शुरुआती लोगों के लिए स्टेबल डिफ्यूजन क्रैश कोर्स

1. स्टेबल डिफ्यूजन का परिचय और स्थानीय सेटअप [0]

स्टेबल डिफ्यूजन एक डीप लर्निंग टेक्स्ट-टू-इमेज मॉडल है जो टेक्स्ट प्रॉम्प्ट का उपयोग करके कला और छवियां बनाता है।

1.1. स्टेबल डिफ्यूजन क्या है और इसे कैसे स्थापित करें [0]

1. स्टेबल डिफ्यूजन एक डीप लर्निंग टेक्स्ट-टू-इमेज मॉडल है जिसे 2022 में जारी किया गया था, जो डिफ्यूजन तकनीकों पर आधारित है [10]।
   1. यह कोर्स स्टेबल डिफ्यूजन को एक उपकरण के रूप में उपयोग करने पर केंद्रित है, न कि इसकी तकनीकी बारीकियों पर [2]।
   2. वेरिएशनल ऑटोएन्कोडर, एम्बेडिंग, या डिफ्यूजन तकनीकों जैसे बड़े शब्दों को समझने के लिए मशीन लर्निंग पृष्ठभूमि और कुछ शोध की आवश्यकता होती है [12]।
2. स्टेबल डिफ्यूजन को स्थानीय रूप से चलाने के लिए GPU तक पहुंच की आवश्यकता होती है [13]।
   1. Google Colab का मुफ्त GPU वातावरण काम नहीं करेगा क्योंकि यह अपने नोटबुक में गुणन को चलने से प्रतिबंधित करता है [14]।
   2. यदि आपके पास GPU नहीं है, तो आप कुछ वेब-होस्टेड स्टेबल डिफ्यूजन इंस्टेंस का उपयोग कर सकते हैं, जिनकी जानकारी वीडियो के अंत में दी गई है [16]।
3. कोर्स में शामिल विषय हैं: [18]
   1. स्टेबल डिफ्यूजन का उपयोग कैसे करें और इसे स्थानीय रूप से कैसे सेट करें।
   2. किसी विशिष्ट चरित्र या कला शैली के लिए अपना मॉडल (जिसे LoRA मॉडल कहा जाता है) कैसे प्रशिक्षित करें।
   3. कंट्रोल नेट का उपयोग कैसे करें, जो एक लोकप्रिय स्टेबल डिफ्यूजन प्लगइन है।
   4. स्टेबल डिफ्यूजन के API एंडपॉइंट का उपयोग कैसे करें।
4. स्टेबल डिफ्यूजन को स्थापित करने के लिए, आपको GitHub रिपॉजिटरी पर जाना होगा और निर्देशों का पालन करना होगा [22]।
   1. इंस्टॉलेशन प्रक्रिया में समय लग सकता है [25]।
5. मॉडल डाउनलोड करने के लिए CivitAI एक मॉडल होस्टिंग साइट है [31]।
   1. काउंटरफीट जैसे मॉडल एनीमे जैसी छवियां बनाते हैं [33]।
   2. मॉडल फ़ाइलों में ".safetensors" शामिल होते हैं, जो मुख्य मॉडल होते हैं, और "model.vae.pt" एक वेरिएशनल ऑटोएन्कोडर (VAE) मॉडल होता है जो छवियों को बेहतर, अधिक संतृप्त और स्पष्ट बनाता है [38]।
   3. चेकपॉइंट मॉडल को "models/stable-diffusion" फ़ोल्डर में और VAE मॉडल को "VAE" फ़ोल्डर में डाउनलोड करें (यदि VAE फ़ोल्डर मौजूद नहीं है तो उसे बनाएं) [40]।
6. वेब UI को लॉन्च करने से पहले, आप "webui-user.sh" फ़ाइल में सेटिंग्स को कस्टमाइज़ कर सकते हैं [43]।
   1. --share कमांड लाइन आर्ग्यूमेंट को कॉन्फ़िगर करने से एक सार्वजनिक रूप से सुलभ URL मिलता है, जिससे दोस्त स्थानीय रूप से होस्ट किए गए वेब UI तक पहुंच सकते हैं [45]।
   2. VAE को डिफ़ॉल्ट रूप से उपयोग करने के लिए, आपको वेब UI की उपयोगकर्ता सेटिंग्स में VAE पथ सेट करना होगा [48]।
7. वेब UI को "webui.bat" (विंडोज उपयोगकर्ताओं के लिए) का उपयोग करके शुरू किया जाता है, और इसमें कुछ समय लग सकता है [50]।
   1. लॉग लाइनों से पता चलता है कि VAE लोड हो गया है और एक लोकलहोस्ट URL और एक सार्वजनिक URL दोनों उपलब्ध हैं [53]।

