Stable Diffusion XL (SDXL)（エスディーエックスエル）
Stability AI 2023年7月公開のSD 第2世代モデル。35億params (UNet) + 2つのText Encoder・1024×1024 デフォルト・SD 1.5 比飛躍的品質向上。
概要
Stable Diffusion XL (SDXL) はStability AI が2023年7月26日に公開した第2世代Stable Diffusion モデル。Stable Diffusion 1.5 (2022-10) の大幅刷新版で、35億parameters (UNet 主)・OpenAI CLIP-ViT-L/14 + OpenCLIP ViT-bigG/14 のdual Text Encoder採用・1024×1024 デフォルト解像度。SDXL Base + Refiner の2段階生成構造で品質を大幅改善した。
SDXL vs SD 1.5 比較
| 項目 | SD 1.5 | SDXL |
|---|---|---|
| 公開 | 2022-10 | 2023-07 |
| Parameters (UNet) | 0.9B | 3.5B |
| Text Encoder | CLIP-ViT-L (1個) | CLIP-ViT-L + OpenCLIP ViT-bigG (2個) |
| 出力解像度 | 512×512 | 1024×1024 |
| アスペクト比対応 | 512×512 中心 | 1024×1024 + 他 |
| Refiner | なし | あり (オプション) |
| 推論VRAM | 4-6 GB | 10-12 GB |
Dual Text Encoder
SDXL の革新の1つ。CLIP-ViT-L/14 (OpenAI) と OpenCLIP ViT-bigG/14 (LAION) の2つのText Encoder を並行使用、Text Embedding を concatenation して入力。プロンプト解釈能力が大幅向上。
Base + Refiner 2段階構造
- SDXL Base (3.5B params): メイン生成・80% を担当
- SDXL Refiner (2.5B params): 詳細仕上げ・20% (高頻度域)
- Refiner は必須ではない・Base 単独でも生成可能だが、Refiner ありの方が高品質
バリアント / 派生
| モデル | 用途 |
|---|---|
| SDXL 1.0 Base | 標準 |
| SDXL 1.0 Refiner | 仕上げ用 |
| SDXL Turbo (2023-11) | 高速化版 (1ステップ生成) |
| SDXL Lightning (ByteDance 2024) | 4ステップ 高品質 |
| Pony Diffusion XL | アニメ/イラスト特化 |
| Juggernaut XL | 写実特化 |
| RealVisXL | 写真風特化 |
エコシステムの進化
- LoRA: SDXL 用に進化 (SD 1.5 用と非互換)
- ControlNet: SDXL 対応版が2023-08 から登場
- IP-Adapter: 画像参照生成
- Civitai SDXL タグ: 数千個のFinetuned モデル
- ComfyUI / Automatic1111 / Forge / Fooocus: GUI 対応
SDXL Turbo (2023-11)
Adversarial Diffusion Distillation (ADD) 手法で、通常50ステップ生成を1ステップに圧縮。1秒未満で1枚生成、品質はSDXL Base比80-90%。リアルタイム生成 / モバイル想定用途で活用。
関連用語との違い
- vs SD 1.5: 1024×1024 / 512×512・3.5B / 0.9B
- vs SD3: 進化・拡散 + Transformer ハイブリッド
- vs Flux: 競合・Flux Dev / Schnell
FAQ
Q1: 必要VRAM? A: 10GB が快適・8GB ぎりぎり可能・6GB は厳しい。SDXL Turbo なら6GB でも実用速度。
Q2: SD 1.5 LoRA 使える? A: 不可。SDXL 用 LoRA を別途取得必要。Civitai でSDXL タグ検索。
Q3: 商用? A: CreativeML Open RAIL-M 継承・商用可能。多くのサービス・本がSDXL 生成を商用利用。