Jak Stable Diffusion może rozwinąć się jako produkt konsumencki

Ironicznie, Stable Diffusion, nowy framework syntezowania obrazów AI, który zawładnął światem, nie jest ani stabilny, ani zbyt “rozproszony” – przynajmniej na razie.

Pełny zakres możliwości systemu rozproszony jest na różnorodnej i stale zmieniającej się ofercie kilku deweloperów, którzy wymieniają się najnowszymi informacjami i teorią w różnych rozmowach na Discord – a większość procedur instalacji pakietów, które tworzą lub modyfikują, jest bardzo daleko od “plug and play”.

Raczej one tendencję do wymagania instalacji za pomocą linii poleceń lub plików BAT za pomocą GIT, Conda, Python, Miniconda i innych frameworków rozwoju o najnowszych technologiach – pakietów oprogramowania, które są tak rzadkie wśród ogólnej populacji konsumentów, że ich instalacja jest często oznaczana przez dostawców oprogramowania antywirusowego i antymalware jako dowód na to, że system jest naruszony.

Tylko niewielka część etapów, których wymaga standardowa instalacja Stable Diffusion. Wiele dystrybucji wymaga również określonych wersji Python, które mogą być w konflikcie z istniejącymi wersjami zainstalowanymi na komputerze użytkownika – choć można to uniknąć za pomocą instalacji opartych na Docker i, w pewnym stopniu, za pomocą środowisk Conda.

Wątki wiadomości w obu społecznościach SFW i NSFW Stable Diffusion są zalewane wskazówkami i sztuczkami związanymi z hakowaniem skryptów Python i standardowych instalacji, w celu poprawy funkcjonalności lub rozwiązania częstych błędów zależności i innych problemów.

To pozostawia przeciętnego konsumenta, zainteresowanego tworzeniem niesamowitych obrazów z podpowiedziami tekstowymi, niemal całkowicie na łaskę rosnącej liczby komercyjnych interfejsów API sieci web, z których większość oferuje ograniczoną liczbę bezpłatnych generacji obrazów przed wymaganiem zakupu tokenów.

Dodatkowo, prawie wszystkie te internetowe oferty odmawiają wyjścia NSFW (które mogą dotyczyć niepornograficznych tematów ogólnego zainteresowania, takich jak “wojna”), co odróżnia Stable Diffusion od usług OpenAI DALL-E 2.

‘Photoshop dla Stable Diffusion’

Zachęceni przez niesamowite, kuszące lub pozaziemskie obrazy, które codziennie zaludniają hashtag #stablediffusion na Twitterze, to, czego oczekuje się w szerszym świecie, to ‘Photoshop dla Stable Diffusion’ – aplikacja instalowalna na platformy, która łączy najlepsze i najpotężniejsze funkcjonalności architektury Stability.ai, a także różne genialne innowacje rozwijającej się społeczności deweloperów SD, bez pływających okien linii poleceń, niejasnych i stale zmieniających się procedur instalacji i aktualizacji, czy brakujących funkcji.

Czym obecnie dysponujemy, w większości bardziej zaawansowanych instalacji, jest elegancka strona internetowa przerzucana przez okno linii poleceń, a którego adres URL to localhost port:

Podobnie jak aplikacje syntezowania obrazów z linii poleceń, takie jak FaceSwap, i BAT- centryczne DeepFaceLab, instalacja ‘prepack’ Stable Diffusion pokazuje swoje korzenie linii poleceń, z interfejsem dostępnym za pośrednictwem localhost portu (patrz górna część obrazu powyżej), który komunikuje się z funkcjonalnością Stable Diffusion opartą na linii poleceń.

Bez wątpienia, bardziej przystępna aplikacja jest już w drodze. Już istnieją kilka aplikacji integralnych, które można pobrać, takie jak GRisk i NMKD (patrz obraz poniżej) – ale żadna z nich nie integruje jeszcze pełnego zakresu funkcji, których mogą dostarczyć niektóre bardziej zaawansowane i mniej dostępne implementacje Stable Diffusion.

Wczesne, oparte na Patreon aplikacje Stable Diffusion, lekko ‘app-izowane’. NMKD to pierwsza, która integruje wyjście linii poleceń bezpośrednio w GUI.

Zobaczmy, jak może wyglądać bardziej dopracowana i integralna implementacja tego niesamowitego otwartego cudu – i jakie wyzwania może ona napotkać.

Ważne rozważania prawne dla w pełni sfinansowanej komercyjnej aplikacji Stable Diffusion

Czynnik NSFW

Kod źródłowy Stable Diffusion został wydany na bardzo permissive licencji, która nie zabrania komercyjnych ponownych implementacji i utworów pochodnych, które opierają się na kodzie źródłowym.

Ponadto, poza wymienionymi wcześniej i rosnącą liczbą aplikacji opartych na Patreon, a także ogromną liczbą wtyczek do aplikacji, które są rozwijane dla Figma, Krita, Photoshop, GIMP i Blender (wśród innych), nie ma praktycznego powodu, dla którego dobrze sfinansowana firma developerska nie mogłaby stworzyć znacznie bardziej zaawansowanej i funkcjonalnej aplikacji Stable Diffusion. Z punktu widzenia rynku, istnieje każdy powód, aby sądzić, że kilka takich inicjatyw jest już w toku.