غيّر SDXL Turbo طريقة عمل توليد الصور بالذكاء الاصطناعي من جذورها. يعتمد على تقطير الانتشار التنافسي (adversarial diffusion distillation)، فيضغط عملية التوليد البطيئة متعددة الخطوات في تمريرة تشغيل واحدة، لينتج صورًا عالية الدقة في أقل من ثانية. يشرح هذا المقال كيف تعمل التقنية، وأين تحقق أفضل أداء، وكيف تستفيد إلى أقصى حد من النماذج السريعة القائمة على SDXL اليوم.
كانت السرعة في الماضي هي العامل الذي يحدد سقف ما يمكن أن يحققه توليد الصور بالذكاء الاصطناعي بواقعية. كانت نماذج الانتشار التقليدية تحتاج إلى 20 أو 50 أو أحيانًا أكثر من 100 خطوة تكرارية لإزالة الضوضاء كي تنتج صورة واحدة، وكانت كل خطوة تستغرق وقتًا. غيّر SDXL Turbo هذه المعادلة. أطلقته Stability AI في أواخر عام 2023، وقدّم نهجًا جديدًا لمشكلة التشغيل، خفّض وقت التوليد من عدة ثوانٍ إلى أجزاء من الثانية، باستخدام تقنية تُسمى تقطير الانتشار التنافسي. إذا تساءلت يومًا لماذا تظهر بعض صور الذكاء الاصطناعي تقريبًا فورًا بينما يستغرق غيرها توقفًا ملحوظًا، فإن SDXL Turbo جزء أساسي من هذه الإجابة.
SDXL Turbo ليس نموذجًا منفصلًا بُني من الصفر. إنه نسخة مقطَّرة من Stable Diffusion XL، النموذج الرائد من Stability AI لتحويل النص إلى صورة عالية الدقة. يتمثل الابتكار الأساسي في "التقطير": بدلًا من تدريب بنية جديدة كليًا، استخدم الفريق أسلوبًا يضغط عملية التوليد البطيئة متعددة الخطوات في نموذج قادر على إنتاج صور عالية الجودة بخطوة إزالة ضوضاء واحدة فقط.
الاسم الرسمي لهذه الطريقة هو تقطير الانتشار التنافسي (ADD). وهو أسلوب تدريب يقوم فيه نموذج الطالب (SDXL Turbo) بالتعلم من نموذج المعلّم (SDXL الأصلي) ومن شبكة مميّز تنافسية في الوقت نفسه. يعمل المميّز كناقد صارم، يعاقب المخرجات التي تبدو مزيفة أو متدنية الجودة، بينما يحافظ المعلّم على توافق مخرجات الطالب مع جودة التوليد بالدقة الكاملة للنموذج الأصلي.
تولّد نماذج الانتشار القياسية الصور عبر عملية إزالة الضوضاء التكرارية. تبدأ من ضوضاء عشوائية خالصة، وتزيل منها الضوضاء تدريجيًا خطوة بعد خطوة، حتى تظهر صورة متماسكة. تخيّل الأمر كتحميض صورة فوتوغرافية في غرفة مظلمة، لكن العملية تتطلب عشرات الحمامات الكيميائية بدلًا من حمام واحد.
تتطلب كل خطوة لإزالة الضوضاء تمريرة أمامية عبر الشبكة العصبية كاملةً. عند 50 خطوة، تكون قد شغّلت النموذج 50 مرة. هذا مكلف حسابيًا وبطيء بطبيعته، حتى على وحدات GPU القوية. بالنسبة إلى التطبيقات التي تهم فيها الاستجابة الفورية، مثل التعديل المباشر للصور، والنماذج الأولية التفاعلية، أو المعاينات اللحظية، فإن هذا التأخير يشكّل حاجزًا عمليًا.
يتعامل أسلوب تدريب ADD مع مشكلة السرعة باعتبارها مشكلة تقطير. يرمّز نموذج معلّم كبير وبطيء (SDXL الأساسي) ما يعنيه "التوليد الجيد" عبر خطوات كثيرة. ويُدرَّب نموذج الطالب (SDXL Turbo) على إعادة إنتاج تلك الجودة في تمريرة واحدة، مسترشدًا بملاحظات المميّز.
