stability-ai/stable-diffusion-3 的技術規格
| 規格 | 詳細資訊 |
|---|---|
| Model ID | stability-ai/stable-diffusion-3 |
| 提供方 | Stability AI |
| 模型系列 | Stable Diffusion 3 |
| 主要模態 | 文字到影像生成 |
| 架構 | 多模態擴散 Transformer（MMDiT） |
| 文字編碼器 | OpenCLIP-ViT/G、CLIP-ViT/L 與 T5-XXL |
| 顯著優勢 | 改善的影像品質、文字排版、複雜提示理解與資源效率 |
| 訓練摘要 | 在 1 billion 張影像上預訓練，微調包含 30M 張高品質美學影像與 3M 張偏好資料影像 |
| 存取選項 | Stability API Platform、Hugging Face 權重，以及生態系工具（如 ComfyUI 與與 Diffusers 相容的發行） |
| 授權背景 | 依 Stability AI Community License 發布；商業用途超過所述營收門檻需取得企業授權 |
什麼是 stability-ai/stable-diffusion-3？
stability-ai/stable-diffusion-3 是 CometAPI 用於 Stability AI 之 Stable Diffusion 3 模型系列的平臺識別符，這是一個將自然語言提示轉換為影像的文字到影像生成系統。在官方資料中，Stability AI 將 Stable Diffusion 3 Medium 描述為 SD3 系列的開放釋出版本，並強調在影像品質、提示遵循度、文字排版與效率方面的進步。
在技術層面，Stable Diffusion 3 標誌著從早期基於 U-Net 的 Stable Diffusion 設計轉向多模態擴散 Transformer（MMDiT）架構。已發布的 SD3 Medium 模型卡指出，其使用三個固定的預訓練文字編碼器—OpenCLIP-ViT/G、CLIP-ViT/L 與 T5-XXL—以更好詮釋提示語意並提升生成保真度，特別是在文字渲染與更複雜場景描述方面。
對開發者而言，stability-ai/stable-diffusion-3 可視為適用於創意應用、設計工作流程、研究、原型開發，以及對提示理解需求較以往 Stable Diffusion 世代更強之產品的現代化影像生成端點。依部署路徑不同，可透過託管 API 存取，或以官方權重與相容的推論堆疊自託管整合。
stability-ai/stable-diffusion-3 的主要功能
- 進階的 Transformer 架構影像生成：Stable Diffusion 3 採用多模態擴散 Transformer（MMDiT）架構，而非較舊的 U-Net 方法，反映了 Stable Diffusion 系列的一次重大架構升級。
- 更佳的提示理解能力：該模型旨在更好處理複雜文本指令並提升語意對齊，使生成場景更貼近使用者意圖。
- 更好的文字排版與文字渲染：SD3 的一大亮點是更強的影像內文字生成能力，適用於海報、標誌、模型稿與品牌創意素材。
- 高品質視覺輸出：Stability AI 將 SD3 Medium 定位為發布時最先進的開放文字到影像模型，強調影像品質與美學表現。
- 資源效率：模型尺寸更小，適合消費級 PC、筆電與企業級 GPU，對許多工作流程而言比大型影像模型更實用。
- 多種存取途徑：可透過託管 API 存取，亦可下載權重，並支援 ComfyUI 與相容 Diffusers 的管線整合。
- 商用與研究的彈性：Community License 允許研究、非商業使用與低於指定營收門檻的商業使用；更大規模商業部署可能需要企業授權。
- 面向開發者的生態系支援：官方封裝變體、文字編碼器組合、工作流程範例與 Diffusers 支援，讓模型更易於評估、客製與整合至生產管線。
如何存取並整合 stability-ai/stable-diffusion-3
步驟 1：註冊取得 API 金鑰
在 CometAPI 註冊並於儀表板生成 API 金鑰。之後將其安全地儲存為環境變數，讓應用程式可用於向 API 進行驗證。
步驟 2：向 stability-ai/stable-diffusion-3 API 發送請求
使用與 OpenAI 相容的 CometAPI 端點，並將模型指定為 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)
步驟 3：擷取並驗證結果
解析生成的回應內容，擷取回傳的影像 URL 或 base64 內容，並在用於應用程式之前，驗證輸出是否與所要求的提示、風格、尺寸與安全性預期相符。