Stability AI、SD3 Mediumモデルをオープンソース化 204

Stability AIがStable Diffusion 3 Mediumモデル（略してSD3）をオープンソース化しました。これはStability aiのStable Diffusion 3シリーズの中で最新かつ最先端のテキストから画像生成AIモデルです。SD3はコンシューマーラップトップでも動作し、SD3モデルには20億のパラメータが含まれています。画像品質が大幅に向上し、より高品質で繊細な画像を生成できます。テキスト記述を画像により正確に変換できます。

Stable Diffusion 3 Mediumモデルはサイズが小さいため、コンシューマーPCやノートパソコン、およびエンタープライズ向けGPUで良好に動作します。また、このサイズ特性により、テキストから画像生成モデルの新たな標準となる可能性を秘めています。

SD3 Mediumの特徴：

• 画像品質が改善され、生成される画像がより高品質で繊細になります。

• 複雑なプロンプトを理解し、複雑なテキスト記述を画像により正確に変換できます。

• 手や顔のよくある欠陥を克服し、複雑なワークフローなしで高品質な画像を提供します。

• Diffusion Transformerアーキテクチャを活用し、テキスト品質で前例のない成果を実現し、スペル、カーニング、文字の形成、間隔におけるエラーを削減します。
  

• 空間関係、構図要素、アクション、スタイルに関わるプロンプトをよりよく理解し、処理できます。

• テキスト生成において前例のない成果を達成し、人工的な痕跡やスペルエラーがありません。

• 少ない計算資源で高いパフォーマンスを実現し、特に標準的なコンシューマー向けGPUに適しており、VRAM使用量が低いです。

• ファインチューニングをサポートし、カスタマイズに非常に適しています。

SD3 Mediumの要点：

• Stable Diffusion 3 Mediumは、Stability AIがこれまでに発表した中で最先端のテキストから画像生成のオープンモデルです。

• モデルサイズが小さく、コンシューマーPCやノートパソコン、およびエンタープライズ向けGPUでの実行に非常に適しています。サイズが適切なため、テキストから画像生成モデルの新たな標準となる可能性があります。

• これらの重みは、オープンな非商用ライセンスおよび低コストのクリエイターライセンスの下で利用できます。大規模な商用利用については、ライセンスの詳細についてお問い合わせください。

• Stable Diffusion 3モデルを試すには、Stability Platform上のAPIを利用し、Stable Assistantで3日間の無料トライアルに登録した後、Discord経由でStable Artisanを試してください。

SD3 Mediumモデルは10億枚の画像で事前学習されており、合成データとフィルタリングされた公開データを含みます。ファインチューニングデータには、特定の視覚コンテンツとスタイルに焦点を当てた、3000万枚の高品質な美学画像と300万枚の選好データ画像が含まれます。

SD3 Medium公式紹介：https://stability.ai/news/stable-diffusion-3-medium

SD3 Mediumモデルダウンロード：https://huggingface.co/stabilityai/stable-diffusion-3-medium

SD3 Medium Baseワークフロー：https://github.com/ZHO-ZHO-ZHO/ComfyUI-Workflows-ZHO