1.2. टेक्स्ट-टू-इमेज और इमेज-टू-इमेज का उपयोग करना [56]

1. वेब UI में, छवियों को उत्पन्न करने के लिए प्रॉम्प्ट दर्ज करने के लिए एक बड़ा टेक्स्ट बॉक्स होता है [56]।
   1. आप लंबे स्ट्रिंग प्रॉम्प्ट या कीवर्ड/छोटे टेक्स्ट का उपयोग कर सकते हैं [58]।
   2. CivitAI जैसी वेबसाइटों पर संदर्भ टैग उपलब्ध हैं, जिन पर स्टेबल डिफ्यूजन मॉडल प्रशिक्षित होते हैं [64]।
2. आप बैच आकार जैसे पैरामीटर बढ़ा सकते हैं ताकि एक ही जनरेशन से कई छवियां मिलें, और चेहरे को पुनर्स्थापित करें (restore face) विकल्प को चालू कर सकते हैं [69]।
   1. नकारात्मक प्रॉम्प्ट का उपयोग करके आप अवांछित तत्वों को हटा सकते हैं, जैसे कि हरे रंग की पृष्ठभूमि [76]।
   2. विभिन्न सैंपलिंग विधियां अलग-अलग कला शैलियों का उत्पादन कर सकती हैं [80]।
3. एम्बेडिंग का उपयोग करके छवियों की गुणवत्ता में सुधार किया जा सकता है, जैसे कि विकृत हाथों को ठीक करना [85]।
   1. "इजी नेगेटिव" (Easy Negative) एक टेक्स्टुअल इनवर्जन एम्बेडिंग है जो छवि की गुणवत्ता को बढ़ाता है और हाथों को बेहतर बनाता है [87]।
   2. "इजी नेगेटिव" .safetensors फ़ाइलों को एम्बेडिंग डायरेक्टरी में डाउनलोड करें और उन्हें नकारात्मक प्रॉम्प्ट में जोड़ें [90]।
4. इमेज-टू-इमेज टैब आपको एक मौजूदा छवि को अपलोड करने और उसे संशोधित करने की अनुमति देता है [97]।
   1. आप मूल छवि के समान मुद्रा बनाए रखते हुए बालों का रंग या पृष्ठभूमि जैसे तत्वों को बदल सकते हैं [99]।
   2. अन्य इमेज-टू-इमेज विकल्पों में स्केचिंग या इन-पेंटिंग शामिल हैं, जो क्षतिग्रस्त क्षेत्रों की मरम्मत या पुनर्स्थापित करने के लिए होते हैं [107]।

2. LoRA मॉडल को प्रशिक्षित करना [109]

LoRA मॉडल को प्रशिक्षित करने से स्टेबल डिफ्यूजन को किसी विशिष्ट चरित्र या कला शैली के अनुरूप छवियां बनाने में मदद मिलती है।

