Thông số kỹ thuật của stability-ai/stable-diffusion-3
| Thông số | Chi tiết |
|---|---|
| ID mô hình | stability-ai/stable-diffusion-3 |
| Nhà cung cấp | Stability AI |
| Dòng mô hình | Stable Diffusion 3 |
| Mô thức chính | Sinh hình ảnh từ văn bản |
| Kiến trúc | Multimodal Diffusion Transformer (MMDiT) |
| Trình mã hóa văn bản | OpenCLIP-ViT/G, CLIP-ViT/L, và T5-XXL |
| Điểm mạnh đáng chú ý | Cải thiện chất lượng hình ảnh, kiểu chữ, khả năng hiểu prompt phức tạp và hiệu quả tài nguyên |
| Tóm tắt huấn luyện | Tiền huấn luyện trên 1 tỷ hình ảnh, với tinh chỉnh bao gồm 30M hình ảnh thẩm mỹ chất lượng cao và 3M hình ảnh dữ liệu sở thích |
| Tùy chọn truy cập | Nền tảng Stability API, trọng số trên Hugging Face, và công cụ hệ sinh thái như ComfyUI và các bản phát hành tương thích với Diffusers |
| Ngữ cảnh giấy phép | Phát hành theo Stability AI Community License, yêu cầu giấy phép doanh nghiệp vượt ngưỡng doanh thu nêu rõ cho mục đích thương mại |
stability-ai/stable-diffusion-3 là gì?
stability-ai/stable-diffusion-3 là định danh nền tảng của CometAPI cho dòng mô hình Stable Diffusion 3 từ Stability AI, một hệ thống tạo hình ảnh từ các prompt ngôn ngữ tự nhiên. Trong tài liệu chính thức, Stability AI mô tả Stable Diffusion 3 Medium là bản phát hành mở trong series SD3 và nhấn mạnh các cải tiến về chất lượng hình ảnh, mức độ bám sát prompt, kiểu chữ và hiệu suất.
Về mặt kỹ thuật, Stable Diffusion 3 đánh dấu sự chuyển dịch từ các thiết kế Stable Diffusion dựa trên U-Net trước đây sang kiến trúc Multimodal Diffusion Transformer. Thẻ mô hình SD3 Medium phát hành cho biết mô hình sử dụng ba trình mã hóa văn bản tiền huấn luyện cố định—OpenCLIP-ViT/G, CLIP-ViT/L và T5-XXL—để diễn giải tốt hơn ngữ nghĩa của prompt và cải thiện độ trung thực khi sinh ảnh, đặc biệt đối với hiển thị văn bản và các mô tả cảnh phức tạp hơn.
Đối với nhà phát triển, điều này có nghĩa stability-ai/stable-diffusion-3 nên được xem như một endpoint tạo ảnh hiện đại, phù hợp cho ứng dụng sáng tạo, quy trình thiết kế, nghiên cứu, thử nghiệm và các sản phẩm cần khả năng hiểu prompt mạnh hơn so với các thế hệ Stable Diffusion trước. Tùy đường triển khai, có thể truy cập thông qua API được lưu trữ hoặc tự lưu trữ bằng các công cụ xoay quanh trọng số chính thức và các ngăn xếp suy luận tương thích.
Tính năng chính của stability-ai/stable-diffusion-3
- Sinh ảnh dựa trên transformer tiên tiến: Stable Diffusion 3 sử dụng kiến trúc Multimodal Diffusion Transformer (MMDiT) thay vì cách tiếp cận U-Net cũ, phản ánh một cập nhật kiến trúc lớn trong dòng Stable Diffusion.
- Cải thiện khả năng hiểu prompt: Mô hình được thiết kế để xử lý hướng dẫn văn bản phức tạp với độ liên kết ngữ nghĩa tốt hơn, giúp tạo ra các cảnh phù hợp hơn với ý định người dùng.
- Kiểu chữ và hiển thị văn bản tốt hơn: Một trong những cải tiến được nhấn mạnh của SD3 là khả năng tạo văn bản trong ảnh mạnh hơn, hữu ích cho poster, biển hiệu, mockup và tài sản sáng tạo gắn thương hiệu.
- Đầu ra hình ảnh chất lượng cao: Stability AI định vị SD3 Medium là mô hình tạo ảnh từ văn bản mở tiên tiến nhất của họ tại thời điểm phát hành, nhấn mạnh chất lượng hình ảnh và tính thẩm mỹ.
- Hiệu quả tài nguyên: Stability AI nhấn mạnh kích thước nhỏ hơn và sự phù hợp với PC tiêu dùng, laptop và GPU doanh nghiệp, thực tiễn hơn so với các mô hình tạo ảnh lớn cho nhiều quy trình làm việc.
- Nhiều phương thức truy cập: Mô hình có sẵn thông qua API được lưu trữ cũng như trọng số có thể tải xuống và tích hợp với các công cụ như ComfyUI và pipeline tương thích với Diffusers.
- Linh hoạt cho nghiên cứu và thương mại: Community License cho phép nghiên cứu, sử dụng phi thương mại và thương mại dưới các ngưỡng doanh thu chỉ định, trong khi triển khai thương mại quy mô lớn có thể cần giấy phép doanh nghiệp.
- Hỗ trợ hệ sinh thái hướng tới nhà phát triển: Các biến thể đóng gói chính thức, gói trình mã hóa văn bản, ví dụ workflow và hỗ trợ Diffusers giúp mô hình dễ đánh giá, tùy biến và tích hợp vào pipeline sản xuất.
Cách truy cập và tích hợp stability-ai/stable-diffusion-3
Bước 1: Đăng ký khóa API
Đăng ký trên CometAPI và tạo khóa API từ bảng điều khiển. Sau đó, lưu trữ khóa một cách an toàn dưới dạng biến môi trường để ứng dụng của bạn có thể xác thực các yêu cầu tới API.
Bước 2: Gửi yêu cầu tới API stability-ai/stable-diffusion-3
Sử dụng endpoint CometAPI tương thích với OpenAI và chỉ định model là 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)
Bước 3: Truy xuất và xác minh kết quả
Phân tích payload phản hồi được tạo ra, trích xuất URL hình ảnh trả về hoặc nội dung base64, và xác minh rằng đầu ra khớp với prompt, phong cách, kích thước và yêu cầu an toàn trước khi sử dụng trong ứng dụng của bạn.