Stable Diffusion 3.5 已推出，具有更好的性能和正确的分支数量

流行图像生成器 Stable Diffusion 背后的人工智能初创公司 Stability 宣布推出新一代模型，该模型的设计更具可定制性和多功能性，同时输出更多“多样化”和代表性内容。

新的 Stable Diffusion 3.5 提供三种版本：大型、大型涡轮和中型。 Stable Diffusion 3.5 Large 时钟输入 80 亿个参数，能够生成分辨率高达 100 万像素的图像。 Stable Diffusion 3.5 Large Turbo 具有与 Large 相同的功能，但它生成图像的速度更快，但会牺牲一些质量。

另一方面，Stable Diffusion 3.5 Medium 设计用于在笔记本电脑、平板电脑和智能手机等边缘设备上运行。它可以生成从四分之一 MP 到 2 MP 的各种尺寸的图像。 Large 和 Large Turbo 版本现已上市，Medium 版本将于本月底（即 10 月 29 日）上市。

SD 3.5 承诺比其前身稳定扩散 3.0 显着提高性能，后者于 6 月首次亮相。 SD3 的发布引起了用户群的愤怒和失望，因为该模型无法准确渲染四肢和手指，特别是对于躺在草地上的对象，以及猖獗的伪影和难以遵循给定的提示。

该公司承认 SD3 没有“完全满足我们的标准或社区的期望”，但坚称“Stable Diffusion 3.5 体现了我们致力于为构建者和创作者提供可广泛访问、尖端且对大多数用例免费的工具的承诺” ”。

新的 3.5 模型还经过训练，可以生成更多样化的人物图像，创建“代表世界的图像，而不仅仅是一种类型的人，具有不同的肤色和特征”，并且不需要大量提示。

Stability 首席技术官 Hanno Basse 告诉 TechCrunch：“在训练期间，每张图像都带有多个版本的提示，其中较短的提示优先。” “这确保了任何给定文本描述的图像概念的分布更广泛、更多样化。与大多数生成式人工智能公司一样，我们使用各种数据进行训练，包括经过过滤的公开可用数据集和合成数据。 ”

这是否会导致谷歌在二月份面临同样的问题，当时 Gemini 的图像生成器开始吐出“历史上不准确的”（即：黑人纳粹士兵），还有待观察。谷歌二月份在 Twitter 上发布的一份声明称：“Gemini 的人工智能图像生成确实产生了广泛的人群。” “这通常是一件好事，因为世界各地的人们都在使用它。但这里却没有抓住重点。 ”

如果您想亲自尝试 Stable Diffusion 3.5，目前可以从 Hugging Face 下载 Large 和 Large Turbo。您可以在 GitHub 上找到推理代码。

资料来源：Stability AI、TechCrunch