💡 ما يميّز هذا عن ضغط النماذج البسيط: يحاول التقطير التقليدي للمعرفة أن يطابق مخرجات المعلّم رقميًا فقط. يضيف ADD فوقه تدريبًا تنافسيًا يفرض جودة إدراكية، لا مجرد تشابه رقمي. والنتيجة قوام أدق للملمس وتراكيب أكثر تماسكًا في خطوة واحدة، مقارنةً بما قد تحصل عليه من نموذج مضغوط بحتًا.
تُدرَّب شبكة المميّز على الصور الحقيقية ومخرجات النموذج المعلّم، لذلك تمتلك تمثيلًا داخليًا قويًا لشكل الصورة عالية الجودة المولّدة بالذكاء الاصطناعي. في كل مرة ينتج فيها نموذج الطالب شيئًا يرفضه المميّز، تُعدَّل أوزان الطالب. ومع ملايين تكرارات التدريب، يتعلم الطالب أن يحمّل كل العمل الثقيل للتوليد في خطوة استدلال واحدة.
تعتمد أرقام الاختبارات المعيارية الخام بشدة على العتاد، لكن الفرق التقريبي من حيث الرتبة بين SDXL Turbo و SDXL القياسي ثابت عبر الاختبارات المنشورة:
| النموذج | الخطوات المعتادة | الزمن التقريبي للتوليد (وحدة A100 GPU) |
|---|---|---|
| SDXL Base | 30-50 خطوة | 4-8 ثوانٍ |
| SDXL مع مجدول DPM++ | 20 خطوة | 2-4 ثوانٍ |
| SDXL Turbo | 1-4 خطوات | 0.2-1 ثانية |
| SDXL Lightning 4Step | 4 خطوات | 0.5-1 ثانية |
عند خطوة واحدة، ينتج SDXL Turbo صورة صالحة للاستخدام في أقل من ربع ثانية على العتاد عالي الأداء. وعند 4 خطوات، تتحسن الجودة بشكل ملحوظ، مع بقائها أقل من ثانية بكثير لمعظم الأجهزة.
وضع الخطوة الواحدة مثير للإعجاب كعرض تقني، لكن له حالة استخدام حقيقية: الانتشار الكامن في الزمن الحقيقي (real-time latent diffusion). هذه الطريقة هي ما يجعل أدوات "الرسم بالذكاء الاصطناعي" ممكنة، حيث تُحدَّث الصورة المولّدة مع كل ضربة فرشاة فورًا. وعند 50 ملّي ثانية لكل تمريرة استدلال، يمكنك ربط عشرات عمليات التوليد في الثانية، مما يخلق حلقة تغذية راجعة حقيقية في الزمن الحقيقي بين إدخال المستخدم ومخرجات الذكاء الاصطناعي.
للاستخدام العادي، تُعد 2 إلى 4 خطوات النقطة المثلى عمليًا. قد تبدو الجودة عند خطوة واحدة ناعمة أو غير متماسكة قليلًا، خاصة في المناطق التي تحتاج إلى تفاصيل دقيقة. وعند 4 خطوات، تكون المخرجات منافسة لمجدولات أبطأ بكثير تعمل بـ 20 خطوة أو أكثر.
تُظهر درجات FID (Fréchet Inception Distance) المنشورة، والتي تقيس مدى تشابه الصور المولّدة إحصائيًا مع الصور الفوتوغرافية الحقيقية، أن مخرجات SDXL Turbo عند 4 خطوات تسجل درجات مماثلة لـ SDXL الكامل عند 20 إلى 50 خطوة. تتسع الفجوة عند خطوة واحدة لكنها تضيق بسرعة مع زيادة الخطوات. بالنسبة إلى العمل الإبداعي العملي، يعني ذلك أن SDXL Turbo عند 4 خطوات يقدم جودة لا تُميَّز عن SDXL التقليدي بجزء صغير من تكلفة الحوسبة.
لم يظهر SDXL Turbo من فراغ. تتنافس عدة نماذج انتشار سريعة أخرى في المساحة نفسها "قليلة الخطوات، عالية الجودة".
