DeepFloyd IF

DeepFloyd IF 是一个由 Stability AI 支持的开源级联像素扩散模型，专门解决文生图中文字乱码和空间关系混乱的难题。它适合需要海报、logo 设计等精确文字呈现的开发者。 该模型分三个阶段从 64×64 像素逐步生成 1024×1024 的高清图像，使用冻结的 T5 文本编码器，在生成中直接操作像素而非隐空间，因此能够精准渲染英文等字母文字。根据社区实测，其文字准确度远超同期 Stable Diffusion 和 Midjourney，但整体艺术感和创意性较弱。 模型已在 Hugging Face 完全开源，提供在线 playgound 免费试用。但本地运行需要至少 24 GB 显存的 GPU（如 A10/A100 或消费级 4090），部署门槛较高，适合有技术背景的用户。官方未提供 API 定价，自行部署成本完全取决于算力投入。 2023 年 5 月发布时迅速引发热议，知乎与 X 上出现大量对比评测，证明其在文字和空间理解上的领先。但后续更新几乎停滞，热度被 SDXL、DALL·E 3 等模型迅速取代，目前更多作为文字生成的学术参考，而非主流生产力工具。