待验证50% 置信事实精确时间
Diffusion模型（UNet）负责在潜空间中逐步去噪生成内容；文本编码器将提示词转换为语义向量；VAE负责在像素空间与潜空间之间编码和解码，三者版本必须相互匹配。
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
MiniMax H3 LoRA开源：一张图生成360°环绕视频，本地免费部署
bilibili零度解说2026/10/17
涉及实体
相关事实
待验证Stable Diffusion 的核心原理是在压缩后的潜在空间中进行去噪生成，采用CLIP文本编码器理解提示词、U-Net架构执行去噪、VAE解码器还原图像的三段式流程74% 相似待验证部署时需将 Diffusion 模型放入 diffusion_models 文件夹、文本编码器放入 text_encoders、VAE 放入 vae 文件夹69% 相似待验证图像生成模型的权重通常分为文本编码器、扩散主干网络（UNet 或 DiT）以及解码器（VAE）等多个组件69% 相似待验证变分自编码器（VAE）由编码器和解码器构成，其隐空间具有连续性和可插值性，适合生成任务66% 相似待验证主流文生图模型如Stable Diffusion、Midjourney、DALL-E的底层架构通常是扩散模型与CLIP文本编码器的结合66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1060167API
curl https://kongchang.com/api/v1/knowledge/claims/1060167MCP
get_claim(id=1060167)