Our biggest-ever sale. 60% off AI & data skills
Buy Now
Jika Anda ingin langsung mulai menggunakan model Stable Diffusion, Anda dapat menjalankannya secara online menggunakan alat berikut.
Stability AI, pembuat Stable Diffusion, membuatnya sangat mudah bagi siapa pun yang penasaran untuk menguji model teks-ke-gambar mereka melalui alat online bernama DreamStudio.
DreamStudio memberi pengguna akses ke versi terbaru model Stable Diffusion dan memungkinkan mereka menghasilkan gambar hanya dalam waktu hingga 15 detik.

Antarmuka pengguna DreamStudio. Sumber gambar: DreamStudio.
Saat menulis tutorial ini, pengguna baru menerima 100 kredit gratis untuk mencoba DreamStudio, yang cukup untuk 500 gambar dengan setelan default! Kredit tambahan dapat dibeli di dalam aplikasi sesuai kebutuhan, dengan biaya hanya $10,00 per 1000 kredit.
Hugging Face adalah komunitas dan platform AI yang mempromosikan kontribusi open-source. Meskipun sangat dikenal karena model transformer, Hugging Face juga menyediakan akses ke model Stable Diffusion terbaru, dan sebagai pendukung sejati open-source, platform ini gratis.
Untuk menjalankan Stable Diffusion di Hugging Face, Anda dapat mencoba salah satu demo, seperti demo Stable Diffusion 2.1.
Kompromi dengan Hugging Face adalah Anda tidak dapat menyesuaikan properti seperti di DreamStudio, dan waktu yang dibutuhkan untuk menghasilkan gambar terasa lebih lama.

Demo Stable Diffusion di Hugging Face. Gambar oleh penulis.
Bagaimana jika Anda ingin bereksperimen dengan Stable Diffusion di komputer lokal Anda? Kami punya panduannya.
Menjalankan Stable Diffusion secara lokal memungkinkan Anda bereksperimen dengan berbagai masukan teks untuk menghasilkan gambar yang lebih sesuai dengan kebutuhan Anda. Anda juga dapat menyempurnakan model pada data Anda untuk meningkatkan hasil, sesuai masukan yang Anda berikan.
Disclaimer: Anda harus memiliki GPU untuk menjalankan Stable Diffusion secara lokal.
Untuk menjalankan Stable Diffusion dari komputer lokal, Anda memerlukan Python 3.10.6. Ini dapat dipasang dari Situs Web Python resmi. Jika Anda menemui kendala, lihat tutorial kami Cara Menginstal Python.
Periksa apakah instalasi berhasil dengan membuka command prompt, ketik python, lalu jalankan perintah. Ini akan menampilkan versi Python yang Anda gunakan.
Disclaimer: Versi yang direkomendasikan untuk menjalankan Stable Diffusion adalah Python 3.10.6. Kami menyarankan untuk tidak melanjutkan tanpa versi ini guna menghindari masalah.
Selanjutnya, Anda harus memasang sistem manajemen repositori kode Git. Tutorial Instalasi Git dapat membantu, dan kursus Pengantar Git kami dapat memperdalam pengetahuan Anda tentang Git.
GitHub adalah layanan hosting pengembangan perangkat lunak tempat pengembang menyimpan kode agar dapat melacak dan berkolaborasi dengan pengembang lain dalam proyek. Jika Anda belum memiliki akun Github, sekarang adalah waktu yang tepat untuk membuatnya—lihat Tutorial Github dan Git untuk Pemula untuk bantuan.
Hugging Face, di sisi lain, adalah komunitas AI yang mengedepankan kontribusi open-source. Ini adalah hub untuk berbagai model AI dari beragam domain, termasuk pemrosesan bahasa alami, visi komputer, dan lainnya. Anda memerlukan akun untuk mengunduh versi terbaru Stable Diffusion. Kita akan sampai pada langkah ini nanti.
Pada langkah ini, Anda akan mengunduh Stable Diffusion Web-UI ke komputer lokal Anda. Meskipun membantu untuk membuat folder khusus (misalnya, stable-diffusion-demo-project) untuk tujuan ini, hal tersebut tidak wajib.