Stable Diffusion XL هو الأساس الذي قُطِّر منه SDXL Turbo. يولّد SDXL الصور بدقة 1024x1024 بشكل أصلي، ويستخدم مسار معالجة من مرحلتين مع نموذج مُحسِّن (refiner)، وينتج بعضًا من أكثر المخرجات واقعيةً كالصور الفوتوغرافية في النظام البيئي مفتوح المصدر. الثمن هو زمن التشغيل. بالنسبة إلى المشاريع التي تكون فيها الجودة هي المعيار الوحيد ولا تهم السرعة، غالبًا ما يكون مسار SDXL الأساسي مع المُحسِّن الخيار الأفضل.
Stable Diffusion 3.5 Large يطوّر بنية SDXL أبعد، ويدمج محولات انتشار متعددة الوسائط تحسّن بشكل كبير الالتزام بالأمر النصي وعرض النصوص. إنه أبطأ من SDXL Turbo، لكنه ينتج نتائج أفضل بوضوح للأوامر النصية المركبة المعقدة.
جاء SDXL Lightning 4Step من ByteDance Research كمنافس لـ SDXL Turbo، ويستخدم أسلوب تقطير مختلفًا يُسمى تقطير الانتشار التنافسي التدريجي. عند 4 خطوات، يسجل Lightning باستمرار درجات أعلى من SDXL Turbo في مقاييس الجودة الإدراكية، مع حواف أكثر حدة، ودقة أفضل في الألوان، والتزام أقوى بالأمر النصي. وضع 4 الخطوات هو حيث يتفوق Lightning فعلًا على Turbo.
RealVisXL v3.0 Turbo نسخة مضبوطة بدقة مُحسَّنة خصيصًا لتوليد صور بشرية واقعية كالصور الفوتوغرافية. مبني على بنية SDXL وموضوع بضبط إضافي للاستدلال بسرعة Turbo، ويضيّق فجوة الجودة بين التوليد السريع والتوليد البطيء، تحديدًا لحالات استخدام صور البورتريه والتصوير بأسلوب الحياة اليومية.
💡 شجرة قرار سريعة: تحتاج إلى تغذية راجعة فورية بمعدل 10 إطارات في الثانية أو أكثر؟ SDXL Turbo عند 1-2 خطوة. تحتاج إلى أفضل جودة عند 4 خطوات؟ SDXL Lightning. تحتاج إلى بورتريهات واقعية كالصور الفوتوغرافية بسرعة؟ RealVisXL Turbo. تحتاج إلى أعلى جودة ممكنة بغض النظر عن الزمن؟ SD 3.5 Large.
معرفة ما يجيده SDXL Turbo تعني معرفة حالات الاستخدام المحددة التي تتحول فيها ميزة السرعة إلى فائدة إبداعية حقيقية.
أكثر التطبيقات إقناعًا هو الرسم في الفضاء الكامن (latent space painting)، حيث يؤدي كل تغيير في الأمر النصي أو في الرسم الأولي إلى استدلال فوري بالذكاء الاصطناعي. عند 1-4 خطوات، يمكنك توليد صورة جديدة من 5 إلى 20 مرة في الثانية على عتاد قادر. وهذا يخلق تجربة أقرب إلى الرسم منها إلى انتظار التصيير.
تعتمد تطبيقات مثل نقل الأنماط في الزمن الحقيقي، وتكرار الأوامر النصية المباشر، والرسم بالذكاء الاصطناعي على اللوحة كلها على استدلال يقل عن ثانية. جعل SDXL Turbo هذه الفئة من الأدوات عملية لأول مرة ضمن نطاق دقة SDXL.
بالنسبة إلى فنانين المفاهيم ومصممي الألعاب والمسوّقين الذين يحتاجون إلى تصوّر عشرات الاختلافات لفكرة بسرعة قبل اختيار الفكرة التي تستحق التصيير الكامل، يقلل SDXL Turbo دورة التكرار بشكل كبير. ما كان يستغرق دقائق من الانتظار بين كل اختلاف يستغرق الآن ثوانٍ قليلة.
