Spécifications techniques de stability-ai/stable-diffusion-3
| Spécification | Détails |
|---|---|
| Model ID | stability-ai/stable-diffusion-3 |
| Fournisseur | Stability AI |
| Famille de modèles | Stable Diffusion 3 |
| Modalité principale | Génération texte vers image |
| Architecture | Transformeur de diffusion multimodale (MMDiT) |
| Encodeurs de texte | OpenCLIP-ViT/G, CLIP-ViT/L et T5-XXL |
| Points forts notables | Qualité d'image améliorée, typographie, compréhension de prompts complexes et efficience des ressources |
| Résumé de l'entraînement | Pré-entraîné sur 1 milliard d'images, avec un affinage incluant 30M d'images esthétiques de haute qualité et 3M d'images de données de préférences |
| Options d'accès | Stability API Platform, poids sur Hugging Face et outils de l'écosystème tels que ComfyUI et des versions compatibles Diffusers |
| Contexte de licence | Publié sous la Stability AI Community License, avec une licence entreprise requise au-delà des seuils de revenus indiqués pour un usage commercial |
Qu'est-ce que stability-ai/stable-diffusion-3 ?
stability-ai/stable-diffusion-3 est l'identifiant de plateforme de CometAPI pour la famille de modèles Stable Diffusion 3 de Stability AI, un système de génération d'images à partir de texte conçu pour créer des images à partir de prompts en langage naturel. Dans les documents officiels, Stability AI décrit Stable Diffusion 3 Medium comme la publication ouverte de la série SD3 et met en avant des avancées en qualité d'image, respect des prompts, typographie et efficacité.
Techniquement, Stable Diffusion 3 marque une transition par rapport aux conceptions Stable Diffusion antérieures basées sur U-Net vers une architecture Multimodal Diffusion Transformer. La fiche du modèle SD3 Medium publiée indique qu'il utilise trois encodeurs de texte préentraînés fixes — OpenCLIP-ViT/G, CLIP-ViT/L et T5-XXL — pour mieux interpréter la sémantique des prompts et améliorer la fidélité de génération, en particulier pour le rendu du texte et des descriptions de scènes plus complexes.
Pour les développeurs, cela signifie que stability-ai/stable-diffusion-3 doit être compris comme un point de terminaison moderne de génération d'images, adapté aux applications créatives, aux workflows de design, à la recherche, au prototypage et aux produits nécessitant une compréhension des prompts plus robuste que les générations précédentes de Stable Diffusion. Selon la voie de déploiement, l'accès peut se faire via des API hébergées ou des outils auto-hébergés construits autour des poids officiels et des piles d'inférence compatibles.
Principales fonctionnalités de stability-ai/stable-diffusion-3
- Génération d'images avancée basée sur des transformeurs : Stable Diffusion 3 utilise l'architecture Multimodal Diffusion Transformer (MMDiT) plutôt que l'ancien schéma U-Net, ce qui représente une évolution majeure dans la lignée Stable Diffusion.
- Compréhension des prompts améliorée : le modèle est conçu pour gérer des instructions textuelles plus complexes avec un meilleur alignement sémantique, aidant à générer des scènes correspondant davantage à l'intention de l'utilisateur.
- Meilleure typographie et rendu de texte : l'un des points les plus mis en avant de SD3 est une génération de texte dans l'image plus robuste, utile pour des affiches, enseignes, maquettes et éléments créatifs de marque.
- Sortie visuelle de haute qualité : Stability AI présente SD3 Medium comme son modèle texte-vers-image ouvert le plus avancé au moment de la publication, en insistant sur la qualité d'image et les performances esthétiques.
- Efficience des ressources : Stability AI souligne la taille plus réduite du modèle et son adéquation avec des PC grand public, des ordinateurs portables et des GPU d'entreprise, le rendant plus pratique que des modèles d'image plus volumineux pour de nombreux workflows.
- Multiples voies d'accès : le modèle est disponible via un accès API hébergé ainsi que sous forme de poids téléchargeables et d'intégrations dans des outils comme ComfyUI et des pipelines compatibles Diffusers.
- Souplesse pour la recherche et le commercial : la Community License autorise la recherche, l'utilisation non commerciale et l'utilisation commerciale en deçà de seuils de revenus spécifiés, tandis que les déploiements commerciaux à plus grande échelle peuvent nécessiter une licence entreprise.
- Support écosystémique orienté développeurs : des variantes d'empaquetage officielles, des lots d'encodeurs de texte, des exemples de workflows et la prise en charge de Diffusers facilitent l'évaluation, la personnalisation et l'intégration dans des pipelines de production.
Comment accéder et intégrer stability-ai/stable-diffusion-3
Étape 1 : Inscrivez-vous pour obtenir une clé API
Inscrivez-vous sur CometAPI et générez votre clé API depuis le tableau de bord. Ensuite, stockez-la de manière sécurisée en tant que variable d'environnement afin que votre application puisse authentifier les requêtes vers l'API.
Étape 2 : Envoyer des requêtes à l'API stability-ai/stable-diffusion-3
curl https://api.cometapi.com/v1/images/generations \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $COMETAPI_API_KEY" \
-d '{
"model": "stability-ai/stable-diffusion-3",
"prompt": "A cinematic futuristic city skyline at sunset, ultra detailed, volumetric lighting"
}'
from openai import OpenAI
client = OpenAI(
api_key="YOUR_COMETAPI_API_KEY",
base_url="https://api.cometapi.com/v1"
)
response = client.images.generate(
model="stability-ai/stable-diffusion-3",
prompt="A cinematic futuristic city skyline at sunset, ultra detailed, volumetric lighting"
)
print(response)
Étape 3 : Récupérer et vérifier les résultats
Analysez la charge utile de réponse générée, extrayez l'URL de l'image renvoyée ou le contenu base64, et vérifiez que la sortie correspond au prompt, au style, à la taille et aux attentes en matière de sécurité avant de l'utiliser dans votre application.