ข้อกำหนดทาง技术ของ stability-ai/stable-diffusion-3-5-medium
| ข้อมูลจำเพาะ | รายละเอียด |
|---|---|
| Model ID | stability-ai/stable-diffusion-3-5-medium |
| Provider | Stability AI |
| Model type | โมเดลสร้างภาพจากข้อความ (text-to-image) |
| Parameter size | พารามิเตอร์ 2.5 พันล้านตัว |
| Architecture | สถาปัตยกรรม MMDiT-X ที่ปรับปรุงพร้อมวิธีการฝึกที่อัปเดต; Stability AI ยังเน้นย้ำ Query-Key Normalization ในบล็อกของ transformer เพื่อเพิ่มเสถียรภาพในการฝึกและเอื้อต่อการปรับแต่งแบบ fine-tuning |
| ช่วงความละเอียดของเอาต์พุต | สามารถสร้างภาพตั้งแต่ 0.25 ถึง 2 เมกะพิกเซล |
| โปรไฟล์ฮาร์ดแวร์ | ออกแบบมาให้รันได้ “พร้อมใช้งานทันที” บนฮาร์ดแวร์สำหรับผู้บริโภค |
| สิทธิ์การใช้งาน | ให้ใช้งานภายใต้ Stability AI Community License; Stability AI ระบุว่าตระกูล SD3.5 ใช้ได้ทั้งเชิงพาณิชย์และไม่ใช่เชิงพาณิชย์ภายใต้สัญญาอนุญาตดังกล่าว |
| ตำแหน่งในตระกูลโมเดล | รุ่นขนาดกลางในตระกูล Stable Diffusion 3.5 อยู่กึ่งกลางระหว่างรุ่นที่เน้นคุณภาพความจุสูงและรุ่นที่เน้นความเร็ว |
stability-ai/stable-diffusion-3-5-medium คืออะไร?
stability-ai/stable-diffusion-3-5-medium คือรหัสระบุแพลตฟอร์มของ CometAPI สำหรับโมเดล Stable Diffusion 3.5 Medium ของ Stability AI ซึ่งเป็นโมเดลสร้างภาพจากข้อความแบบเปิดที่สร้างมาเพื่อสร้างสมดุลระหว่างคุณภาพภาพ ความตรงตามพรอมป์ ความเข้าถึงด้านฮาร์ดแวร์ และความยืดหยุ่นในการปรับแต่ง Stability AI อธิบายว่าเป็นโมเดลขนาด 2.5 พันล้านพารามิเตอร์ที่ตั้งใจให้รันบนฮาร์ดแวร์สำหรับผู้บริโภค พร้อมรองรับช่วงความละเอียดภาพที่กว้างและประสิทธิภาพการสร้างแบบ transformer ที่ทันสมัย
ภายในตระกูล Stable Diffusion 3.5 รุ่น Medium มุ่งเป้าผู้ใช้ที่ต้องการโปรไฟล์การใช้งานที่เป็นภาคปฏิบัติมากกว่ารุ่นธงที่มีขนาดใหญ่ โดยไม่สูญเสียจุดแข็งหลักของตระกูล SD3.5 ในทางปฏิบัติ จึงเหมาะกับผู้สร้างแอปฯ เครื่องมือสำหรับครีเอทีฟ เวิร์กโฟลว์การสร้างต้นแบบ และทีมที่ต้องการการสร้างภาพด้วยโมเดลแบบเปิดที่ต้องการโครงสร้างพื้นฐานน้อยกว่า การวางตำแหน่งนี้เป็นข้อสรุปเชิงอนุมานโดยอิงจากคำอธิบายของ Stability AI เกี่ยวกับขนาดโมเดล โปรไฟล์ฮาร์ดแวร์ และความสามารถในการปรับแต่ง
คุณสมบัติหลักของ stability-ai/stable-diffusion-3-5-medium
- ขนาดโมเดลที่สมดุล: ด้วยพารามิเตอร์ 2.5 พันล้านตัว โมเดลนี้ถูกออกแบบให้เป็นจุดกึ่งกลางระหว่างศักยภาพและความง่ายในการปรับใช้ เข้าถึงได้มากกว่ารุ่นสร้างภาพขนาดใหญ่ ขณะยังคงความสามารถอย่างมีนัยสำคัญ
