Open Release of Stable Diffusion 3 Medium

主要内容

Stable Diffusion 3是Stability AI目前为止最先进的文本转图像开放源代码算法。

这款模型的小巧设计使其完美适合用于消费级PC和笔记本电脑，以及企业级图形处理单元上运行。它已经满足了标准化的文字转图像模型所需要的一切条件，适应市场需求的下一代模型正在到来。

基于 Stable Diffusion 模型，参数数量为20亿的SD3 大型模型，该模型具有诸多显著特点：

总体质量和摄影实效：采用先进的图像处理技术，能够生成精确、色彩饱和且光线自然的图像，同时也可以制作出高品质且多样化风格的输出。利用如16 通道 VAE的创新性技术解决了其他模型经常会遇到的问题，例如手部和面部实体效果不足等问题。

快速理解功能：可以识别且正确处理长度较大、复杂性较高的交互式输入，包括空间思维、组合元素、动作和风格。使用三种或更多的文本编码器，可以为用户提供性能与效率之间的取舍。

字体：利用我们的扩增式变换器结构，大幅降低读写错误、调整空白间隙、书写形成字符和搭配笔画方面的失误。实现了前所未有的文本清晰度，并使输出效果更准确丝滑。

资源效率高：它能够在消费者级的GPU上运行而不会导致性能下降，因为它使用了少量视频内存。

微调优化：可以从小数据集上吸收额外细节，这是一种非常完美的个性定制方法。

与NVIDIA的合作

我们与Nvidia合作，使用其TensorRT技术为稳定概率模型系列产品中的所有版本提高了性能。包括Stable Diffusion 3 Medium在内的所有版本都利用Nvidia® RTX™ GPU和TensorRT™技术，使其在性能方面表现得更好。通过这种方式我们将能够获得最佳性能，并提高50%的性能水平。

下载优化 TensorRT 的Stable Diffusion 3 Medium ：https://huggingface.co/stabilityai/stable-diffusion-3-medium-tensorrt。

与AMD的合作

英特尔已对SD3 Medium进行了优化，以匹配包括英特尔最新一代APU、消费级GPU和MI-300X Enterprise Gpu在内的多种AMD设备。

如何启动该程序

下载 Stable Diffusion 3 Medium 绘图的权重：https://huggingface.co/stabilityai/stable-diffusion-3-medium

Diffusers运行：

import torch
from diffusers import StableDiffusion3Pipeline

pipe = StableDiffusion3Pipeline.from_pretrained("stabilityai/stable-diffusion-3-medium-diffusers", torch_dtype=torch.float16)
pipe = pipe.to("cuda")

image = pipe(
    "A cat holding a sign that says hello world",
    negative_prompt="",
    num_inference_steps=28,
    guidance_scale=7.0,
).images[0]
image