2.1. LoRA मॉडल प्रशिक्षण के लिए तैयारी [109]

1. LoRA का अर्थ लो-रैंक एडाप्टेशन है, जो डीप लर्निंग मॉडल को फाइन-ट्यून करने की एक नई तकनीक है [111]।
   1. यह प्रशिक्षित करने योग्य मापदंडों की संख्या को कम करके और कुशल टेंसर स्विचिंग को सक्षम करके काम करता है [112]।
   2. स्टेबल डिफ्यूजन के लिए, यह चेकपॉइंट मॉडल को पैच करता है ताकि उत्पन्न छवियां किसी विशिष्ट चरित्र या कला शैली के समान दिखें [113]।
2. LoRA प्रशिक्षण के लिए Google Colab का उपयोग किया जाता है, न कि स्थानीय GPU का [114]।
   1. Google Colab एक ऑनलाइन सहयोगी सेवा है, इसलिए नोटबुक में कोड अपडेट हो सकता है, जिससे त्रुटियां हो सकती हैं [116]।
   2. ऐसी स्थिति में, CivitAI पोस्ट पर मेंटेनर से संपर्क करना सहायक हो सकता है [118]।
3. मॉडल को प्रशिक्षित करने के लिए डेटासेट की आवश्यकताएं हैं: [119]
   1. वांछित चरित्र या कला शैली की 20 से 1000 छवियां होनी चाहिए [120]।
   2. छवियों में विविधता होनी चाहिए; यदि सभी क्लोज-अप शॉट हैं, तो मॉडल को पूरे शरीर को उत्पन्न करने में कठिनाई होगी [121]।
4. Google Colab नोटबुक में, आप अपने प्रोजेक्ट का नाम दे सकते हैं (जैसे "Lydia") [123]।
   1. नोटबुक चलाने पर Google Drive से कनेक्ट करने के लिए संकेत मिलेगा ताकि प्रशिक्षण छवियों को पढ़ा जा सके [125]।
   2. आप इंटरनेट से छवियां प्राप्त कर सकते हैं या उन्हें Google Drive पर अपलोड कर सकते हैं [126]।
   3. Google Drive में, नोटबुक एक 'Laura' फ़ोल्डर बनाता है, जिसके अंदर आपका प्रोजेक्ट फ़ोल्डर (जैसे 'Lydia') होता है, जहाँ प्रशिक्षण छवियां अपलोड की जाती हैं [127]।
5. छवियों को क्यूरेट करें (Curate Your Images) सेल प्रशिक्षण सेट से डुप्लिकेट को हटाने में मदद करता है [132]।
6. एक AI उपकरण छवियों को टैग करने में मदद करता है, जिससे टेक्स्ट प्रॉम्प्ट के रूप में उपयोग किए जाने वाले कीवर्ड उत्पन्न होते हैं [133]।
   1. उदाहरण के लिए, "Lydia" की छवियों के लिए "भूरे बाल, छोटे बाल, हरी आंखें, एक लड़की, सोलो, चेहरा केंद्रित" जैसे टैग की उम्मीद की जा सकती है [134]।
7. ग्लोबल एक्टिवेशन टैग का उपयोग बेस स्टेबल डिफ्यूजन मॉडल का उपयोग करते समय LoRA मॉडल की पहचान करने में मदद करता है [136]।
   1. जब एक्टिवेशन टैग टेक्स्ट प्रॉम्प्ट में डाला जाता है, तो स्टेबल डिफ्यूजन-आधारित मॉडल LoRA के लिए विशिष्ट चरित्र या कला शैलियों को उत्पन्न करना जानता है [137]।
   2. प्रशिक्षण सेट से शीर्ष 50 टैग देखे जा सकते हैं, और ग्लोबल एक्टिवेशन टैग को टेक्स्ट में जोड़ने के लिए कैरियर टैग (Carrier TAG) सेल चलाया जाता है [139]।
8. प्रशिक्षण नोटबुक चलाने से पहले, किसी भी अन्य Google Colab नोटबुक को बंद करना और उसके रनटाइम को हटाना आवश्यक है, खासकर यदि आप मुफ्त संस्करण का उपयोग कर रहे हैं [146]।

