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。
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
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：
- 安全问题：safety@stability.ai
- 安全性问题：security@stability.ai
- 隐私问题：privacy@stability.ai
- 许可和一般信息：许可链接
- 企业许可：联系企业许可
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
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
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
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。
TRELLIS
用于可扩展和多功能 3D 生成的结构化 3D 潜在表示
TRELLIS 是一个专注于 3D 生成的项目，它利用结构化 3D 潜在表示技术，实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具，包括文本到 3D、图像到 3D 等，并且支持多种输出格式，如 3D 高斯、辐射场和网格等。通过 TRELLIS，用户可以根据文本描述或图像输入快速生成高质量的 3D 资产，适用于游戏开发、动画制作、虚拟现实等多个领域。
ai-agents-for-beginners
10 节课教你开启构建 AI 代理所需的一切知识
AI Agents for Beginners 是一个专为初学者打造的课程项目，提供 10 节课程，涵盖构建 AI 代理的必备知识，支持多种语言，包含规划设计、工具使用、多代理等丰富内容，助您快速入门 AI 代理领域。
AEE
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。
UI-TARS-desktop
基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。
Wan2.1
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持 文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。
爱图表
全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表
爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。
Qwen2.5-VL
一款强大的视觉语言模型，支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号