Stable Diffusion фотореализъм: настройки и GPU лимити

Обновено март 2026. Тази статия първоначално беше написана през май 2023 г., когато SD 1.5 при 512x512 беше стандартът, а RTX 3090 беше върховият хардуер. Всичко се промени. Flux 2, SDXL fine-tunes, SD 3.5, ControlNet и RTX 5090 напълно предефинираха възможното. Това е текущото състояние.

Разликата между AI-генерирани изображения и истински фотографии почти се затвори. През 2023 г. "фотореалистично" означаваше "почти убедително, ако присвиеш очи". През 2026 г. най-добрите модели произвеждат изображения, които наистина е трудно да различиш от професионална фотография.

Ето как да стигнеш дотам.

Текущият пейзаж на фотореализма

Моделът, който избереш, има по-голямо значение от всяка настройка, която пипаш. Ето къде стоят нещата:

Flux 2 -- Новият крал

Flux 2 от Black Forest Labs (пуснат през ноември 2025 г.) вероятно е най-добрият open-weight модел за фотореализъм през 2026 г. [1]. Той произвежда изображения с естествено осветление, точни текстури на кожата и кохерентна композиция, която съперничи на професионална фотография. Adobe интегрира Flux (Kontext Pro) във Photoshop през септември 2025 г. [2] -- това ти казва къде е доверието на индустрията.

Flux също има изключително добро разбиране на естествен език. Можеш да опишеш какво искаш на обикновен английски, без супата от ключови думи, която SD 1.5 изискваше.

SDXL Fine-Tunes -- Работните коне

За SDXL-базиран фотореализъм това са текущите лидери:

• Juggernaut XL v9/v10 -- изборът по подразбиране за кинематографичен, фотографски output. Най-популярен сред фотографи и filmmakers.
• Realistic Vision -- fine-tuned специално за реалистични текстури, осветление и точност на лица.
• EpicRealism -- изключителен фин детайл и естествено осветление.

Тези модели имат огромна community поддръжка, обширни LoRA библиотеки и предвидимо поведение. Ако Flux ти се струва твърде нов или workflow-ът ти е изграден върху SDXL, това са отлични варианти.

SD 3.5 Large

Флагманът на Stability AI използва новата Multimodal Diffusion Transformer (MMDiT) архитектура -- фундаментално различен подход от SDXL. Технически е впечатляващ, но екосистемата е по-малка. SD 3.0 беше deprecated през април 2025 г., така че се увери, че си на 3.5 [3].

Проверка с реалността за GPU

Хардуерните изисквания се покачиха значително.

Сладката точка от 2023 г. -- "512x512 на RTX 3080" -- вече е древна история. 1024x1024 сега е стандартната резолюция, а ти искаш поне 16GB VRAM, за да работиш без постоянна фрустрация. При 24GB започва да става комфортно.

Конкретно за фотореализъм повече VRAM означава, че можеш да пускаш по-големи модели, по-високи резолюции и ControlNet едновременно, без offloading към CPU.

Настройки за фотореализъм

Sampler

DPM++ 2M Karras при 25-30 steps. Това е установеният консенсус за SDXL фотореализъм -- най-доброто съотношение скорост към качество. Ако искаш малко повече детайл при нисък брой steps, смени на DPM++ SDE Karras.

За Flux: използвай default sampler-а при 20-30 steps.

CFG

За SDXL фотореализъм: 7-9. Това дава силно придържане към prompt-а без пренаситения, преготвен вид, който се появява над 10.

За SD 3.5: започни по-ниско (3-5) -- guidance механизмът работи различно.

За Flux: следвай model-specific препоръките, но обикновено по-ниско от SDXL.

Резолюция

Генерирай при native резолюцията на модела (1024x1024 за SDXL/SD 3.5/Flux), после upscale за по-висока резолюция. Не се опитвай да генерираш директно при 2048x2048 -- ще получиш артефакти, дублирани елементи и проблеми с композицията.

