Specyfikacja techniczna stability-ai/stable-diffusion-3-5-large
| Specyfikacja | Szczegóły |
|---|---|
| Model ID | stability-ai/stable-diffusion-3-5-large |
| Dostawca | Stability AI |
| Typ modelu | Generatywny model tekst‑na‑obraz |
| Skala parametrów | 8 miliardów parametrów |
| Rodzina | Stable Diffusion 3.5 |
| Architektura | Diffusion Transformer z komponentami Transformer i CNN |
| Wejście główne | Prompt tekstowy, z opcjonalnymi przepływami sterowania opartymi na obrazie w niektórych wdrożeniach |
| Wyjście | Obraz RGB |
| Docelowa rozdzielczość | Do 1 megapiksela; powszechnie obsługiwane rozdzielczości obejmują 1024×1024, 768×1344, 1344×768 i 1216×832 |
| Warte uwagi dodatki | Wraz z modelem Large wymieniono warianty ControlNet dla sterowania Canny i Depth; repozytorium Stability AI SD3.5 odnosi się także do ControlNetów Blur, Canny i Depth dla przepływów pracy SD3.5 Large |
| Opcje dostępu | Wdrożenie we własnej infrastrukturze, Stability AI API, ekosystemy partnerów chmurowych oraz aplikacje webowe |
Czym jest stability-ai/stable-diffusion-3-5-large?
stability-ai/stable-diffusion-3-5-large to identyfikator platformy CometAPI dla Stable Diffusion 3.5 Large firmy Stability AI, flagowego modelu tekst‑na‑obraz z rodziny Stable Diffusion 3.5. Stability AI opisuje go jako najpotężniejszy model w rodzinie, skoncentrowany na wysokiej jakości obrazu i zgodności z promptem, umożliwiający generowanie na poziomie profesjonalnym przy rozdzielczości do 1 megapiksela.
Model został zaprojektowany do generowania wysokiej jakości wizualizacji na podstawie promptów w języku naturalnym, w tym wyników fotorealistycznych i artystycznych. Na podstawie publicznych informacji Stability AI i kart modeli partnerów kładzie nacisk na ścisłe podążanie za promptem, wyższą wierność wizualną oraz elastyczność dla bardziej zaawansowanych przepływów kreatywnych i produkcyjnych niż lżejsze warianty z tej samej rodziny.
Najważniejsze funkcje stability-ai/stable-diffusion-3-5-large
- Wysokowydajny model 8B: Stable Diffusion 3.5 Large został zbudowany w skali 8 miliardów parametrów, co plasuje go jako model o najwyższych możliwościach w rodzinie SD3.5 do wymagających zadań generowania obrazów.
- Jakość obrazu klasy profesjonalnej: Stability AI przedstawia wariant Large jako najsilniejszą opcję w rodzinie pod względem jakości i zgodności z promptem, co czyni go odpowiednim dla twórców, przepływów projektowych i profesjonalnej generacji wizualnej.
- Generowanie do 1 megapiksela: Model jest przeznaczony do tworzenia obrazów w wysokiej rozdzielczości, z powszechnie obsługiwanymi rozmiarami wyjścia obejmującymi formaty kwadratowe oraz pionowe/poziome, takie jak 1024×1024, 768×1344, 1344×768 i 1216×832.
- Architektura Diffusion Transformer: Publiczna dokumentacja modelu opisuje architekturę jako Diffusion Transformer, łączącą modelowanie oparte na Transformerze z komponentami CNN w całym systemie.
- Elastyczne opcje kontrolowalności: SD3.5 Large można łączyć z prowadzeniem opartym na ControlNet. Publiczne źródła wymieniają warianty Canny i Depth w kartach modeli partnerów, a repozytorium Stability AI pokazuje również obsługę Blur dla przepływów pracy SD3.5 Large.
- Wiele ścieżek wdrożenia: Stability AI wskazuje, że rodzinę SD3.5 można wdrażać we własnej infrastrukturze, integrować przez API, używać za pośrednictwem partnerów chmurowych lub uzyskiwać dostęp poprzez narzędzia webowe.
- Kreatywna elastyczność sterowana promptem: Przykłady w oficjalnym repozytorium pokazują wsparcie dla generowania opartego na promptach, konfigurowalnej szerokości i wysokości, liczby kroków, seedów oraz kontrolowanych potoków generacyjnych, co czyni model praktycznym zarówno do eksperymentów, jak i strojenia produkcyjnego.
Jak uzyskać dostęp i zintegrować stability-ai/stable-diffusion-3-5-large
Krok 1: Zarejestruj się po klucz API
Aby rozpocząć, zarejestruj się w CometAPI i wygeneruj klucz API w panelu. Po otrzymaniu klucza przechowuj go bezpiecznie i używaj do uwierzytelniania każdego żądania do API.
Krok 2: Wysyłaj żądania do API stability-ai/stable-diffusion-3-5-large
Użyj zgodnego z OpenAI endpointu CometAPI i wskaż model jako stability-ai/stable-diffusion-3-5-large.
curl --request POST \
--url https://api.cometapi.com/v1/images/generations \
--header "Authorization: Bearer $COMETAPI_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"model": "stability-ai/stable-diffusion-3-5-large",
"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-3-5-large",
prompt="A cinematic futuristic city skyline at sunset, ultra detailed, volumetric lighting"
)
print(response)
Krok 3: Pobierz i zweryfikuj wyniki
Po wysłaniu żądania przetwórz odpowiedź API, aby pobrać wygenerowany obraz albo URL obrazu, w zależności od formatu odpowiedzi użytego w Twojej integracji. Następnie zweryfikuj, czy wynik odpowiada żądanemu promptowi, oczekiwanej rozdzielczości oraz wszelkim ograniczeniom przepływu pracy, zanim go zapiszesz lub udostępnisz użytkownikom końcowym.