2.2. LoRA मॉडल को प्रशिक्षित करना और उसका मूल्यांकन करना [150]

1. प्रशिक्षण चरण (training steps) यह निर्धारित करते हैं कि मॉडल को कितनी देर तक प्रशिक्षित किया जाएगा [150]।
   1. बहुत कम चरण गुणवत्ता को कम कर देंगे, जबकि बहुत अधिक चरण ओवरफिटिंग और छवियों को विकृत कर देंगे [153]।
   2. छवियों को प्रशिक्षण के दौरान कई बार दोहराया जाएगा; छवियों की संख्या को उनके दोहराव की संख्या से गुणा करने की सिफारिश की जाती है, जो 200 और 400 के बीच होनी चाहिए [155]।
   3. हर युग (epoch) के बजाय हर दो युग में मॉडल को सहेजने की सिफारिश की जाती है [158]।
2. प्रशिक्षण में कॉन्फ़िगरेशन के आधार पर कुछ समय लग सकता है [161]।
   1. प्रशिक्षण पूरा होने के बाद, आउटपुट फ़ोल्डर में कई मॉडल ".safetensor" के साथ समाप्त होते हैं, जिसमें संख्या प्रशिक्षण के युगों की संख्या को दर्शाती है [165]।
3. मॉडल का मूल्यांकन छवियों को उत्पन्न करके किया जाता है [166]।
   1. वेब UI में, नकारात्मक एम्बेडिंग का उपयोग किया जाता है, और फिर LoRA मॉडल का परीक्षण किया जाता है [173]।
   2. LoRA मॉडल चरित्र लक्षणों को कैप्चर कर सकता है, जैसे छोटे भूरे बाल और हरी आंखें [176]।
4. एक्टिवेशन कीवर्ड को प्रॉम्प्ट में शामिल करने से LoRA मॉडल को बेहतर ढंग से मार्गदर्शन करने में मदद मिलती है [177]।
   1. यदि प्रशिक्षण सेट में बहुत सारी हाफ-बॉडी छवियां हैं, तो मॉडल हाफ-बॉडी छवियां उत्पन्न कर सकता है, इसलिए डेटासेट में विविधता महत्वपूर्ण है [180]।
5. विभिन्न युगों के लिए प्रशिक्षित मॉडल का परीक्षण करने से मामूली अंतर दिख सकते हैं, जैसे कि बिना "चश्मा" टैग के चश्मे का संकेत [183]।
6. अधिक विशिष्ट और विस्तृत टेक्स्ट प्रॉम्प्ट जोड़ने से Lydia के समान अधिक विस्तृत छवियां उत्पन्न होती हैं [185]।
   1. पृष्ठभूमि और पोशाक को बदलकर चरित्र को विभिन्न परिदृश्यों में रखा जा सकता है, जैसे कि एक बरिस्ता के रूप में [188]।
7. बेस मॉडल को बदलने से पूरी तरह से अलग कला शैली मिल सकती है [191]।
   1. उदाहरण के लिए, ओपन जर्नी (Open Journey) मॉडल मिडजर्नी की शैली की नकल करता है, जिससे अधिक जीवंत कला शैली मिलती है [194]।
8. अधिक जटिल छवियां उत्पन्न करने के लिए अधिक परतें जोड़ी जा सकती हैं [197]।
   1. CivitAI वेबसाइट पर, चेकपॉइंट मॉडल के अलावा, लोअर-टियर मॉडल भी उपलब्ध हैं [198]।
   2. नमूना छवियों पर क्लिक करने से जनरेशन डेटा (टेक्स्ट प्रॉम्प्ट, नकारात्मक प्रॉम्प्ट, चरणों की संख्या) प्रदर्शित होता है, जो एक अच्छा संदर्भ है [199]।
   3. सीड (seed) को कॉपी करने से नमूना छवियों के समान छवियां प्राप्त हो सकती हैं [200]।
9. ब्लैक एंड व्हाइट मंगा छवियों पर प्रशिक्षित LoRA मॉडल का उपयोग करने से मंगा जैसी शैली में छवियां मिल सकती हैं, यदि आप उनके ट्रिगर शब्द (जैसे "लाइन आर्ट" और "मोनोक्रोम") का उपयोग करते हैं [204]।

