Spesifikasi Teknikal bagi stability-ai/stable-diffusion-3
| Spesifikasi | Butiran |
|---|---|
| ID Model | stability-ai/stable-diffusion-3 |
| Penyedia | Stability AI |
| Keluarga model | Stable Diffusion 3 |
| Modaliti utama | Penjanaan teks-ke-imej |
| Seni bina | Transformer Penyebaran Multimodal (MMDiT) |
| Pengekod teks | OpenCLIP-ViT/G, CLIP-ViT/L, dan T5-XXL |
| Kekuatan ketara | Kualiti imej yang dipertingkat, tipografi, pemahaman prompt kompleks, dan kecekapan sumber |
| Ringkasan latihan | Pra-dilatih pada 1 bilion imej, dengan penalaan halus yang merangkumi 30M imej estetika berkualiti tinggi dan 3M imej data pilihan |
| Pilihan capaian | Platform Stability API, weights Hugging Face, dan alat ekosistem seperti ComfyUI dan keluaran serasi Diffusers |
| Konteks lesen | Dikeluarkan di bawah Stability AI Community License, dengan pelesenan perusahaan diperlukan di atas ambang hasil yang dinyatakan untuk penggunaan komersial |
Apakah stability-ai/stable-diffusion-3?
stability-ai/stable-diffusion-3 ialah pengecam platform CometAPI untuk keluarga model Stable Diffusion 3 daripada Stability AI, iaitu sistem penjanaan teks-ke-imej yang direka untuk mencipta imej daripada prompt bahasa semula jadi. Dalam bahan rasmi, Stability AI menerangkan Stable Diffusion 3 Medium sebagai keluaran terbuka dalam siri SD3 dan menekankan kemajuan dalam kualiti imej, pematuhan kepada prompt, tipografi, dan kecekapan.
Dari sudut teknikal, Stable Diffusion 3 menandakan peralihan daripada reka bentuk Stable Diffusion berasaskan U-Net terdahulu kepada seni bina Multimodal Diffusion Transformer. Kad model SD3 Medium yang dikeluarkan menyatakan bahawa ia menggunakan tiga pengekod teks pratatar tetap—OpenCLIP-ViT/G, CLIP-ViT/L, dan T5-XXL—untuk mentafsir semantik prompt dengan lebih baik dan meningkatkan kesetiaan penjanaan, khususnya untuk renderan teks dan penerangan adegan yang lebih kompleks.
Bagi pembangun, ini bermakna stability-ai/stable-diffusion-3 paling sesuai difahami sebagai endpoint penjanaan imej moden untuk aplikasi kreatif, aliran kerja reka bentuk, penyelidikan, prototaip, dan produk yang memerlukan pemahaman prompt yang lebih kukuh berbanding generasi Stable Diffusion terdahulu. Bergantung pada laluan penyebaran, ia boleh diakses melalui API yang dihoskan atau alat yang dihoskan sendiri berasaskan weights rasmi dan timbunan inferens yang serasi.
Ciri utama stability-ai/stable-diffusion-3
- Penjanaan imej berasaskan transformer lanjutan: Stable Diffusion 3 menggunakan seni bina Multimodal Diffusion Transformer (MMDiT) dan bukannya pendekatan U-Net yang lebih lama, mencerminkan kemas kini seni bina utama dalam siri Stable Diffusion.
- Pemahaman prompt yang dipertingkat: Model ini direka untuk mengendalikan arahan teks yang lebih kompleks dengan penjajaran semantik yang lebih baik, membantu menjana adegan yang lebih hampir dengan niat pengguna.
- Tipografi dan renderan teks yang lebih baik: Salah satu penambahbaikan SD3 yang paling ditekankan ialah keupayaan penjanaan teks dalam imej yang lebih kukuh, berguna untuk poster, papan tanda, mockup, dan aset kreatif berjenama.
- Keluaran visual berkualiti tinggi: Stability AI memposisikan SD3 Medium sebagai model teks-ke-imej terbuka paling canggih ketika dikeluarkan, dengan penekanan pada kualiti imej dan prestasi estetik.
- Kecekapan sumber: Stability AI menonjolkan saiz model yang lebih kecil dan kesesuaiannya untuk PC pengguna, komputer riba, dan GPU perusahaan, menjadikannya lebih praktikal berbanding model imej yang lebih besar untuk banyak aliran kerja.
- Pelbagai laluan capaian: Model ini tersedia melalui capaian API yang dihoskan serta weights boleh muat turun dan integrasi merentas alat seperti ComfyUI dan pipeline serasi Diffusers.
- Fleksibiliti komersial dan penyelidikan: Community License membenarkan penyelidikan, penggunaan bukan komersial, dan penggunaan komersial di bawah ambang hasil yang ditentukan, manakala pelaksanaan komersial skala lebih besar mungkin memerlukan pelesenan perusahaan.
- Sokongan ekosistem berorientasikan pembangun: Varian pembungkusan rasmi, bundel pengekod teks, contoh aliran kerja, dan sokongan Diffusers memudahkan penilaian, penyesuaian, dan integrasi model ke dalam pipeline pengeluaran.
Cara mengakses dan mengintegrasikan stability-ai/stable-diffusion-3
Langkah 1: Daftar untuk Kunci API
Daftar di CometAPI dan jana kunci API anda daripada papan pemuka. Selepas itu, simpan dengan selamat sebagai pembolehubah persekitaran supaya aplikasi anda boleh mengesahkan permintaan ke API.
Langkah 2: Hantar Permintaan ke API stability-ai/stable-diffusion-3
Gunakan titik akhir CometAPI yang serasi 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: Dapatkan dan Sahkan Keputusan
Huraikan payload respons yang dijana, keluarkan URL imej atau kandungan base64 yang dipulangkan, dan sahkan bahawa keluaran sepadan dengan prompt, gaya, saiz, dan jangkaan keselamatan yang diminta sebelum menggunakannya dalam aplikasi anda.