Spesifikasi Teknis stability-ai/stable-diffusion-3
| Spesifikasi | Rincian |
|---|---|
| Model ID | stability-ai/stable-diffusion-3 |
| Penyedia | Stability AI |
| Keluarga model | Stable Diffusion 3 |
| Modalitas utama | Generasi teks-ke-gambar |
| Arsitektur | Transformator Difusi Multimodal (MMDiT) |
| Encoder teks | OpenCLIP-ViT/G, CLIP-ViT/L, dan T5-XXL |
| Keunggulan utama | Peningkatan kualitas gambar, tipografi, pemahaman prompt yang kompleks, dan efisiensi sumber daya |
| Ringkasan pelatihan | Pra-latih pada 1 miliar gambar, dengan fine-tuning yang mencakup 30M gambar estetika berkualitas tinggi dan 3M gambar data preferensi |
| Opsi akses | Platform Stability API, bobot Hugging Face, dan tooling ekosistem seperti ComfyUI serta rilis yang kompatibel dengan Diffusers |
| Konteks lisensi | Dirilis di bawah Stability AI Community License, dengan lisensi enterprise diperlukan di atas ambang pendapatan yang ditetapkan untuk penggunaan komersial |
Apa itu stability-ai/stable-diffusion-3?
stability-ai/stable-diffusion-3 adalah pengidentifikasi platform CometAPI untuk keluarga model Stable Diffusion 3 dari Stability AI, sebuah sistem generasi teks-ke-gambar yang dirancang untuk membuat gambar dari prompt bahasa alami. Dalam materi resmi, Stability AI menggambarkan Stable Diffusion 3 Medium sebagai rilis terbuka dalam seri SD3 dan menyoroti kemajuan dalam kualitas gambar, kepatuhan terhadap prompt, tipografi, dan efisiensi.
Secara teknis, Stable Diffusion 3 menandai pergeseran dari desain Stable Diffusion berbasis U-Net sebelumnya menuju arsitektur Multimodal Diffusion Transformer. Kartu model SD3 Medium yang dirilis menyatakan bahwa model ini menggunakan tiga encoder teks terlatih sebelumnya yang tetap—OpenCLIP-ViT/G, CLIP-ViT/L, dan T5-XXL—untuk menafsirkan semantik prompt dengan lebih baik dan meningkatkan fidelitas generasi, terutama untuk perenderan teks dan deskripsi adegan yang lebih kompleks.
Bagi pengembang, ini berarti stability-ai/stable-diffusion-3 paling tepat dipahami sebagai endpoint generasi gambar modern yang cocok untuk aplikasi kreatif, alur kerja desain, riset, pembuatan prototipe, dan produk yang memerlukan pemahaman prompt lebih kuat dibanding generasi Stable Diffusion sebelumnya. Bergantung pada jalur penerapan, model ini dapat diakses melalui API terkelola atau tooling self-hosted yang dibangun di sekitar bobot resmi dan tumpukan inferensi yang kompatibel.
Fitur utama stability-ai/stable-diffusion-3
- Generasi gambar berbasis transformer tingkat lanjut: Stable Diffusion 3 menggunakan arsitektur Multimodal Diffusion Transformer (MMDiT) alih-alih pendekatan U-Net lama, mencerminkan pembaruan arsitektur besar dalam lini Stable Diffusion.
- Pemahaman prompt yang ditingkatkan: Model ini dirancang untuk menangani instruksi tekstual yang lebih kompleks dengan keselarasan semantik yang lebih baik, membantu menghasilkan adegan yang lebih sesuai dengan maksud pengguna.
- Tipografi dan perenderan teks yang lebih baik: Salah satu peningkatan SD3 yang paling ditekankan adalah kemampuan menghasilkan teks di dalam gambar yang lebih kuat, bermanfaat untuk poster, rambu, mockup, dan aset kreatif bermerek.
- Keluaran visual berkualitas tinggi: Stability AI memposisikan SD3 Medium sebagai model teks-ke-gambar terbuka paling canggih saat rilis, dengan penekanan pada kualitas gambar dan performa estetika.
- Efisiensi sumber daya: Stability AI menyoroti ukuran model yang lebih kecil dan kesesuaiannya untuk PC konsumen, laptop, dan GPU perusahaan, membuatnya lebih praktis daripada model gambar yang lebih besar untuk banyak alur kerja.
- Berbagai jalur akses: Model tersedia melalui akses API terkelola serta bobot yang dapat diunduh dan integrasi di berbagai alat seperti ComfyUI dan pipeline yang kompatibel dengan Diffusers.
- Fleksibilitas untuk riset dan komersial: Community License memungkinkan riset, penggunaan non-komersial, dan penggunaan komersial di bawah ambang pendapatan tertentu, sementara penerapan komersial skala lebih besar mungkin memerlukan lisensi enterprise.
- Dukungan ekosistem berorientasi pengembang: Varian kemasan resmi, bundel encoder teks, contoh alur kerja, dan dukungan Diffusers memudahkan model ini dievaluasi, disesuaikan, dan diintegrasikan ke pipeline produksi.
Cara mengakses dan mengintegrasikan stability-ai/stable-diffusion-3
Langkah 1: Daftar untuk Kunci API
Daftar di CometAPI dan buat kunci API dari dasbor. Setelah itu, simpan dengan aman sebagai variabel lingkungan agar aplikasi Anda dapat mengautentikasi permintaan ke API.
Langkah 2: Kirim permintaan ke API stability-ai/stable-diffusion-3
Gunakan endpoint CometAPI yang kompatibel dengan OpenAI dan tentukan model sebagai 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)
Langkah 3: Ambil dan verifikasi hasil
Uraikan payload respons yang dihasilkan, ekstrak URL gambar yang dikembalikan atau konten base64, dan verifikasi bahwa output sesuai dengan prompt, gaya, ukuran, dan ekspektasi keamanan yang diminta sebelum menggunakannya di aplikasi Anda.