1. Buka Git Bash:
2. Arahkan ke folder yang diinginkan:
cd untuk berpindah ke folder tempat Anda ingin meng-clone Stable Diffusion Web-UI. Contoh:cd path/to/your/folder
3. Clone repositori:
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
4. Verifikasi clone:
stable-diffusion-webui di direktori yang Anda pilih.
Catatan: Anda dapat menemukan instruksi yang lebih spesifik untuk perangkat keras dan sistem operasi Anda di repositori Github Stable Diffusion web UI.
1. Masuk ke Hugging Face:
2. Unduh model Stable Diffusion:
3. Temukan folder model:
stable-diffusion-webui\models\Stable-diffusion4. Pindahkan model yang diunduh:
Stable-diffusion, Anda akan melihat file teks bernama Put Stable Diffusion Checkpoints here.Pada langkah ini, Anda akan memasang alat yang diperlukan untuk menjalankan Stable Diffusion.
1. Buka Command Prompt atau Terminal.
2. Arahkan ke folder web UI Stable Diffusion:
cd untuk berpindah ke folder stable-diffusion-webui yang Anda clone sebelumnya. Contoh:cd path/to/stable-diffusion-webui
3. Jalankan skrip setup:
stable-diffusion-webui, jalankan perintah berikut:webui-user.bat
Skrip ini akan membuat lingkungan virtual dan memasang semua dependensi yang diperlukan untuk menjalankan Stable Diffusion. Prosesnya dapat memakan waktu sekitar 10 menit, jadi harap bersabar.
Catatan: Anda dapat menemukan instruksi yang lebih spesifik untuk perangkat keras dan sistem operasi Anda di repositori Github Stable Diffusion web UI.
Setelah dependensi terpasang, sebuah URL akan muncul di command prompt Anda: http://127.0.0.1:7860.

Web UI Stable Diffusion berjalan secara lokal. Gambar oleh penulis.
Stable Diffusion mewakili kemajuan signifikan di bidang AI generatif. Model ini menawarkan kemampuan untuk menghasilkan gambar berkualitas tinggi dan detail dari deskripsi tekstual. Baik Anda ingin memodifikasi gambar yang ada, meningkatkan gambar beresolusi rendah, atau menciptakan visual yang benar-benar baru, Stable Diffusion menyediakan seperangkat alat yang kuat dan serbaguna.
Dengan pembaruan dan peningkatan terbaru pada Stable Diffusion 3 dan Medium, kemampuan model semakin ditingkatkan, menjadikannya pemimpin di ranah AI generatif.
Menjalankan Stable Diffusion secara lokal atau melalui berbagai platform online seperti DreamStudio dan Hugging Face memungkinkan Anda mengeksplorasi dan memanfaatkan potensinya secara penuh. Dengan mengikuti langkah-langkah dalam panduan ini, Anda dapat menyiapkan dan mulai menggunakan Stable Diffusion untuk memenuhi kebutuhan kreatif dan praktis Anda!
AI generatif adalah pendekatan pembelajaran mendalam yang revolusioner yang menciptakan teks, gambar, dan konten lain berkualitas tinggi berdasarkan data yang digunakan saat pelatihan. Alat seperti Stable Diffusion, ChatGPT, dan DALL-E adalah contoh bagus bagaimana AI generatif mentransformasi berbagai industri dengan memungkinkan bentuk kreativitas dan inovasi baru. Seiring teknologi ini terus berkembang, teknologi ini membuka peluang baru bagi seniman, pengembang, dan peneliti untuk mendorong batas kemungkinan.
Bagi Anda yang ingin menggali lebih dalam dunia AI generatif, berikut beberapa sumber untuk dieksplorasi:
Menjalankan Stable Diffusion memerlukan daya komputasi yang signifikan, yang biasanya disediakan oleh GPU khusus. Secara teoretis, Anda dapat menjalankannya di CPU, tetapi prosesnya akan sangat lambat dan tidak efisien. Untuk pengalaman terbaik, disarankan menggunakan mesin dengan GPU yang kuat dengan setidaknya 6GB VRAM.