Опции за upscaling: hi-res fix в A1111 или специализирани upscaling nodes в ComfyUI (4x-UltraSharp, ESRGAN).

Prompting за фотореализъм

Най-голямата промяна от 2023 г.: пиши естествено, не с ключови думи.

SD 1.5 имаше нужда от prompts като:

portrait of a woman, photorealistic, 8k, ultra detailed, sharp focus,
professional photography, Fujifilm X-T4, 85mm f/1.4

SDXL и Flux разбират:

A portrait of a woman in soft afternoon light, photographed with a shallow
depth of field. She's looking slightly off-camera with a natural expression.

Подходът със супата от ключови думи все още работи в SDXL, но естественият език произвежда по-кохерентни резултати. Flux особено блести с описателни, разговорни prompts.

Negative prompts: Дръж ги минимални. Започни без никакви, после добавяй конкретни поправки. "cartoon, illustration, painting" обикновено е достатъчно, за да останат нещата фотореалистични. Виж cheat sheet-а за пълната промяна във философията на negative prompts.

ControlNet променя всичко

Ако си сериозен за фотореалистична композиция, ControlNet не подлежи на преговори. Той ти позволява да контролираш структурата на изображението чрез:

• Depth maps -- поддържат пространствени отношения и перспектива
• Canny edge detection -- запазва контури и форми
• OpenPose -- контролира човешка поза и пропорции на тялото
• Surface normals -- реалистично взаимодействие на осветлението с повърхности

ControlNet модели вече са налични за SDXL, Flux и SD 3.5 [5]. Multi-ControlNet (stacking на няколко controls) ти дава прецизен контрол върху композицията, който prompt engineering сам не може да постигне.

Workflow-ът: вземаш референтна снимка, извличаш depth map или pose, използваш го като ControlNet input и генерираш фотореалистично изображение със същата композиция.

Скорост срещу качество

Ако ти трябват бързи итерации (concept work, prompt testing), използвай SDXL Lightning -- той генерира качествени 1024px изображения в 2-8 steps [6]. По-добро качество от SDXL Turbo при по-високи резолюции.

За финален output се върни към пълен SDXL или Flux с 25-30 steps. Разликата се вижда.

Практичният workflow

Ето какво наистина работи за фотореалистичен output през 2026 г.:

1. Избери модел -- Flux 2 за най-добър фотореализъм, Juggernaut XL за SDXL екосистемата
2. Напиши prompt на естествен език, който описва какво виждаш
3. Генерирай при 1024x1024, DPM++ 2M Karras, CFG 7-9, 25-30 steps
4. Използвай ControlNet, ако ти трябва конкретна композиция (depth или pose)
5. Итерирай върху prompt-а -- генерирай 4-8 изображения, избери най-доброто
6. Upscale победителя до целевата ти резолюция
7. Inpaint проблемните области (ръце, очи, малки детайли)

Това е същият workflow, независимо дали си в ComfyUI или A1111. Инструментите се различават, pipeline-ът -- не.

Източници

1. Flux 2 Models -- Black Forest Labs -- Официална страница на Flux 2 model.
2. FLUX.2 and NVIDIA RTX AI Garage -- Интеграция на Flux 2 с ComfyUI и adoption от индустрията.
3. Stability AI Release Notes -- SD 3.0 deprecation и подробности за 3.5 release-а.
4. RTX 5090 vs 4090 for AI Workloads -- Хардуерно сравнение за генериране на изображения.
5. ControlNet Complete Guide -- Обновена ControlNet документация за множество архитектури.
6. SDXL-Lightning by ByteDance -- Модел за генериране в 2-8 steps.
7. Best Stable Diffusion Models for Photorealism 2026 -- Текущ пейзаж на моделите.
8. Top Photorealistic Stable Diffusion Models -- Community reviews от Civitai.

Свързани публикации

• Stable Diffusion Cheat Sheet: Troubleshooting & Optimization -- бърза справка за параметри, samplers и troubleshooting.