懂AI
stable-diffusion-3.5-medium

stable-diffusion-3.5-medium

MMDiT-X高效能文本到图像生成技术

Stable Diffusion 3.5 Medium是一款MMDiT-X模型，提升文本到图像生成的图像质量和资源效率。通过多模态扩散变压器结合QK标准化技术，该模型在多分辨率生成和文本理解方面表现出色，适合设计、创作与研究领域，年收入低于100万美元的用户可免费使用。

多模态扩散变压器文本生成图像QK正则化Stable Diffusion图像质量提升HuggingfaceGithub开源项目模型
访问官网GitHubHugging Face论文文档

项目介绍：Stable Diffusion 3.5 Medium

项目概述

Stable Diffusion 3.5 Medium 是由 Stability AI 开发的一种名为多模态扩散变换器（Multimodal Diffusion Transformer，简称 MMDiT-X）的文本到图像生成模型。该模型在图像质量、排版、复杂提示理解和资源效率方面有显著提升。通过输入文本提示，该模型可以生成相应的图像。

模型描述

该模型属于 MMDiT-X 文本到图像生成模型类型，它利用了三种预训练的文本编码器，并在训练过程中采用 QK 归一化来提高训练稳定性。在前12层变换器中使用了双重注意力块。其显著特点包括：

  • 多分辨率生成：通过引入自注意模块，增强了多分辨率的生成能力和整体的图像一致性。
  • QK 归一化：改善训练的稳定性。
  • 混合分辨率训练：采取了逐步提升分辨率的训练策略，从256到1440逐步上升。通过随机裁剪增强模型在不同分辨率和纵横比下的鲁棒性。

许可信息

  • 社区许可：免费用于研究、非商业用途以及年收入低于100万美元的组织或个人的商业使用。详细信息可以在 社区许可协议 中找到。
  • 年收入高于100万美元的个人和组织：请联系我们获取企业许可。

模型来源

可以通过多种方式本地或自托管使用该模型，包括使用 ComfyUI 的节点化界面推断、Huggingface 的 diffusers 库，或直接从 GitHub 获取。

使用与限制

  • 模型可以处理较长的提示，但当使用超过256个 T5 tokens 时，可能会在生成边缘出现伪影。因此，建议在发现明显伪影时缩短提示。
  • 中型模型与大型模型在训练数据分布上有所不同，因此对同一提示的响应可能不同。

安全性

Stability AI 采用安全设计和负责任的 AI 部署方法，确保模型开发从早期阶段开始就关注完整性问题。尽管已经实施了一些安全减缓措施来减少特定风险，所有开发者和用户仍需根据具体的使用场景进行额外的安全测试，并应用额外的减缓措施。

任何使用稳定扩散 3.5 的用户必须遵守 可接受使用政策。如有安全问题，可通过以下途径联系：

Stable Diffusion 3.5 Medium 的推出为图像生成领域提供了更高质量和更高效率的解决方案，期待着在各种艺术、教育及研究应用中展现出它的潜力。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多