Stable Diffusion v1.1: আসল রিলিজ, সৃজনশীলভাবে ব্যবহৃত

Q: সবকিছু ঝাপসা

এটাই মডেলের প্রকৃতি। এটা মেনে নাও অথবা ছবিটা আপস্কেলার এবং নতুন মডেলের img2img কম ডিনয়েজে চালাও।

Q: প্রম্পট উপেক্ষিত

দুর্বল টেক্সট বোঝাপড়া। প্রম্পট ছোট করো সবচেয়ে গুরুত্বপূর্ণ দুই-তিনটি বিশেষ্য রেখে এবং CFG 9-10 এ বাড়াও।

বিষয়: মডেল

লিখেছেন Captain

প্রকাশিত সেপ্টে 29, 2026

সারসংক্ষেপ

CompVis থেকে Stable Diffusion v1.1 হলো সিরিজের সবচেয়ে পুরানো প্রকাশিত checkpoint, প্রথমে 256x256 এ LAION-2B তে এবং পরে 512x512 এ উচ্চ রেজোলিউশনের LAION ছবিতে ট্রেইন করা হয়েছে। এটি ক্যাটালগে ইতিহাসের অংশ হিসেবে আছে এবং কারণ এর ঢিলেঢালা ভাব দরকারি।

নরম আকার, অদ্ভুত হাত এবং মানুষের ওপর ভারী ব্লার আশা করো। এছাড়াও সুন্দর বিমূর্ত টেক্সচার, চিত্রশৈল্পিক ল্যান্ডস্কেপ এবং ২০২২ সালের একটি আলাদা লুক যা নতুন মডেলগুলো নকল করতে পারে না।

মডেল কার্ড: sdv1

মডেলের তথ্য খুলুন Hugging Bay খুলুন

রেফারেন্স

নাম	ধরন	এটি কী
Prompt	text	সংক্ষিপ্ত, ভাবপ্রবণ বাক্যাংশ। দীর্ঘ প্রম্পট বেশিরভাগ সময় উপেক্ষিত হয়।
Negative prompt	text	অল্প প্রভাব; কয়েকটি শব্দ সর্বোচ্চ।
CFG	7-10	উচ্চ মান গোলমালের মধ্যে থেকে গঠন বের করতে বাধ্য করে।
Steps	30-50	পরবর্তী মডেলগুলোর তুলনায় এটি স্থির হতে বেশি ধাপ প্রয়োজন।
Resolution	512x512	বর্গাকার এবং ছোট রাখো।

ধাপে ধাপে

একটি একক ভাবপ্রবণ লাইন লেখো: সবুজ আলোয় একটি প্রবাল ক্যাথেড্রাল।
512x512 সেট করো, CFG 8, 40 ধাপ, Euler a।
আটটি ছবি তৈরি করো; বীজের মধ্যে বৈচিত্র্য বেশি।
একটি পছন্দের ছবি আধুনিক আপস্কেলার দিয়ে বড় করো যাতে টেক্সচার থাকে কিন্তু প্রান্ত তীক্ষ্ণ হয়।
ঐচ্ছিকভাবে ফলাফলটি নতুন মডেলের মাধ্যমে 0.3-0.4 ডিনয়েজে চালাও যাতে গঠন পরিষ্কার হয় কিন্তু কম্পোজিশন থাকে।

উদাহরণ

বিমূর্ত টেক্সচার

a cathedral made of coral and bioluminescent algae, deep sea, green light, oil painting

প্রাথমিক AI নান্দনিকতা

dreamlike photograph of a forgotten ballroom filling with fog, 2022 ai art style

সৃজনশীল ধারণা: অ্যালবাম কভার

album cover, a melting brass trumpet on a salt flat at dusk, grainy, surreal, cyanotype

টিপস

বিমূর্ত এবং পদার্থগত প্রম্পট (গলিত কাচ, কাই, মরিচা, নেবুলা) এখানে ভালো কাজ করে।
মুখ এড়িয়ে চলো যদি তুমি ইচ্ছাকৃতভাবে প্রাথমিক AI এর অদ্ভুত লুক না চাও।
এটাকে কম্পোজিশন জেনারেটর হিসেবে ব্যবহার করো এবং অন্য মডেলে পরিমার্জন করো।
ফিল্ম এবং প্রিন্ট শব্দ (সায়ানোটাইপ, ড্যাগুয়েরোটাইপ) এর নরম ভাবের সাথে মানায়।

সমস্যার সমাধান

সবকিছু ঝাপসা

কেন হয়

এটাই মডেলের প্রকৃতি।

কীভাবে ঠিক করবেন

এটা মেনে নাও অথবা ছবিটা আপস্কেলার এবং নতুন মডেলের img2img কম ডিনয়েজে চালাও।

প্রম্পট উপেক্ষিত

কেন হয়

দুর্বল টেক্সট বোঝাপড়া।

কীভাবে ঠিক করবেন

প্রম্পট ছোট করো সবচেয়ে গুরুত্বপূর্ণ দুই-তিনটি বিশেষ্য রেখে এবং CFG 9-10 এ বাড়াও।

প্রশ্ন

এটা টপ ১০০ তে কেন?

কৌতূহল এবং ইতিহাস: এটা প্রথম পাবলিক Stable Diffusion checkpoint।

SD 1.5 LoRA কাজ করে?

লোড হয়, কিন্তু 1.5 ওজনের বিরুদ্ধে ট্রেইন করা হয়েছে এবং এখানে আচরণ অনিশ্চিত।

লিংক ও উৎস

Hugging Face model card

এই গাইডের মডেল

Stable Diffusion 1.5 মডেল

লিখেছেন

Captain

এই জাহাজ চালায়। VAE ডিকোড সময় নিয়ে এমন মতামত আছে যা কেউ চায়নি। বিশ্বাস করে ওজনগুলো মুক্ত হতে চায় এবং যে কোনো মডেল আপনি ডাউনলোড করতে না পারলে তা সাবস্ক্রিপশন যার অতিরিক্ত ধাপ আছে। NAS এ ৪০০ জিবি চেকপয়েন্ট নিয়ে প্রশ্ন নেবে না।

Captain এর সব গাইড