3. कंट्रोल नेट और अन्य प्लगइन्स का उपयोग करना [208]

कंट्रोल नेट और अन्य प्लगइन्स स्टेबल डिफ्यूजन में छवि जनरेशन पर अधिक बारीक नियंत्रण प्रदान करते हैं।

3.1. कंट्रोल नेट का उपयोग करना [208]

1. कंट्रोल नेट एक प्लगइन है जो छवियों पर फाइन-ट्यूनिंग शक्ति प्रदान करता है [210]।
   1. यह AI-जनरेटेड रंगों के साथ लाइन आर्ट को भर सकता है, स्क्रिबल को AI से पूरा करवा सकता है, या चित्रों में पात्रों की मुद्रा को नियंत्रित कर सकता है [212]।
2. कंट्रोल नेट को स्थापित करने के लिए, GitHub पेज पर दिए गए इंस्टॉलेशन चरणों का पालन करें [213]।
   1. यदि सुरक्षा चेतावनी आती है, तो आपको वेब UI सेटिंग्स में "--enable-insecure-extension-access" जोड़ना पड़ सकता है, फिर वेब UI को पुनरारंभ करें [214]।
   2. आवश्यक मॉडल डाउनलोड करें और उन्हें सही फ़ोल्डर में रखें [215]।
3. वेब UI में कंट्रोल नेट प्लगइन का विस्तार करने पर, छवियों को खींचने और छोड़ने के लिए एक क्षेत्र और कई पैरामीटर सेटिंग्स दिखाई देती हैं [218]।
   1. लो VRAM और पिक्सेल परफेक्ट जैसे विकल्पों को चालू किया जा सकता है [220]।
   2. टेक्स्ट प्रॉम्प्ट और कंट्रोल नेट पैरामीटर सेटिंग्स दोनों छवियों के परिणाम को प्रभावित करती हैं [222]।
4. स्क्रिबल मॉडल का उपयोग करके, आप एक कैनवास पर कुछ भी बेतरतीब ढंग से बना सकते हैं, और AI उसे अद्भुत रंगों से भर देगा [223]।
5. लाइन आर्ट मॉडल का उपयोग करके, आप वास्तविक लाइन आर्ट को AI से रंगवा सकते हैं [233]।
   1. यदि प्रॉम्प्ट में लोगों को शामिल करने के लिए नहीं कहा जाता है, तो केवल पृष्ठभूमि की छवियां उत्पन्न होंगी [237]।
   2. प्रॉम्प्ट में "दो लड़कियां" जैसे स्पष्ट निर्देश शामिल करने से छवियों में लोग शामिल होंगे [240]।
   3. यदि रंग अजीब लगते हैं, तो AI को अधिक स्वतंत्रता देने के लिए स्क्रिबल मॉडल का उपयोग किया जा सकता है [242]।
   4. मूल लाइन आर्ट के समान पहलू अनुपात को ठीक किया जा सकता है [245]।

3.2. अन्य शक्तिशाली प्लगइन्स और एक्सटेंशन [250]