Penyetelan halus (fine-tuning) Stable Diffusion melibatkan pelatihan ulang model pada dataset spesifik Anda untuk meningkatkan performanya pada kasus penggunaan Anda. Proses ini memerlukan pemahaman yang baik tentang pembelajaran mesin dan akses ke lingkungan komputasi yang sesuai. Umumnya, Anda perlu menyiapkan dataset, memodifikasi skrip pelatihan untuk menyertakan data Anda, lalu menjalankan proses pelatihan menggunakan GPU yang kuat. Instruksi terperinci tentang fine-tuning model biasanya dapat ditemukan dalam dokumentasi kerangka kerja pembelajaran mesin seperti PyTorch.
Lihat tutorial kami, Fine-tuning Stable Diffusion XL dengan DreamBooth dan LoRA, untuk informasi lebih lanjut.
Masalah umum meliputi:
Lihat halaman issues di repositori GitHub dan forum komunitas untuk kiat pemecahan masalah dan solusi yang spesifik.
Untuk mengoptimalkan kinerja Stable Diffusion pada GPU Anda:
Meskipun Stable Diffusion terutama dirancang untuk menghasilkan gambar diam, memungkinkan untuk membuat animasi atau video dengan menghasilkan rangkaian gambar lalu menggabungkannya. Ini dapat dilakukan dengan:

blogs
blogs

blogs
Pelajari lebih lanjut tentang AI generatif dan deep learning melalui kursus berikut!
Kursus
Pelajari cara mulai memanfaatkan AI generatif secara bertanggung jawab. Pelajari cara model AI generatif dikembangkan dan dampaknya bagi masyarakat ke depan.
Kursus
Pelajari konsep dasar Kecerdasan Buatan seperti machine learning, deep learning, NLP, AI generatif, dan lainnya.
Kursus
Gunakan PyTorch pada gambar dan terapkan model deep learning untuk deteksi objek dengan kotak batas (bounding boxes) dan pembangkitan segmentasi gambar.
Berkolaborasi dengan sejumlah peneliti akademis dan organisasi nirlaba, Stability AI, sebuah startup yang didirikan pada 2019, mengembangkan model Stable Diffusion yang pertama kali dirilis pada 2022.
Stable Diffusion adalah model pembelajaran mendalam open-source yang dirancang untuk menghasilkan gambar berkualitas tinggi dan detail dari deskripsi teks. Model ini juga dapat memodifikasi gambar yang ada atau meningkatkan gambar beresolusi rendah menggunakan masukan teks. Model ini terus berkembang, dengan kemajuan terbaru yang meningkatkan kinerja dan kemampuannya.
Dalam artikel ini, kita akan membahas cara kerja Stable Diffusion dan membahas berbagai metode untuk menjalankannya.
Apa itu Stable Diffusion?
Stable Diffusion adalah model pembelajaran mendalam canggih dan open-source yang dikembangkan oleh Stability AI. Dirilis pada 2022, model ini unggul dalam menghasilkan gambar berkualitas tinggi dan detail dari deskripsi tekstual. Model serbaguna ini dapat memodifikasi gambar yang ada atau meningkatkan gambar beresolusi rendah menggunakan masukan teks.
Awalnya dilatih pada himpunan data besar berisi 2,3 miliar gambar, Stable Diffusion memanfaatkan prinsip pemodelan generatif dan proses difusi. Hal ini memungkinkannya menciptakan gambar baru yang realistis dengan mempelajari pola dan struktur dari data pelatihan. Kemampuannya setara dengan model mutakhir lainnya, menjadikannya alat yang kuat untuk berbagai aplikasi pembuatan dan manipulasi gambar.
Pada Februari 2024, Stability AI mengumumkan Stable Diffusion 3 dalam pratinjau awal, menampilkan peningkatan performa yang signifikan, terutama dalam menangani prompt multi-subjek, kualitas gambar, dan ejaan. Rangkaian Stable Diffusion 3 berkisar dari 800 juta hingga 8 miliar parameter, menekankan skalabilitas dan kualitas untuk memenuhi berbagai kebutuhan kreatif. Pada Juni 2024, rilis Stable Diffusion 3 Medium, model dengan 2 miliar parameter, menandai kemajuan besar, menawarkan detail, warna, dan fotorealisme yang luar biasa sekaligus berjalan efisien pada GPU konsumen standar.
