what is stable diffusion

Stable Diffusion คืออะไร

Stable Diffusion AI Text-to-Image Open Source Latent Diffusion Model GPU VRAM Automatic1111 ComfyUI SDXL ControlNet Inpainting

การติดตั้ง

# === Stable Diffusion Installation Guide ===

# Method 1: Automatic1111 WebUI (Recommended for beginners)
# git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
# cd stable-diffusion-webui
#
# # Download Model (SDXL or SD 1.5)
# # Place .safetensors file in models/Stable-diffusion/
# # Download from: https://civitai.com or https://huggingface.co
#
# # Linux/Mac
# ./webui.sh --xformers --api
#
# # Windows
# webui.bat --xformers --api
#
# # Open http://localhost:7860

# Method 2: ComfyUI (Node-based, advanced)
# git clone https://github.com/comfyanonymous/ComfyUI.git
# cd ComfyUI
# pip install -r requirements.txt
# python main.py
# # Open http://localhost:8188

# Method 3: Python API (Diffusers library)
# pip install diffusers transformers accelerate torch
#
# from diffusers import StableDiffusionXLPipeline
# import torch
#
# pipe = StableDiffusionXLPipeline.from_pretrained(
#     "stabilityai/stable-diffusion-xl-base-1.0",
#     torch_dtype=torch.float16,
#     variant="fp16",
# )
# pipe = pipe.to("cuda")
#
# image = pipe(
#     prompt="a beautiful sunset over mountains, 8K, photorealistic",
#     negative_prompt="low quality, blurry, deformed",
#     num_inference_steps=30,
#     guidance_scale=7.5,
# ).images[0]
# image.save("output.png")

from dataclasses import dataclass

@dataclass
class InstallMethod:
    method: str
    difficulty: str
    gpu_required: str
    features: str
    best_for: str

methods = [
    InstallMethod("Automatic1111 WebUI",
        "ง่าย",
        "GPU VRAM 4GB+ (8GB+ แนะนำ)",
        "GUI ครบ Extensions มาก Community ใหญ่",
        "มือใหม่ ใช้งานทั่วไป"),
    InstallMethod("ComfyUI",
        "ปานกลาง",
        "GPU VRAM 4GB+",
        "Node-based Workflow ยืดหยุ่น VRAM Efficient",
        "Advanced User Complex Workflow"),
    InstallMethod("Forge (Optimized A1111)",
        "ง่าย",
        "GPU VRAM 4GB+ (รัน SDXL บน 6GB ได้)",
        "เร็วกว่า A1111 VRAM ต่ำกว่า UI เหมือน A1111",
        "GPU VRAM น้อย ต้องการ Performance"),
    InstallMethod("Python Diffusers",
        "สูง (เขียน Code)",
        "GPU VRAM 8GB+",
        "Full Control API Integration Batch Processing",
        "Developer Production API"),
    InstallMethod("Google Colab",
        "ง่าย",
        "ไม่ต้องมี GPU (ใช้ Cloud)",
        "ฟรี (จำกัดเวลา) ไม่ต้อง Setup",
        "ไม่มี GPU ทดลองใช้"),
]

print("=== Installation Methods ===")
for m in methods:
    print(f"\n  [{m.method}] Difficulty: {m.difficulty}")
    print(f"    GPU: {m.gpu_required}")
    print(f"    Features: {m.features}")
    print(f"    Best for: {m.best_for}")

Prompt Engineering

# === Prompt Engineering Guide ===

@dataclass
class PromptComponent:
    component: str
    purpose: str
    examples: str
    weight: str

components = [
    PromptComponent("Subject",
        "สิ่งที่ต้องการในภาพ (สำคัญที่สุด)",
        "a beautiful girl, a mountain landscape, a futuristic city",
        "สูง (ใส่ต้น Prompt)"),
    PromptComponent("Quality Tags",
        "คุณภาพภาพ",
        "masterpiece, best quality, 8K, ultra detailed, sharp focus",
        "สูง"),
    PromptComponent("Style",
        "สไตล์ภาพ",
        "photorealistic, anime, watercolor, oil painting, digital art",
        "สูง"),
    PromptComponent("Lighting",
        "แสงในภาพ",
        "golden hour, studio lighting, dramatic, neon, soft light",
        "ปานกลาง"),
    PromptComponent("Camera/Composition",
        "มุมกล้อง การจัดวาง",
        "close-up, wide angle, bird eye, rule of thirds, bokeh",
        "ปานกลาง"),
    PromptComponent("Color",
        "โทนสี",
        "warm tones, cool blue, pastel, monochrome, vibrant",
        "ต่ำ-ปานกลาง"),
    PromptComponent("Negative Prompt",
        "สิ่งที่ไม่ต้องการ",
        "low quality, blurry, deformed, extra fingers, watermark, text",
        "สำคัญมาก"),
]