1. स्टेबल डिफ्यूजन UI GitHub रिपॉजिटरी के विकी पेज पर एक्सटेंशन की एक सूची है [250]।
2. कुछ उल्लेखनीय एक्सटेंशन में शामिल हैं:
   1. VRAM एस्टिमेटर जो VRAM उपयोग को अधिकतम करने के लिए छवि आयामों और बैच आकार को बढ़ाने में मदद करता है [254]।
   2. एक जो आपको कुछ मुद्राएं (poses) बनाने की अनुमति देता है [255]।
   3. एक जो विवरणों को चुनिंदा रूप से बढ़ाने के लिए एक क्षेत्र को लक्षित करता है [256]।
   4. एक जो वीडियो उत्पन्न करता है और कंट्रोल नेट एक्सटेंशन के साथ काम करता है [257]।
   5. एक जो छवि में LoRA के कार्य करने वाले स्थान को फाइन-ट्यून करने में मदद करता है [258]।
   6. एक जो आपके LoRA मॉडल का कस्टम थंबनेल दृश्य दिखाता है [259]।
   7. स्थानीयकरण और प्रॉम्प्ट संपादन के लिए एक्सटेंशन [260]।
   8. एक जो छवियों को पिक्सेल आर्ट शैली में परिवर्तित करता है [263]।
   9. एक जो आपके लिए टेक्स्ट प्रॉम्प्ट उत्पन्न करने के लिए ट्रांसफॉर्मर मॉडल का उपयोग करता है [265]।
   10. एक और प्रॉम्प्ट जनरेटर जो AI द्वारा छवियों को उत्पन्न करते समय मध्यवर्ती छवियों को सहेजता है [266]।
   11. एक जो स्वचालित रूप से पृष्ठभूमि को हटाता है और केवल केंद्रीय आकृतियों को छोड़ता है [267]।
3. कई एक्सटेंशन उपलब्ध हैं, और लोग अपनी आवश्यकताओं के अनुसार अपने स्वयं के प्लगइन्स और एक्सटेंशन भी बनाते हैं [268]।

4. स्टेबल डिफ्यूजन API का उपयोग करना और मुफ्त ऑनलाइन प्लेटफॉर्म [270]

स्टेबल डिफ्यूजन API का उपयोग करके प्रोग्रामेटिक रूप से छवियां उत्पन्न की जा सकती हैं, और मुफ्त ऑनलाइन प्लेटफॉर्म उन लोगों के लिए विकल्प प्रदान करते हैं जिनके पास GPU नहीं है।

4.1. स्टेबल डिफ्यूजन API का उपयोग करना [270]

1. स्टेबल डिफ्यूजन रिपॉजिटरी वेबसाइट पर एक API डॉक्यूमेंटेशन पेज है [271]।
   1. API को सक्षम करने के लिए, वेब UI में --api को चालू करना होगा [272]।
   2. टेक्स्ट-टू-इमेज API एंडपॉइंट और इमेज-टू-इमेज API एंडपॉइंट जैसे कई एंडपॉइंट हैं [273]।
2. API का उपयोग करने के लिए, प्रॉम्प्ट, चरणों की संख्या और अन्य पैरामीटर को पेलोड में डाला जाता है, जो वेब UI का उपयोग करने के समान होता है [274]।
   1. पेलोड को POST विधि का उपयोग करके वेब UI API एंडपॉइंट पर भेजा जाता है, और फिर छवियों को डिकोड करने के लिए कुछ बाइट्स प्राप्त होते हैं [275]।
3. डेवलपर्स ने एंडपॉइंट को क्वेरी करने, छवियां प्राप्त करने और उन्हें output.png के रूप में सहेजने के लिए एक सरल पायथन कोड स्निपेट प्रदान किया है [276]।
   1. कोड स्निपेट को स्थानीय रूप से चलाया जा सकता है, और यदि आवश्यक हो तो मॉड्यूल को pip का उपयोग करके स्थापित किया जा सकता है [278]।
   2. पेलोड में नकारात्मक प्रॉम्प्ट भी जोड़े जा सकते हैं [284]।
4. वीडियो के अंतिम पांच मिनट में API एंडपॉइंट का परीक्षण करने के लिए पोस्टमैन (Postman) ऐप का उपयोग किया जाता है [289]।
   1. अनुरोध URL टेक्स्ट-टू-इमेज एंडपॉइंट होता है, और POST विधि का उपयोग किया जाता है, जिसमें बॉडी रॉ JSON होती है [292]।
   2. प्रतिक्रिया में छवियों का प्रतिनिधित्व करने वाली एक लंबी स्ट्रिंग होती है, जिसे ऑनलाइन base64 से इमेज डिकोडर का उपयोग करके डिकोड किया जा सकता है [295]।
5. पायथन कोड में, json, requests, base64 और कुछ इमेज लाइब्रेरी आयात किए जाते हैं [299]।
   1. URL सार्वजनिक इंस्टेंस पर सेट किया जाता है जिस पर वेब UI चल रहा है, और पेलोड बनाया जाता है [302]।
   2. पेलोड के साथ विशिष्ट API एंडपॉइंट पर POST अनुरोध किया जाता है [303]।
   3. प्रतिक्रिया प्राप्त होती है, JSON में परिवर्तित होती है, और images फ़ील्ड से इमेज स्ट्रिंग को डिकोड किया जाता है [304]।
   4. PNG के लिए मेटाडेटा (जैसे पैरामीटर) प्राप्त किया जाता है, और छवि को PNG जानकारी के साथ सहेजा जाता है [306]।
6. आप अपनी पसंद की अन्य प्रोग्रामिंग भाषाओं में भी API अनुरोध कर सकते हैं [311]।