- เป็นมิตรกับฮาร์ดแวร์สำหรับผู้บริโภค: Stability AI ระบุชัดว่า Stable Diffusion 3.5 Medium ถูกออกแบบให้รันได้ทันทีบนฮาร์ดแวร์สำหรับผู้บริโภค ลดอุปสรรคในการทดลองและการปรับใช้แบบโฮสต์เอง
- สถาปัตยกรรมที่ปรับปรุงแล้ว: ใช้สถาปัตยกรรม MMDiT-X ที่ปรับปรุงและวิธีการฝึกที่อัปเดต ซึ่งสะท้อนทิศทางการออกแบบใหม่ของตระกูล Stable Diffusion 3.x
- การออกแบบที่เน้นการปรับแต่ง: Stability AI เน้นว่าตระกูล SD3.5 ถูกสร้างโดยให้ความสำคัญกับความสามารถในการปรับแต่ง และกล่าวถึงการเปลี่ยนแปลงในบล็อกของ transformer เช่น Query-Key Normalization เพื่อช่วยเพิ่มเสถียรภาพในการฝึกและทำให้การ fine-tuning ง่ายขึ้น
- ความละเอียดผลลัพธ์ที่ยืดหยุ่น: สามารถสร้างภาพในช่วงประมาณ 0.25 ถึง 2 เมกะพิกเซล เหมาะกับงานผลิตภัณฑ์ ออกแบบ และการสร้างคอนเทนต์ที่หลากหลาย
- การปล่อยโมเดลแบบเปิด: นำเสนอ Stable Diffusion 3.5 Medium เป็นส่วนหนึ่งของกลยุทธ์การปล่อยแบบเปิด โดยมีการเข้าถึงโมเดลและเครื่องมือของระบบนิเวศที่เกี่ยวข้องผ่านช่องทางสาธารณะ
- ใช้งานเชิงพาณิชย์ได้ภายใต้เงื่อนไขชุมชน: Stability AI ระบุว่าตระกูลโมเดลนี้สามารถใช้ได้ทั้งเชิงพาณิชย์และไม่ใช่เชิงพาณิชย์ภายใต้ Stability AI Community License ซึ่งสำคัญสำหรับนักพัฒนาที่ประเมินแนวทางการนำไปใช้
วิธีเข้าถึงและผนวกรวม stability-ai/stable-diffusion-3-5-medium
ขั้นตอนที่ 1: ลงทะเบียนเพื่อรับ API Key
เริ่มต้นโดยสร้างบัญชี CometAPI และสร้าง API key ของคุณจากแดชบอร์ด หลังจากเข้าสู่ระบบ ให้เก็บกุญแจนี้ไว้อย่างปลอดภัยและใช้สำหรับยืนยันตัวตนทุกคำขอไปยัง CometAPI endpoint ของ stability-ai/stable-diffusion-3-5-medium
ขั้นตอนที่ 2: ส่งคำขอไปยัง API ของ stability-ai/stable-diffusion-3-5-medium
ใช้รูปแบบการเรียกโมเดลมาตรฐานของ CometAPI โดยตั้งค่าเขตข้อมูล model เป็น stability-ai/stable-diffusion-3-5-medium ระบุพรอมป์ของคุณและพารามิเตอร์การสร้างภาพที่รองรับใดๆ ในเนื้อหาคำขอ
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-3-5-medium",
"prompt": "A cinematic futuristic city at sunset, ultra detailed"
}'
ขั้นตอนที่ 3: ดึงและตรวจสอบผลลัพธ์
หลังจากส่งคำขอแล้ว ให้แยกวิเคราะห์การตอบกลับของ API และดึง URL ของภาพที่สร้างหรือออบเจ็กต์ผลลัพธ์ที่ CometAPI ส่งกลับมา ตรวจสอบให้แน่ใจว่าผลลัพธ์สอดคล้องกับพรอมป์ที่ร้องขอ ความละเอียด และคุณภาพที่คาดหวังก่อนนำไปใช้ในเวิร์กโฟลว์การผลิต