Stability AI 发布 SDXL Turbo：单步出图，实现实时文生图

想象一下，你每在键盘上敲下一个词，屏幕上的画面就跟着瞬间重构一次，完全没有以前按完回车等读条的卡顿感。

Stability AI 宣布推出实时文生图模型 SDXL Turbo。它最大的看点，是把传统扩散模型动辄需要三五十步的降噪过程，直接砍到了一步。

这意味着生图速度从等待几秒缩短到了几百毫秒，真正的「实时生成」终于不再只是概念演示。

一步成图是怎么做到的

传统的扩散模型之所以慢，是因为它要像剥洋葱一样，从纯噪声里一步一步把图像细节抠出来，通常要反复计算几十轮。

SDXL Turbo 引入了一种叫做对抗扩散蒸馏的技术，英文缩写是 ADD。简单来说，它把对抗训练和分数蒸馏揉在了一起。

这一步走得相当巧妙。它借来了对抗生成网络单步直接输出图像的爆发力，同时又保留了大底模扩散模型对画面的掌控力和丰富细节，避开了以往加速方法容易发虚、画面糊成一片的毛病。

反映在硬件上，数字非常夸张。在单张英伟达 A100 上，SDXL Turbo 生成一张 512 乘 512 分辨率的图片，全流程只需要 207 毫秒。这里面还算上了提示词编码和图像解码的时间，如果只算核心的单步 UNet 前向推理，其实只要 67 毫秒。

在双盲质量评测里，评测者不知道哪张图来自哪个模型。结果显示，单步的 SDXL Turbo 评分超过了四步的 LCM-XL，而只要给它四步时间，它的出图质量就打败了跑满 50 步的经典版 SDXL 原版模型。

怎么玩到以及谁能用

如果你只是想体验一下键盘敲字实时变图的感觉，Stability AI 已经在自己的 Clipdrop 网页工具里上线了测试版 Demo，大部分主流浏览器都能免费试玩。

如果你是开发者，SDXL Turbo 的模型权重和运行代码已经上传到了 Hugging Face。

不过要注意，这次开放的权重遵循的是非商业研究许可证，只允许个人学习和非商用研究。想要把它集成到自己的商业软件或者商用 API 里的团队，暂时只能走官方商务渠道去谈授权。

为什么重要

我们认为，SDXL Turbo 的出现，把 AI 作图从「异步交付任务」彻底变成了「实时人机交互」。

以前做 AI 设计，用户输入提示词后必须喝口水等结果，如果不满意再改词重来，整个反馈回路非常长。现在降到 200 毫秒以内，意味着它可以被直接塞进画板画笔工具、游戏实时渲染管线，甚至是视频直播滤镜里，交互形态完全变了。

对行业来说，它给同类加速技术立了一个极高的标杆。此前社区里火热的 LCM 等方案虽然也把步数压缩到了几步，但往往伴随着明显的画质妥协和噪点。SDXL Turbo 证明了只要蒸馏方法找对，单步成图同样能维持极高水准，这会倒逼所有扩散模型厂商加速自身的蒸馏优化。

但它的隐患也很明显。一方面是当前的开源许可卡死了商业化路径，很多独立开发者没法直接拿它来做商业变现，热情可能会打折；另一方面，512 乘 512 的输出尺寸在今天对专业插画师来说仍然偏小，想要高清成品依然需要额外的放大流程。即便如此，在实时交互这一步上，它确实把行业往前拽了一大截。