4.2. मुफ्त ऑनलाइन प्लेटफॉर्म पर स्टेबल डिफ्यूजन चलाना [312]

1. यदि आपके पास GPU तक पहुंच नहीं है, तो आप कुछ मुफ्त ऑनलाइन प्लेटफॉर्म पर स्टेबल डिफ्यूजन चला सकते हैं [312]।
   1. इन प्लेटफॉर्म पर प्रतिबंध होते हैं, जैसे सभी मॉडलों तक पहुंच नहीं होना, कस्टम मॉडल अपलोड करने में असमर्थता, और सर्वर का उपयोग करने वाले अन्य लोग, जिससे छवियों को उत्पन्न होने में लंबा समय लग सकता है [313]।
2. हगिंग फेस (Hugging Face) पर, आप स्पेसेस (Spaces) में स्टेबल डिफ्यूजन खोज सकते हैं और सबसे अधिक पसंद किए गए लोगों द्वारा सॉर्ट कर सकते हैं [314]।
   1. स्टेबिलिटी AI (Stability AI) द्वारा मूल मॉडल सबसे लोकप्रिय है, लेकिन यह अक्सर "पास" दिखाता है, जिसका अर्थ है कि यह उपयोग के लिए उपलब्ध नहीं हो सकता है [316]।
   2. ऑनलाइन मॉडल सीमित हो सकते हैं कि उनके पास वांछित बेस मॉडल या शैली नहीं हो सकती है [320]।
   3. कुछ मॉडल एनीमे छवियों को उत्पन्न करने के लिए महान नहीं हो सकते हैं, जो उनकी सीमाओं में से एक है [321]।
3. जेनेरिक फोटो (generic photo) मॉडल जैसे विकल्प उपलब्ध हैं [322]।
   1. ये मानक वेब UI के समान दिखते हैं और ऑनलाइन GPU पर चलते हैं [325]।
   2. मॉडल ProGen हो सकता है, जो एक फोटोरियलिज्म मॉडल है [326]।
   3. छवियों की संख्या प्रतिबंधित हो सकती है, और आपको कतार में इंतजार करना पड़ सकता है [327]।
   4. यदि आप इंतजार नहीं करना चाहते हैं या अपने स्वयं के कस्टम मॉडल का उपयोग करना चाहते हैं, तो आपको अपना GPU प्राप्त करने पर विचार करना चाहिए [328]।
4. लगभग पांच मिनट इंतजार करने के बाद, परिणाम प्राप्त होते हैं, जो काफी अच्छे दिखते हैं [329]।