Stable Diffusion (SD)

alapelterjedt

A Stable Diffusion szöveges leírásból képet készítő MI-modellcsalád, amelynek modellfájljait bárki letöltheti, és akár a saját számítógépén is futtathatja.

Érthetően

A Stable Diffusion egy képgeneráló modell: leírod szavakkal, mit szeretnél látni, és a géptől függően néhány másodperc vagy perc alatt elkészít róla egy képet. Meglévő képet is át tud alakítani, ki tud egészíteni, vagy ki tudja cserélni egy részletét.

Képzeld el úgy, mint egy szobrászt, aki egy alaktalan kőtömbből addig farag le fölösleges darabokat, amíg elő nem bukkan a szobor. A modell egy teljesen zajos, „hangyás” képből indul, és lépésről lépésre eltünteti belőle a zajt, miközben a te leírásodhoz igazodik.

A zárt szolgáltatásoktól, például a Midjourneytől vagy a ChatGPT képgenerálásától az különbözteti meg, hogy maga a modell nyilvánosan letölthető. Nem kell előfizetned egy weboldalra. Ha van elég erős videókártyád, a letöltés után otthon, internet nélkül is futtathatod, és a képeid nem kerülnek ki a gépedről.

Emiatt hatalmas közösség épült köré: a felhasználók saját stílusokra, szereplőkre, témákra tanítják tovább, és ezeket a változatokat megosztják egymással. Ez a szabadság egyszerre a legnagyobb előnye és a legtöbb vita forrása.

Hogyan működik

Betanítás: a modell rengeteg, képaláírással ellátott képen tanulta meg, hogy milyen szavakhoz milyen formák, színek és stílusok tartoznak.
A szöveg értelmezése: a beírt utasításodat (a promptot) egy szövegértő rész számsorrá alakítja, amely iránytűként vezeti a képalkotást.
Zajból kép: a modell véletlenszerű zajból indul, és több tucat lépésben mindig eltávolít belőle egy keveset úgy, hogy az eredmény egyre jobban hasonlítson a leírásodra.
Tömörített térben dolgozik: nem a teljes, képpontokból álló képet számolja, hanem annak egy kicsinyített, sűrített változatát. Ezért elég hozzá egy erősebb otthoni gép is.
Kibontás: a végén egy dekódoló rész a sűrített változatból előállítja a teljes felbontású, megnézhető képet.

Példa a mindennapokból

Egy kisvállalkozó illusztrációt szeretne a webshopja őszi akciójához, de nincs kerete grafikusra. Letölt egy ingyenes, Stable Diffusionre épülő programot, beírja, hogy „sütőtökök és gesztenyék fa asztalon, meleg fényben”, és pár perc alatt több változat közül választhat.

Kit érint

marketingesGyorsan és olcsón készíthetsz vele illusztrációt, látványtervet vagy hirdetési képvariációkat, de a jogi és minőségi ellenőrzés a te dolgod marad. → Marketing

fejlesztőMivel a modell letölthető, beépítheted saját alkalmazásba, és saját képanyagon tovább is taníthatod. → Kód

vállalkozó, vezetőSaját gépen futtatva a bizalmas terveid, termékfotóid nem kerülnek külső szolgáltatóhoz, viszont a licencfeltételeket üzleti használat előtt el kell olvasnod.

mindenkiAz interneten látott képek egy része már ilyen modellel készül, ezért érdemes fenntartással kezelned a túl tökéletes vagy meghökkentő fotókat.

Gyakori félreértés

TévhitA Stable Diffusion egy hatalmas képadatbázisból vágja össze és ragasztja egymás mellé a meglévő képek darabjait.

ValójábanA modell nem tárolja a tanítóképeket, hanem mintázatokat tanult belőlük, és minden képet zajból, újonnan állít elő. Ritkán előfordul, hogy egy sokszor látott tanítóképet szinte egy az egyben visszaad, ezért a szerzői jogi kérdés ettől még nem tűnik el.

Korlátok és kockázatok

A részletekben gyakran hibázik: torz kezek, értelmetlen feliratok és furcsa arányok előfordulnak, főleg a régebbi változatoknál.
A szerzői jogi helyzet nem lezárt. A tanításhoz használt képek miatt több per indult, például a Getty Images és egy illusztrátorcsoport részéről. Egy 2025 novemberi brit ítélet nagyrészt a Stability AI-nak kedvezett, de a kérdést országonként másként ítélhetik meg, ezért üzleti felhasználás előtt tájékozódj.
A saját gépen futó változatban a beépített szűrők kikapcsolhatók, így megtévesztő vagy valós személyeket sértő hamis képek is készíthetők vele.
Az „ingyenes” nem jelent korlátlant: az egyes változatok licence eltér, és bizonyos bevétel fölött az üzleti használat díjköteles lehet.

Hasonló, de nem ugyanaz

Diffúziós modell – A diffúziós modell maga a módszer, a Stable Diffusion pedig ennek egyik konkrét, névvel ellátott megvalósítása.
Midjourney – A Midjourney zárt, előfizetéses szolgáltatás, amelynek modelljét nem töltheted le. A Stable Diffusiont viszont a saját gépeden is futtathatod és módosíthatod.
DALL·E – A DALL·E az OpenAI zárt képgenerátor-családja, amelyet csak a cég szolgáltatásain keresztül érhetsz el, és amelyet a ChatGPT-ben ma már nagyrészt az újabb, beépített képgenerálás váltott fel. A Stable Diffusion modellfájljai ezzel szemben nyilvánosan letölthetők.

Kapcsolódó fogalmak

Tágabb

Generatív mesterséges intelligencia, Diffúziós modell, Képgenerálás

Szűkebb

SD 1.5, Stable Diffusion XL, Stable Diffusion 3

Rokon

Midjourney, DALL·E, Flux, ControlNet, LoRA, Prompt, Deepfake

Röviden a története

A modell alapja a látens diffúziós eljárás, amelyet a CompVis kutatócsoport (akkor a Heidelbergi, ma a müncheni Ludwig-Maximilians-Universität csoportja) a Runway kutatóival közösen tett közzé 2021 decemberében. Magát a Stable Diffusiont 2022 augusztusában hozták nyilvánosságra. A CompVis és a Runway kutatói fejlesztették, a Stability AI adta hozzá a számítási kapacitást és finanszírozta a munkát. A modellt a LAION nevű nonprofit szervezet nyilvános képadatbázisának (LAION-5B) egy részén tanították. Nyílt hozzáférhetősége miatt gyorsan elterjedt. A későbbi fő változatokat, az SD 2.0-t (2022), az SDXL-t (2023), valamint a Stable Diffusion 3-at és a 3.5-öt (2024) már a Stability AI fejlesztette.

Hol tart most

A Stable Diffusion és a rá épülő közösségi változatok széles körben használt eszközök, számtalan programba beépítették őket. Képminőségben több újabb zárt és nyílt modell is megelőzte, például a Flux, és a közösség érdeklődése részben ezek felé fordult. A régebbi változatok (SD 1.5, SDXL) gazdag kiegészítő-ökoszisztémája miatt azonban a saját gépen futtatható képgenerálás egyik alapja maradt.

Állapot: 2026. november

Más nevei

Stable Diffusion · SD · SDXL · Stable Diffusion XL · SD 1.5 · Stable Diffusion 3 · SD3 · SD 3.5 · stabil diffúzió

Források

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.