任何使用AI模型生成图像的服务都在涌现。这些服务中的大多数都提供基于积分的定价系统，您可以在其中购买积分以用于服务，并且每项服务都有自己的每张图片积分等级。另一种选择是直接在您自己的机器上部署文本到图像模型，这样可以避免任何使用成本，除了操作机器的成本。事实上，众所周知，文本到图像模型的能耗很高，而且通常需要高规格硬件才能有效地处理生成算法。特别是，通常需要一台至少有 16 GB RAM 的机器，除非您将计算会话专门用于图像生成，从而为该过程释放 RAM。
Stable Diffusion模型
StableDiffusion是最容易获得的图像生成模型之一，因为它可以很容易地安装在个人机器上，甚至是便携式机器上，而不需要太多专业知识。直到最近，由于在Mac的最新迭代中过渡到ARM架构， Mac生态系统无法使用此类软件，这需要一些特定的macOS相关软件优化，而 StableDiffusion 维护者尚未提供这些优化。
然而，这在最近几周发生了变化，因为Apple在GitHub 上发布了一个官方存储库，其中包含优化版本的StableDiffusion模型，以及有关如何创建自定义模型和/或将它们转换为Mac优化版本和使用的说明借助Apple Silicon CPU、GPU 和神经引擎资源，它们可以高效地运行。
https://machinelearning.apple.com/research/stable-diffusion-coreml-apple-silicon 与迄今为止可用的未优化版本相比，使用此优化版本进行的初步测试表明性能有了显着提高。然而，最突出的是图像生成过程的效率。在我的所有测试中，风扇从未旋转，并且可以同时使
diffusionmacappapple图像生成stablediffusion图像模型文本到图像iconcodecpumachinelearning专业知识模型生成ai模型coremlgitgpu自定义模型macos自定义githubstable diffusion生成模型url
