe = StableDiffusionXLPipeline.from_pretrained(
                model_id, torch_dtype=dtype, variant="fp16",
                use_safetensors=True,
            )
        else:
            self.pipe = StableDiffusionPipeline.from_pretrained(
                model_id, torch_dtype=dtype,
                use_safetensors=True,
            )

        self.pipe = self.pipe.to(self.device)

        # Optimizations
        self.pipe.enable_attention_slicing()
        if hasattr(self.pipe, "enable_xformers_memory_efficient_attention"):
            self.pipe.enable_xformers_memory_efficient_attention()

        print(f"Model loaded on {self.device}")

    def set_scheduler(self, scheduler_name="euler_a"):
        """เปลี่ยน Scheduler"""
        schedulers = {
            "euler_a": EulerAncestralDiscreteScheduler,
            "dpm++_2m": DPMSolverMultistepScheduler,
        }
        if scheduler_name in schedulers:
            self.pipe.scheduler = schedulers[scheduler_name].from_config(
                self.pipe.scheduler.config
            )

    def generate(self, prompt, negative_prompt="", width=1024, height=1024,
                 steps=30, cfg_scale=7.0, seed=-1, batch_size=1):
        """สร้างภาพ"""
        if seed == -1:
            seed = torch.randint(0, 2**32, (1,)).item()

        generator = torch.Generator(self.device).manual_seed(seed)

        images = self.pipe(
            prompt=prompt,
            negative_prompt=negative_prompt,
            width=width,
            height=height,
            num_inference_steps=steps,
            guidance_scale=cfg_scale,
            generator=generator,
            num_images_per_prompt=batch_size,
        ).images

        return images, seed

    def save_with_metadata(self, images, prompt, negative_prompt, seed,
                           output_dir="outputs"):
        """บันทึกภาพพร้อม Metadata"""
        os.makedirs(output_dir, exist_ok=True)
        timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
        paths = []

        for i, img in enumerate(images):
            filename = f"{timestamp}_{seed}_{i}.png"
            filepath = os.path.join(output_dir, filename)
            img.save(filepath)
            paths.append(filepath)

            # Save metadata
            meta = {
                "prompt": prompt,
                "negative_prompt": negative_prompt,
                "seed": seed,
                "model": str(self.pipe.config._name_or_path),
                "timestamp": timestamp,
            }
            meta_path = filepath.replace(".png", ".json")
            with open(meta_path, "w") as f:
                json.dump(meta, f, indent=2)

        return paths

# ตัวอย่างการใช้งาน
gen = SDGenerator("stabilityai/stable-diffusion-xl-base-1.0")
gen.set_scheduler("euler_a")

prompt = "a beautiful mountain landscape at sunset, dramatic lighting, " \
         "photorealistic, 8k, highly detailed"
negative = "blurry, low quality, watermark, text, deformed"

images, seed = gen.generate(
    prompt=prompt,
    negative_prompt=negative,
    width=1024, height=1024,
    steps=30, cfg_scale=7.0,
)

paths = gen.save_with_metadata(images, prompt, negative, seed)
print(f"Saved: {paths}")

