近日，生成型人工智能初创公司Stability AI宣布在其Stable Diffusion 3系列中发布该公司所谓的“最先进”的开源图像生成AI模型Stable Diffusion 3 Medium。
图源：Stability AI
SD3 Medium是一款20亿参数模型，可以快速理解涉及空间推理，构图元素，动作和风格的长而复杂的提示，支持逼真的图像制作等功能，通过16通道VAE等创新，成功解决了其他模型的常见缺陷，例如手部和面部的真实感。
SD3 Medium还特别关注模型准确生成单词和正确拼写文本的能力，实现了对文本质量的把控，减少拼写、字距调整、字母形成方面的错误。同时，模型VRAM占用空间小，适合在标准消费级GPU上运行，而不会降低性能。
为了加强其资源使用，Stability AI与英伟达合作，利用Nvidia RTX GPU和TensorRT提高包括SD3 Medium在内的所有稳定性扩散模型的性能，采用TensorRT内核的显卡可以提供50%的性能提升。此外，Stability AI 还与AMD合作。在公司的设备上优化了SD3 Medium的推理。
除了开放版本外，Stable Diffusion 3 Medium还可在由Fireworks AI提供支持的API上使用。其他版本的Stable Diffusion 3，如SD3 Large模型和SD3 Ultra也可以在Stable Assistant和Discord上通过Stable Artisan开始为期三天的免费试用。
