Stable Diffusion 3 正式開源：超強文生圖模型SD3-M登場引領創新潮流

原標題：Stable Diffusion 3 正式開源：超強文生圖模型SD3-M登場引領創新潮流
文章來源：小夏聊AIGC
內容字數：2889字

Stability AI正式開源Stable Diffusion 3 Medium

知名的開源大模型平臺Stability AI于2024年6月12日晚間9點在上宣布，正式開源了Stable Diffusion 3 Medium（SD3-M）模型權重。這一舉措為廣大用戶提供了一個免費試用的機會，官方表示SD3-M是Stable Diffusion 3系列中最新、最先進的文本轉圖像AI模型。

SD3-M的核心特點

Stable Diffusion 3 Medium（SD3-M）代表了文本到圖像領域的前沿開放技術。該模型設計緊湊，能夠高效運行于個人電腦、筆記本電腦以及企業級圖形處理單元（GPU）上。其優化的大小使其成為文本轉圖像應用的新一代標準。

用戶可以在非商業性的開放許可證和面向創作者的低成本許可證下使用這些精心調整的模型權重。對于有大規模商業應用需求的用戶，Stability AI也提供了詳細的許可信息。想要體驗Stable Diffusion 3模型的魅力，用戶可以通過Stability AI平臺的API進行嘗試。此外，注冊Stable Assistant后還可以享受三天的免費試用，用戶還可以通過Discord加入Stable Artisan社區，進一步探索模型的潛力。

卓越的圖像生成能力

SD3是一款擁有20億參數的強大文生圖模型，以其高效的推理速度和卓越的生成效果而受到廣泛關注。其顯著特點包括能夠生成具有照片級真實感的圖像，細節豐富、色彩鮮艷且光照自然。通過采用創新的16通道變分自編碼器（VAE）等技術，該模型顯著提升了圖像質量，尤其在手部和面部等細節上克服了其他模型常見的不足。

在理解復雜提示方面，Stable Diffusion 3 Medium表現出色，能夠深入理解空間關系、構圖元素、動作和風格等復雜概念。用戶可以根據需求選擇一個或多個文本編碼器，以平衡生成過程中的性能和效率。排版質量的提升也得益于其獨特的擴散變換器架構，生成的文本在拼寫、字距、字母形狀和間距方面的錯誤大幅減少，提供了前所未有的文本質量。

資源效率與微調能力

SD3-M在資源利用方面表現優異，小的顯存占用使其可以在標準消費者級GPU上高效運行，而不會犧牲性能。模型的微調能力同樣值得稱贊，能夠從有限的數據集中學習細微的細節，使得定制化輸出更加精確和完美。這些特點使得Stable Diffusion 3 Medium成為市場上最具吸引力和實用性的文本到圖像生成模型之一。

與硬件優化的合作

SD3-M還與英偉達和AMD進行了特定硬件的優化，針對RTX GPU、TensorRT、最新CPU以及MI-300X進行了優化，性能最高可提升50%。該模型使用了包含10億張圖片的公開和合成數據進行預訓練，并針對特定藝術風格和領域，使用了3000萬張圖片進行微調以及300萬張偏好圖片，使其對用戶文本提示的理解和嵌入圖片文字的效果更為優秀。

無限的探索可能性

通過在線演示，SD3-M生成的效果令人驚艷，能夠生成高聳的摩天大樓、寧靜的海灘景色、熱帶雨林以及20世紀50年代的老式餐廳等各種圖像。免費在線試用為用戶提供了無限的探索可能。

注意事項

需要注意的是，目前SD3-M僅限于學術研究，無法進行商業化應用。如有商業需求，用戶需要聯系Stability AI進行商業授權。

總結

Stable Diffusion 3的開源和免費試用為用戶探索不同領域應用潛力提供了機會，有望為人工智能領域的發展帶來更多的可能性和機遇。

聯系作者

文章來源：小夏聊AIGC
作者微信：
作者簡介：專注于人工智能生成內容的前沿信息與技術分享。我們提供AI生成藝術、文本、音樂、視頻等領域的最新動態與應用案例。每日新聞速遞、技術解讀、行業分析、專家觀點和創意展示。期待與您一起探索AI的無限潛力。歡迎關注并分享您的AI作品或寶貴意見。