سير العمل العملي: ولّد 10 إلى 20 تكوينًا أوليًا باستخدام SDXL Turbo لتحديد الاتجاه الصحيح، ثم مرّر التكوين المختار عبر نموذج بجودة أعلى مثل Flux Dev أو Flux Fast للحصول على مخرج نهائي مصقول. يجمع هذا النهج الهجين بين مزايا الطرفين.
يتطلب التقييم الأمين معرفة المواضع التي يقصّر فيها SDXL Turbo.
عند 1-2 خطوة، يعاني SDXL Turbo من:
تتقلص هذه القيود بشكل كبير عند 4 خطوات. بالنسبة إلى معظم أعمال الإبداع التجارية عند 4 خطوات، تكون الجودة جاهزة للإنتاج فعليًا. وضع الخطوة الواحدة مخصص أساسًا للتطبيقات في الزمن الحقيقي التي يكون فيها بعض تراجع الجودة مقبولًا.
يحمل SDXL Turbo ترخيصًا بحثيًا غير تجاري كنموذج أساسي. الأوزان متاحة للتنزيل والاستخدام مجانًا للبحث والتجريب الشخصي، لكن النشر التجاري يتطلب اتفاقية منفصلة مع Stability AI. قد تحمل النماذج المضبوطة المبنية على SDXL Turbo شروط ترخيص مختلفة، لذا من المفيد التحقق من بطاقة النموذج المحددة قبل نشر أي شيء تجاريًا.
في المقابل، صدر SDXL Lightning 4Step بموجب ترخيص CreativeML OpenRAIL+M، الذي يسمح بالاستخدام التجاري. بالنسبة إلى المشاريع التي تحتاج إلى نموذج سريع من فئة SDXL داخل منتج تجاري، غالبًا ما يكون Lightning نقطة انطلاق أكثر عملية.
يستضيف PicassoIA عدة نماذج سريعة ببنية SDXL تضع هذه التقنية مباشرة في متصفحك، دون الحاجة إلى وحدة GPU محلية.
يُعد SDXL Lightning 4Step أحد أسرع الطرق للحصول على صور عالية الجودة بدقة SDXL على المنصة.
الخطوة 1: افتح صفحة النموذج انتقل إلى صفحة نموذج SDXL Lightning 4Step على PicassoIA.
الخطوة 2: اكتب أمرًا نصيًا واضحًا يبدأ بالموضوع يستجيب Lightning جيدًا للأوامر النصية التي تبدأ بالشخص وتحدد النمط البصري فورًا. مثال:
"بورتريه لامرأة في الثلاثينات (30s) من عمرها، شعر مجعد طبيعي، مقهى في الهواء الطلق، ضوء شمس صباحي ناعم، واقعي كالصور الفوتوغرافية، 35mm f/1.8، Kodak Portra 400"
الخطوة 3: اضبط الخطوات على 4 تمت معايرة Lightning لـ 4 خطوات. تشغيله بخطوات أكثر لا يحسّن الجودة، وقد يضر بالتماسك فعليًا، لأن النموذج دُرِّب تحديدًا على التقارب في 4 تمريرات.
الخطوة 4: استخدم مقياس CFG يساوي 0 هذا هو المعامل غير البديهي. يتطلب Lightning مقياس توجيه (CFG) يساوي 0. على عكس SDXL القياسي الذي يستخدم CFG بين 7 و12، تم تقطير Lightning بافتراض CFG=0. استخدام قيمة أعلى ينتج مخرجات مشبعة بشكل مفرط وكثيرة العيوب.
الخطوة 5: كرّر التجربة بسرعة الفكرة الأساسية لأي نموذج سريع هي سرعة التكرار. ولّد 5 إلى 10 اختلافات، وعدّل أمرك النصي بناءً على ما تراه، واختر أفضل تكوين قبل إجراء أي تحسينات إضافية.
💡 نصيحة: إذا احتجت إلى تنوع إبداعي أكبر بين عمليات التوليد، فغيّر قيمة البذرة بدلًا من تعديل الأمر النصي. التغييرات الصغيرة في الأمر النصي ضمن نموذج سريع قد تنتج تحولات غير متوقعة. يمنحك تنوع البذرة تنوعًا مضبوطًا.
