编辑“︁Stable Diffusion”︁（章节）

=== 文生圖 ===
{{multiple image
 | direction = vertical
 | align = right
 | total_width = 200
 | image1 = Algorithmically-generated landscape artwork of forest with Shinto shrine.png
 | image2 = Algorithmically-generated landscape artwork of forest with Shinto shrine using negative prompt for green trees.png
 | image3 = Algorithmically-generated landscape artwork of forest with Shinto shrine using negative prompt for round stones.png
 | footer = 演示反向提示詞對圖像生成的影響。
*'''上''': 無反向提示詞
*'''中''': "綠樹"
*'''下''': "圓形石頭"
}}

Stable Diffusion中的文生圖採樣腳本，稱為"txt2img"，接受一個提示詞，以及包括採樣器（sampling type），圖像尺寸，和[[隨機種子]]的各種選項參數，並根據模型對提示的解釋生成一個圖像文件。<ref name="stable-diffusion-github"/> 生成的圖像帶有不可見的[[數位浮水印]]標籤，以允許用戶識別由Stable Diffusion生成的圖像，<ref name="stable-diffusion-github"/>儘管如果圖像被調整大小或旋轉，該水印將失去其有效性。<ref>{{cite web|url=https://github.com/ShieldMnt/invisible-watermark/blob/main/README.md|title=invisible-watermark README.md|website=GitHub|language=en|access-date=2022-10-10|archive-date=2022-09-29|archive-url=https://web.archive.org/web/20220929054846/https://github.com/ShieldMnt/invisible-watermark/blob/main/README.md|dead-url=no}}</ref> Stable Diffusion模型是在由512×512分辨率圖像組成的數據集上訓練出來的，<ref name="stable-diffusion-github"/>{{r|Waxy}}這意味著txt2img生成圖像的最佳配置也是以512×512的分辨率生成的，偏離這個大小會導致生成輸出質量差。<ref name="diffusers">{{cite web|date=2022-08-22|url=https://huggingface.co/blog/stable_diffusion|title=Stable Diffusion with 🧨 Diffusers|website=Hugging Face official blog|language=en|access-date=2022-10-10|archive-date=2023-01-17|archive-url=https://web.archive.org/web/20230117222142/https://huggingface.co/blog/stable_diffusion|dead-url=no}}</ref> Stable Diffusion 2.0版本後來引入了以768×768分辨率圖像生成的能力。<ref name="release2.0"/>

每一個txt2img的生成過程都會涉及到一個影響到生成圖像的隨機種子；用戶可以選擇隨機化種子以探索不同生成結果，或者使用相同的種子來獲得與之前生成的圖像相同的結果。<ref name="diffusers"/> 用戶還可以調整採樣迭代步數（inference steps）；較高的值需要較長的運行時間，但較小的值可能會導致視覺缺陷。<ref name="diffusers"/> 另一個可配置的選項，即無分類指導比例值，允許用戶調整提示詞的相關性（classifier-free guidance scale value）；<ref>{{cite journal|date=2022-07-26|first1=Jonathan|last1=Ho|first2=Tim|last2=Salimans|title=Classifier-Free Diffusion Guidance|publisher=arXiv|journal=arXiv|url=https://arxiv.org/abs/2207.12598|doi=10.48550/arXiv.2207.12598|language=en|access-date=2022-10-10|archive-date=2023-01-03|archive-url=https://web.archive.org/web/20230103042523/https://arxiv.org/abs/2207.12598|dead-url=no}}</ref>更具實驗性或創造性的用例可以選擇較低的值，而旨在獲得更具體輸出的用例可以使用較高的值。<ref name="diffusers"/>

反向提示詞（negative prompt）是包含在Stable Diffusion的一些用戶界面軟件中的一個功能（包括StabilityAI自己的「Dreamstudio」[[雲端運算|雲端]][[軟件即服務]]模式[[訂閱|訂閱制]]服務），它允許用戶指定模型在圖像生成過程中應該避免的提示，適用於由於用戶提供的普通提示詞，或者由於模型最初的訓練，造成圖像輸出中出現不良的圖像特徵，例如畸形手脚。<ref name="webui_showcase"/><ref name="release2.1">{{cite web|url=https://stability.ai/blog/stablediffusion2-1-release7-dec-2022|title=Stable Diffusion v2.1 and DreamStudio Updates 7-Dec 22|website=stability.ai|language=en|archive-date=2022-12-10|archive-url=https://web.archive.org/web/20221210062732/https://stability.ai/blog/stablediffusion2-1-release7-dec-2022|url-status=no|access-date=2022-12-11}}</ref> 與使用強調符（emphasis marker）相比，使用反向提示詞在降低生成不良的圖像的頻率方面具有高度統計顯著的效果；強調符是另一種為提示的部分增加權重的方法，被一些Stable Diffusion的開源實現所利用，在關鍵詞中加入括號以增加或減少強調。<ref>{{cite web|url=https://github.com/JohannesGaessler/stable-diffusion-tools/tree/master/emphasis|date=2022-09-11|author=Johannes Gaessler|title=Emphasis|website=GitHub|language=en|access-date=2022-10-10|archive-date=2022-12-09|archive-url=https://web.archive.org/web/20221209053625/https://github.com/JohannesGaessler/stable-diffusion-tools/tree/master/emphasis|dead-url=no}}</ref>
{{Gallery
     | height = 300
     | width = 640
     | File:X-Y plot of algorithmically-generated AI art by different science-fiction subgenres.png|演示當指示繪製同一主題時，不同的提示詞如何影響由Stable Diffusion模型產生的圖像輸出。每一列代表輸入到模型中的不同提示詞。左到右：[[賽博朋克]]，[[蒸汽朋克]]，[[柴油朋克]]，[[生物朋克]]，{{tsl|en|Cyberpunk derivatives#Cassette futurism/Formicapunk|磁帶朋克}}，[[:wikt:en:atompunk|原子朋克]]，[[:wikt:en:cyberpop|賽博POP]]，[[哥德次文化]]，[[奇幻作品|奇幻]]
}}