@dataclass
class SamplerConfig:
    parameter: str
    recommended: str
    effect: str

params = [
    SamplerConfig("Sampling Steps", "20-30 (DPM++ 2M Karras)",
        "มาก = ละเอียดขึ้น แต่ช้า, 20 พอสำหรับส่วนใหญ่"),
    SamplerConfig("CFG Scale", "7-12",
        "สูง = ตาม Prompt มาก, ต่ำ = Creative มาก"),
    SamplerConfig("Sampler", "DPM++ 2M Karras / Euler a",
        "DPM++ 2M Karras: คุณภาพดี, Euler a: เร็ว"),
    SamplerConfig("Size", "512x512 (SD1.5) / 1024x1024 (SDXL)",
        "ใช้ Native Resolution ของ Model"),
    SamplerConfig("Seed", "-1 (Random) / Fixed Number",
        "Fixed Seed = ได้ภาพเหมือนเดิม สำหรับ Iterate"),
]

print("=== Prompt Components ===")
for c in components:
    print(f"  [{c.component}] {c.purpose}")
    print(f"    Examples: {c.examples}")

print("\n=== Parameters ===")
for p in params:
    print(f"  [{p.parameter}] {p.recommended}")
    print(f"    Effect: {p.effect}")

Use Cases

# === Stable Diffusion Use Cases ===

@dataclass
class UseCase:
    category: str
    applications: str
    model_recommended: str
    tips: str

cases = [
    UseCase("Art & Design",
        "Concept Art, Character Design, Illustration, Environment",
        "SDXL + Anime/Fantasy LoRA",
        "ใช้ ControlNet สำหรับ Pose Reference"),
    UseCase("Marketing",
        "Ad Banner, Social Media, Product Mockup, Thumbnail",
        "SDXL + Product Photography LoRA",
        "ใช้ Inpainting แก้ไขส่วนที่ไม่สมบูรณ์"),
    UseCase("Photography",
        "Stock Photo, Portrait, Landscape, Food",
        "SDXL + Realistic Vision / juggernautXL",
        "ใช้ ADetailer แก้หน้า มือ อัตโนมัติ"),
    UseCase("Game Development",
        "Asset, Texture, Sprite, Background, UI",
        "SD 1.5 + Game Asset LoRA",
        "ใช้ Tiling สำหรับ Seamless Texture"),
    UseCase("Architecture",
        "Interior Design, Building Concept, Renovation",
        "SDXL + Architecture LoRA + ControlNet",
        "ใช้ ControlNet Depth สำหรับ Layout"),
    UseCase("Fashion",
        "Fashion Design, Pattern, Textile, Lookbook",
        "SDXL + Fashion LoRA",
        "ใช้ IP-Adapter สำหรับ Style Transfer"),
]

print("=== Use Cases ===")
for u in cases:
    print(f"\n  [{u.category}]")
    print(f"    Apps: {u.applications}")
    print(f"    Model: {u.model_recommended}")
    print(f"    Tips: {u.tips}")

เคล็ดลับ

• SDXL: ใช้ SDXL แทน SD 1.5 คุณภาพดีกว่ามาก
• LoRA: ใช้ LoRA ปรับ Style เฉพาะ ไม่ต้อง Train Model ใหม่
• Negative: ใส่ Negative Prompt เสมอ ลด Artifact
• ADetailer: ใช้ ADetailer แก้หน้า มือ อัตโนมัติ
• Seed: จด Seed ที่ชอบ กลับมาใช้ Iterate ได้

Stable Diffusion คืออะไร

AI สร้างภาพจากข้อความ Open Source ฟรี Latent Diffusion GPU VRAM 4GB+ Text-to-Image Inpainting ControlNet SDXL Stability AI

สรุป

Stable Diffusion AI Text-to-Image Open Source SDXL Automatic1111 ComfyUI Prompt Engineering LoRA ControlNet Inpainting GPU Production