一句话定义：Stable Diffusion（常缩写为 SD）是一个开源的文本生成图像（text-to-image）扩散模型，它的权重文件可以被任何人下载，并在自己的电脑或服务器上运行、改造、二次分发（具体许可以官方页面为准）。
它是怎么出图的
扩散模型（diffusion model）的学习思路是"先学会破坏，再学会修复"。训练时，把一张图一步步加上随机噪声，直到变成纯噪点，模型记住每一步噪声长什么样；然后把这个过程倒过来，模型就能从一团随机噪点出发，一步步"去噪"，在提示词的牵引下逐渐收敛成一张图。打个比方：像一块大理石，提示词是图纸，去噪就是一刀一刀地凿，每一刀幅度都不大，但方向一致，凿到最后人像就出来了。这也解释了为什么同一个提示词每次出的图都不一样——起点那团噪点是随机的。
Stable Diffusion 交付给你的首先是一个权重文件，不是 App。拿到之后，社区会围绕它衍生出三层东西：
- 底模（base model / checkpoint）：通用能力的底座，决定了模型"大概会画什么、倾向什么风格"。相当于通用教材。
- 微调（fine-tuning）：用自己的数据集接着训练，把某种画风或某个领域的知识持续训练进底模里。相当于把通用教材改编成行业教材。
- LoRA（Low-Rank Adaptation，低秩适配）：一块很小的补丁，挂在底模上就能改变画风或加入特定人物、物件，体积小、能叠加、能传播。相当于给镜头换滤镜。
再加上用姿势、线稿、深度图约束构图的 AI 词典：ControlNet">ControlNet 这类扩展，"谁能跑、界面长什么样、加什么插件"全部交给生态决定。这正是它和 Midjourney 的根本差别。
| 维度 | Stable Diffusion | Midjourney |
|---|---|---|
| 本质 | 开放权重的模型 | 托管在云端的成品服务 |
| 你拿到什么 | 权重文件、可改的推理流程 | 一个输入框和出图结果 |
| 风格由谁定 | 你自己选的底模和 LoRA | 官方统一把控 |
| 可控性 | 高，构图、姿态、局部都能干预 | 主要靠提示词和参数 |
| 上手成本 | 需要折腾环境 | 开箱即用 |
一个比喻：Midjourney 像去餐厅点菜，出品稳定、不用洗碗；Stable Diffusion 像买回一整套厨房设备和食材，能做出什么取决于你的手艺和配方。
对从业者和普通人的意义
对从业者，价值在于"资产化"：可以把品牌画风训练成 LoRA 沉淀下来，可以私有化部署让数据不出内网，可以接进自己的产品做批量出图（电商白底图、建筑效果图、游戏素材），也可以基于它做垂直模型卖给同行。对普通职场人，多数人接触的其实是基于它封装好的工具，理解"底模 + LoRA"这套逻辑，至少能判断供应商说的"自研模型"到底改了什么、能改到什么程度。另外提醒一句：开源不等于随便用，各代模型的商用条款不一样，落地前以官方页面为准。