Stable Diffusion
Modelo de código abierto de texto a imagen de Stability AI
Stable Diffusion cambió la generación de imágenes al estar disponible de forma abierta. En lugar de un servicio que se alquila, los modelos se pueden descargar y ejecutar en una GPU de consumo, lo que permitió a cualquiera generar imágenes en privado y sin pagar por cada una. A partir de prompts, los modelos crean imágenes en muchos estilos, y las versiones posteriores mejoraron la calidad, la resolución y la representación de texto. Stability AI lanzó varias generaciones, entre ellas modelos más grandes para lograr más calidad.
A su alrededor creció un enorme ecosistema. Interfaces como ComfyUI y Automatic1111 dan control sobre el proceso, ControlNet guía la composición a partir de poses o bocetos, y los LoRAs permiten ajustar estilos o personajes con pocas imágenes. Las comunidades comparten miles de modelos, y servicios alojados como NightCafe, Leonardo y Mage.space lo ofrecen en el navegador. Los desarrolladores incorporan los modelos en aplicaciones y pipelines.
Los modelos se publican con licencias que permiten un uso amplio, con términos de comunidad que limitan el uso comercial por encima de ciertos umbrales de ingresos, así que conviene leer la licencia de cada versión. Los modelos más nuevos de Black Forest Labs, con FLUX, y de otros suelen superarlo en calidad, y Stability AI ha atravesado dificultades empresariales. Ejecutarlo en local exige una GPU capaz y algo de pericia técnica. Midjourney, FLUX y los modelos de imagen de OpenAI son las alternativas principales. Stable Diffusion sigue siendo importante para la personalización.