Przejdź do treści
promptowy.com / Glossario IA / Modello di diffusione (Diffusion model)
Immagini, video e audio

Modello di diffusione (Diffusion model)

Un modello di diffusione è un'architettura di intelligenza artificiale che genera immagini, audio o video rimuovendo progressivamente il rumore visivo.

Un modello di diffusione (in inglese diffusion model) è una tecnologia di intelligenza artificiale generativa che crea contenuti multimediali, in particolare immagini, video o tracce audio, partendo da un insieme di pixel casuali e ripulendoli progressivamente fino a ottenere un risultato nitido e coerente con la richiesta dell'utente.

A differenza dei sistemi generativi del passato, questo approccio non tenta di comporre una figura assemblando frammenti già pronti. Il modello impara invece a governare un processo fisico simulato: osserva come un'informazione visiva si degrada fino a trasformarsi in puro caos e impara a percorrere esattamente il cammino inverso.

Come funziona: dal rumore alla forma

Il funzionamento di un modello di diffusione si basa su due fasi speculari: la diffusione diretta e la diffusione inversa. Per capire il meccanismo senza perdersi nella matematica complessa, possiamo suddividerlo in passaggi chiari:

  • La fase di addestramento (aggiunta di rumore): il sistema riceve milioni di immagini reali. A ciascuna immagine viene aggiunto gradualmente del rumore digitale casuale, simile al tipico effetto nebbia di un vecchio televisore analogico senza segnale. Il modello impara a prevedere quanto rumore è stato introdotto a ogni singolo passaggio.
  • La fase di generazione (rimozione del rumore): quando chiediamo al sistema di creare qualcosa di nuovo, il processo parte da zero. Il computer genera una matrice di puro rumore casuale e, guidato dalle parole del nostro prompt, inizia a sottrarre le imperfezioni strato dopo strato.
  • Il controllo dei passaggi (step): a ogni iterazione, l'immagine perde granulosità e acquista struttura, passando da macchie informi di colore a contorni definiti, fino alla resa finale dei dettagli minimi.

Un esempio pratico: la locandina di un forno a Modena

Immaginiamo Marco, titolare di uno storico forno artigianale a Modena, che desidera rinnovare la grafica delle confezioni per i suoi amaretti tipici. Non avendo competenze da illustratore, decide di utilizzare un generatore basato su modelli di diffusione per visualizzare alcune idee preliminari da sottoporre alla tipografia locale.

Marco scrive una descrizione dettagliata: richiede una composizione rustica con mandorle adagiate su un tavolo di legno massiccio, illuminata dalla luce calda del mattino. Quando preme il pulsante di invio, il software non cerca una foto su internet. Crea invece un riquadro di pixel casuali, senza alcun significato. Al primo passaggio di calcolo, il modello percepisce dove potrebbero trovarsi i contrasti di luce; al decimo passaggio emergono le masse scure del tavolo e le sagome tondeggianti degli amaretti; al trentesimo passaggio compaiono le crepe caratteristiche del biscotto e le venature del legno. Nel giro di pochi istanti, Marco ottiene una bozza realistica e unica.

Regolare i passaggi di calcolo nella pratica

Quando si interagisce con uno strumento basato su diffusione, uno dei parametri tecnici più comuni riguarda il numero di passaggi di campionamento (spesso indicati come sampling steps). Questo valore determina quante volte l'algoritmo deve intervenire per ripulire il rumore di fondo.

In linea generale, impostare un numero basso di passaggi permette di ottenere un'anteprima molto rapida, utile per verificare l'inquadratura generale o i colori dominanti, ma il risultato potrebbe apparire sfocato o privo di consistenza materica. Aumentare il numero di passaggi permette all'algoritmo di rifinire minuzie come la trama dei tessuti, i riflessi negli occhi o le ombre delicate, a fronte però di un tempo di attesa più lungo per ogni singola elaborazione grafica.

Un errore comune: pretendere coerenza immediata

Uno sbaglio frequente tra i professionisti che si avvicinano a questi strumenti consiste nel trattare il modello di diffusione come un motore di ricerca visuale. Spesso si inseriscono descrizioni troppo sintetiche o, al contrario, si pretendono modifiche millimetriche modificando semplicemente una parola nel prompt.

Poiché il punto di partenza è sempre un calcolo statistico su base caotica, cambiare leggermente una frase può portare l'algoritmo a intraprendere una traiettoria di pulizia del rumore totalmente differente, stravolgendo l'intera composizione. Per ottenere risultati prevedibili in ambito lavorativo, è fondamentale combinare la descrizione testuale con immagini guida, mappe di contorno o valori fissi di innesco (chiamati comunemente seed).

Come impostarlo in Midjourney, FLUX, Ideogram, GPT Image e ComfyUI, con immagini prima e dopo: Numero di step (sampling steps) nel glossario dei parametri

Domande frequenti

I modelli di diffusione copiano immagini esistenti?

No, non assemblano pezzi di file presenti su internet. Durante l'addestramento imparano le regole geometriche e cromatiche del mondo visivo, creando poi opere originali pixel per pixel.

Perché la generazione con modelli di diffusione richiede qualche secondo?

Perché il computer non calcola l'immagine in un colpo solo, ma esegue decine di passaggi consecutivi di sottrazione del rumore, raffinando progressivamente il dettaglio.

I modelli di diffusione funzionano solo per le immagini?

No, sebbene siano famosi per la grafica, lo stesso principio matematico viene applicato con successo anche per sintetizzare tracce vocali, brani musicali ed effetti sonori.

← Tutti i termini del Glossario IA

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›