يُعد RealVisXL v3.0 Turbo الخيار المتخصص عندما يكون الشخص هو محور الصورة وتحتاج إلى واقعية مقنعة بسرعة.
أفضل الأوامر النصية لـ RealVisXL Turbo:
ما يجب تجنبه:
قوة النموذج تكمن في تصوير شخص واحد في بيئات واقعية. الأمر النصي المكتوب جيدًا لشخص في بيئة محددة سينتج باستمرار نتائج تنافس نماذج أبطأ بكثير.
أحدث إطلاق SDXL Turbo تحولًا حقيقيًا في ما اعتبره مجتمع توليد الصور بالذكاء الاصطناعي ممكنًا على مستوى المصادر المفتوحة. قبله، كان التشغيل السريع امتيازًا مغلقًا إلى حد كبير: كانت واجهات API التجارية تستطيع تحمّل تكلفة مجموعات ضخمة من وحدات GPU توزّع زمن التشغيل على آلاف المستخدمين المتزامنين. أما SDXL Turbo فقد أتاح التوليد في أقل من ثانية لأي شخص يملك وحدة GPU استهلاكية متوسطة المستوى.
أسلوب تقطير الانتشار التنافسي الذي ابتكره أثّر منذ ذلك الحين في نماذج عديدة لاحقة. تبنّى SDXL Lightning الفكرة الأساسية نفسها وطوّرها. وطبّقت نماذج لاحقة من مختبرات بحثية مختلفة استراتيجيات تقطير مشابهة على بنيتها الخاصة.
ما ينتج عن ذلك للمستخدم النهائي هو نظام بيئي متدرج المستويات:
| حالة الاستخدام | مستوى السرعة | نموذج مثال |
|---|---|---|
| الرسم في الزمن الحقيقي / المعاينة المباشرة | فائق السرعة (1-2 خطوة) | SDXL Turbo |
| التكرار السريع / استكشاف المفاهيم | سريع (4 خطوات) | SDXL Lightning 4Step |
| مسودات البورتريه الواقعية كالصور الفوتوغرافية | سريع (4-8 خطوات) | RealVisXL v3.0 Turbo |
| جودة الإنتاج النهائي | قياسي (20-50 خطوة) | Stable Diffusion 3.5 Large |
| أعلى جودة للواقعية الفوتوغرافية | متميز | Flux Dev |
معرفة المستوى الذي يناسب سير عملك أنفع من مطاردة النموذج "الأفضل" الوحيد. تقع السرعة والجودة على طرفين متقابلين من مؤشر واحد، و SDXL Turbo خيار متعمّد وعالي الأداء في طرف السرعة.
أفضل طريقة لتجربة ما يعنيه توليد SDXL السريع هي أن تشغّله بنفسك. الفرق بين الانتظار 8 ثوانٍ لكل صورة والحصول على صورة في أقل من ثانية يغيّر طريقة تفكيرك في العملية الإبداعية. تكرر أكثر، وتجرب اختلافات أكثر، وتتسرّع أقل في الحسم باتجاه قد لا ينجح.
يمنحك PicassoIA وصولًا مباشرًا إلى SDXL Lightning 4Step، وRealVisXL v3.0 Turbo، ومكتبة كاملة تضم أكثر من 90 نموذجًا لتحويل النص إلى صورة، تتراوح من أدوات المسودات فائقة السرعة إلى مولّدات المخرجات النهائية عالية الدقة. لا تحتاج إلى تثبيت أي شيء، أو إدارة أوزان النماذج، أو القلق بشأن VRAM. افتح المنصة، واختر نموذجًا، وابدأ التوليد.
إذا كنت جديدًا على المنصة، فجرّب أولًا SDXL Lightning 4Step مع أمر نصي لبورتريه. اضبط CFG على 0، والخطوات على 4، وشغّل 5 اختلافات بالأمر النصي نفسه لكن بقيم بذرة مختلفة. ستحصل على صورك الخمس الأولى في أقل من 30 ثانية إجمالًا. هذه هي سرعة فئة SDXL Turbo عمليًا، وهي متاحة الآن.
اختر لغتك