Stable Diffusion 3 menggabungkan arsitektur baru Multimodal Diffusion Transformer (MMDiT), yang menggunakan seperangkat bobot terpisah untuk representasi gambar dan bahasa. Inovasi ini meningkatkan pemahaman teks dan kemampuan ejaan dibandingkan versi model sebelumnya. Berdasarkan evaluasi preferensi manusia, Stable Diffusion 3 melampaui sistem text-to-image terkemuka lainnya seperti DALL·E 3, Midjourney v6, dan Ideogram v1 dalam tipografi dan kepatuhan terhadap prompt.
Stability AI telah menerbitkan sebuah makalah riset komprehensif yang merinci teknologi dasar Stable Diffusion 3, menyoroti kemajuan dan performanya yang unggul. Peningkatan ini menjadikan Stable Diffusion 3 alat yang kuat untuk menghasilkan gambar berkualitas tinggi dari deskripsi tekstual, dengan peningkatan nyata dalam menangani prompt yang kompleks dan menghasilkan keluaran yang realistis.
Bagaimana Cara Kerja Stable Diffusion?
Stable Diffusion adalah contoh canggih dari kelas model pembelajaran mendalam yang dikenal sebagai model difusi. Lebih spesifiknya, ini termasuk dalam kategori model generatif. Model-model ini dirancang untuk menghasilkan data baru yang mirip dengan data yang digunakan saat pelatihan, sehingga mampu menciptakan keluaran baru yang realistis berdasarkan pola dan struktur yang dipelajari.
Model difusi terinspirasi oleh konsep difusi dalam fisika, ketika partikel menyebar dari area berkonsentrasi tinggi ke rendah seiring waktu. Dalam konteks pembelajaran mendalam, model difusi mensimulasikan proses ini dalam ruang data berdimensi tinggi. Model dimulai dengan noise acak dan secara iteratif menyempurnakan noise ini melalui serangkaian langkah untuk menghasilkan gambar yang koheren dan berkualitas tinggi.
Pemodelan generatif, jenis dari pembelajaran tanpa supervisi, melibatkan pelatihan model untuk menemukan dan mempelajari pola dalam data masukan secara otomatis. Setelah dilatih, model ini dapat menghasilkan contoh baru yang menyerupai data asli. Kemampuan ini membuat model generatif sangat berguna untuk tugas seperti sintesis gambar, augmentasi data, dan lainnya.
Jika Anda ingin mengetahui lebih lanjut tentang model-model ini, pertimbangkan untuk mengikuti track kursus Deep Learning in Python kami.
Proses Difusi
Proses difusi dalam Stable Diffusion melibatkan dua fase utama: proses difusi maju dan proses denoising balik.
1. Proses difusi maju:
Pada fase ini, noise secara bertahap ditambahkan ke data pelatihan (gambar) selama beberapa langkah hingga gambar menjadi noise murni. Proses ini dirancang secara matematis agar dapat dibalik.
2. Proses denoising balik:
Selama fase ini, model belajar membalik proses penambahan noise. Dimulai dari noise acak, model secara iteratif mengurangi noise pada gambar melalui banyak langkah, secara bertahap merekonstruksi gambar yang koheren dan berkualitas tinggi. Proses balik ini dipandu oleh pola dan struktur yang dipelajari dari data pelatihan.
Arsitektur Multimodal Diffusion Transformer (MMDiT)
Stable Diffusion 3 memperkenalkan arsitektur baru yang dikenal sebagai Multimodal Diffusion Transformer (MMDiT). Arsitektur ini menggunakan seperangkat bobot terpisah untuk representasi gambar dan bahasa, meningkatkan kemampuan model untuk memahami dan menghasilkan prompt berbasis teks. Dengan menggunakan jalur yang berbeda untuk memproses informasi gambar dan tekstual, MMDiT meningkatkan koherensi dan akurasi gambar yang dihasilkan, terutama dalam menangani prompt yang kompleks dan tipografi.
Aplikasi Praktis Stable Diffusion
Stable Diffusion dapat digunakan untuk berbagai aplikasi praktis, termasuk:
Kemampuan ini menjadikan Stable Diffusion alat yang kuat bagi seniman, desainer, peneliti, dan siapa pun yang tertarik mengeksplorasi potensi AI generatif.