Prompt Engineering สำหรับ Stable Diffusion

# === Prompt Engineering Guide === # โครงสร้าง Prompt ที่ดี: # [Subject] + [Style] + [Details] + [Quality] + [Lighting] # ตัวอย่าง Prompt: # 1. Photorealistic "portrait of a young woman in a coffee shop, natural lighting, shallow depth of field, bokeh, photorealistic, 8k, highly detailed, shot on Canon EOS R5, 85mm lens" # 2. Anime "1girl, long silver hair, blue eyes, wearing school uniform, cherry blossom background, masterpiece, best quality, detailed face, anime style, vibrant colors" # 3. Landscape "epic mountain landscape, dramatic sunset, golden hour, volumetric lighting, mist in valley, ultra wide angle, national geographic photo, 4k wallpaper" # 4. Concept Art "futuristic cyberpunk city at night, neon lights, rain, flying cars, holographic billboards, concept art, by Greg Rutkowski, artstation, highly detailed" # === Weight Syntax === # (keyword:1.3) — เพิ่มความสำคัญ 30% # (keyword:0.7) — ลดความสำคัญ 30% # ((keyword)) — เพิ่มความสำคัญ ~1.21x # [keyword] — ลดความสำคัญ ~0.9x # === Negative Prompt ที่แนะนำ === # General: "lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry, deformed" # Realistic: "painting, drawing, illustration, cartoon, anime, 3d render, cgi, oversaturated, plastic skin" # Anime: "realistic, photo, 3d, western, low quality, worst quality, bad anatomy, extra fingers" # === ControlNet Modes === # Canny Edge — ควบคุม Outline # Depth Map — ควบคุมความลึก 3D # OpenPose — ควบคุมท่าทาง # Scribble — วาดคร่าวๆ แล้วสร้างภาพ # Tile — Upscale พร้อมเพิ่มรายละเอียด # === LoRA (Low-Rank Adaptation) === # ไฟล์ขนาดเล็ก (10-200MB) ปรับสไตล์เฉพาะ # ใช้ใน Prompt: # weight 0.5-1.0 ปกติ # ตัวอย่าง:

Fine-tuning และ LoRA Training

# === LoRA Training ด้วย Kohya-ss ===

# ติดตั้ง
git clone https://github.com/kohya-ss/sd-scripts.git
cd sd-scripts
pip install -r requirements.txt

# เตรียมข้อมูล Training
# โครงสร้าง:
# train_data/
# ├── 10_subject/          # 10 = repeats, subject = tag
# │   ├── image_01.png
# │   ├── image_01.txt     # Caption
# │   ├── image_02.png
# │   └── image_02.txt
# └── reg/                 # Regularization Images (optional)
#     └── 1_class/

# Training Command
accelerate launch --num_cpu_threads_per_process 1 train_network.py \
  --pretrained_model_name_or_path="stabilityai/stable-diffusion-xl-base-1.0" \
  --train_data_dir="./train_data" \
  --output_dir="./output_lora" \
  --output_name="my_custom_lora" \
  --resolution=1024 \
  --train_batch_size=1 \
  --max_train_epochs=10 \
  --learning_rate=1e-4 \
  --network_module=networks.lora \
  --network_dim=32 \
  --network_alpha=16 \
  --optimizer_type="AdamW8bit" \
  --mixed_precision="fp16" \
  --save_every_n_epochs=2 \
  --caption_extension=".txt" \
  --cache_latents \
  --enable_bucket \
  --min_bucket_reso=256 \
  --max_bucket_reso=2048

# Training Tips:
# network_dim: 32-128 (สูง = เรียนรู้มาก ไฟล์ใหญ่)
# learning_rate: 1e-4 ถึง 5e-5 (สำหรับ SDXL)
# epochs: 5-20 (ดู Loss ไม่ให้ Overfit)
# images: 10-50 ภาพ (คุณภาพดีกว่าปริมาณ)

Stable Diffusion คืออะไร

Stable Diffusion เป็น AI Model สร้างภาพจากข้อความ Open-source จาก Stability AI ใช้ Latent Diffusion ทำงานเร็วและใช้ VRAM น้อย รองรับ Text-to-Image, Image-to-Image, Inpainting มี Community Models และ Extensions มากมาย

สรุป

Stable Diffusion เป็น AI สร้างภาพ Open-source ที่ทรงพลังที่สุด มีหลายเวอร์ชันให้เลือกตาม GPU และความต้องการ ใช้งานผ่าน Automatic1111 WebUI หรือ ComfyUI สำหรับ GUI หรือ Diffusers Library สำหรับ Python Script สิ่งสำคัญคือเรียนรู้ Prompt Engineering, ใช้ Negative Prompt, ControlNet ควบคุม Composition และ LoRA ปรับสไตล์ Community มี Models และ Extensions ให้ใช้มากมายบน CivitAI และ Hugging Face