Diffus
Commencer
modèles/Stable Cascade - base

Stable Cascade - base

Camille Dubois
|
9/20/2025
|
1:14:29 AM
| Discussion
Un portrait fantastique réaliste d'une femme aux cheveux blond miel et aux yeux émeraude, regardant vers le haut avec une larme sur la joue, portant des boucles d'oreilles en argent et un collier.
Quatre héroïnes néo-victoriennes dans une véranda de grenier ensoleillée avec des cheveux tourbillonnants et des étincelles magiques, sur fond de paysage urbain avec des dirigeables à l'heure dorée.

Paramètres recommandés

steps

10 - 20

resolution

1024x1024

Conseils

Utilisez la version à 3,6 milliards de paramètres de l'Étape C pour de meilleurs résultats puisque le finetuning principal y a été effectué.

Utilisez la variante à 1,5 milliard de paramètres pour l'Étape B afin d'exceller dans la reconstruction des petits détails fins.

Le modèle est bien adapté à la formation et à l'inférence efficaces grâce à un espace latent plus petit et supporte des extensions comme le finetuning, LoRA, ControlNet, IP-Adapter et LCM.

Le modèle est destiné uniquement à des fins de recherche et ne doit pas être utilisé pour générer des représentations factuelles ou violer la Politique d'utilisation acceptable de Stability AI.

Les visages et les personnes peuvent ne pas être générés correctement car l'auto-encodage du modèle est imparfait.

Sponsors du créateur

Démos :

Démos :

Stable Cascade

Ce modèle est basé sur l'architecture Würstchen et sa principale

différence par rapport à d'autres modèles comme Stable Diffusion est qu'il fonctionne dans un espace latent beaucoup plus petit. Pourquoi est-ce

important ? Plus l'espace latent est petit, plus l'inférence est rapide et la formation devient moins coûteuse.

Quelle est la taille de l'espace latent ? Stable Diffusion utilise un facteur de compression de 8, ce qui correspond à une image 1024x1024 encodée en 128x128. Stable Cascade atteint un facteur de compression de 42, ce qui signifie qu'il est possible d'encoder une

image 1024x1024 en 24x24, tout en maintenant des reconstructions nettes. Le modèle conditionné par le texte est ensuite entraîné dans cet

espace latent très compressé. Les versions précédentes de cette architecture ont permis une réduction de coût de 16x par rapport à Stable

Diffusion 1.5. <br> <br>

Ainsi, ce type de modèle est bien adapté aux usages où l'efficacité est importante. De plus, toutes les extensions connues

comme le finetuning, LoRA, ControlNet, IP-Adapter, LCM, etc. sont également possibles avec cette méthode.

Détails du modèle

Description du modèle

Stable Cascade est un modèle de diffusion entraîné pour générer des images à partir d'un prompt texte.

  • Développé par : Stability AI

  • Financé par : Stability AI

  • Type de modèle : Modèle génératif texte-image

Sources du modèle

Pour des fins de recherche, nous recommandons notre dépôt Github StableCascade (https://github.com/Stability-AI/StableCascade).

Vue d'ensemble du modèle

Stable Cascade se compose de trois modèles : Étape A, Étape B et Étape C, représentant une cascade pour générer des images,

d'où le nom "Stable Cascade".

Les Étapes A et B sont utilisées pour compresser les images, similaire au rôle du VAE dans Stable Diffusion.

Cependant, avec cette configuration, une compression beaucoup plus élevée des images peut être obtenue. Alors que les modèles Stable Diffusion utilisent un

facteur de compression spatial de 8, codant une image de résolution 1024 x 1024 en 128 x 128, Stable Cascade atteint

un facteur de compression de 42. Cela encode une image de 1024 x 1024 en 24 x 24, tout en étant capable de décoder précisément l'

image. Ceci présente l'avantage majeur de rendre la formation et l'inférence moins coûteuses. De plus, l'Étape C est responsable

de la génération des petits latents 24 x 24 à partir d'un prompt texte. L'image suivante illustre cela visuellement.

Pour cette version, nous fournissons deux checkpoints pour l'Étape C, deux pour l'Étape B et un pour l'Étape A. L'Étape C est disponible en versions 1 milliard et 3,6 milliards de paramètres, mais nous recommandons fortement l'utilisation de la version à 3,6 milliards, car c'est elle qui a reçu la majeure partie du finetuning. Les deux versions pour l'Étape B comportent 700 millions et 1,5 milliard de paramètres. Les deux donnent d'excellents résultats, cependant la version à 1,5 milliard excelle dans la reconstruction des petits détails fins. Par conséquent, vous obtiendrez les meilleurs résultats en utilisant la variante la plus grande pour chaque étape. Enfin, l'Étape A contient 20 millions de paramètres et est fixe en raison de sa petite taille.

Évaluation

Selon notre évaluation, Stable Cascade offre les meilleures performances à la fois en alignement avec le prompt et en qualité esthétique dans presque toutes

les comparaisons. L'image ci-dessus présente les résultats d'une évaluation humaine utilisant un mélange de parti-prompts (lien) et de prompts esthétiques. Spécifiquement, Stable Cascade (30 étapes d'inférence) a été comparé à Playground v2 (50 étapes d'inférence), SDXL (50 étapes d'inférence), SDXL Turbo (1 étape d'inférence) et Würstchen v2 (30 étapes d'inférence).

Exemple de code

⚠️ Important : Pour que le code ci-dessous fonctionne, vous devez installer diffusers depuis cette branche tant que la PR est en cours.

pip install git+https://github.com/kashif/diffusers.git@wuerstchen-v3

import torch

from diffusers import StableCascadeDecoderPipeline, StableCascadePriorPipeline

device = "cuda"

num_images_per_prompt = 2

prior = StableCascadePriorPipeline.from_pretrained("stabilityai/stable-cascade-prior", torch_dtype=torch.bfloat16).to(device)

decoder = StableCascadeDecoderPipeline.from_pretrained("stabilityai/stable-cascade", torch_dtype=torch.float16).to(device)

prompt = "Anthropomorphic cat dressed as a pilot"

negative_prompt = ""

prior_output = prior(

prompt=prompt,

height=1024,

width=1024,

negative_prompt=negative_prompt,

guidance_scale=4.0,

num_images_per_prompt=num_images_per_prompt,

num_inference_steps=20

)

decoder_output = decoder(

image_embeddings=prior_output.image_embeddings.half(),

prompt=prompt,

negative_prompt=negative_prompt,

guidance_scale=0.0,

output_type="pil",

num_inference_steps=10

).images

#Maintenant decoder_output est une liste contenant vos images PIL

Utilisations

Usage direct

Le modèle est destiné pour l'instant à des fins de recherche. Les domaines et tâches de recherche possibles incluent

  • La recherche sur les modèles génératifs.

  • Le déploiement sécurisé de modèles pouvant générer du contenu nuisible.

  • L'analyse et la compréhension des limites et biais des modèles génératifs.

  • La génération d’œuvres d'art et l'utilisation dans le design et d'autres processus artistiques.

  • Applications dans des outils éducatifs ou créatifs.

Les usages exclus sont décrits ci-dessous.

Usages hors scope

Le modèle n'a pas été entraîné pour représenter fidèlement des personnes ou des événements,

et par conséquent, utiliser ce modèle pour générer un tel contenu est hors du cadre des capacités de ce modèle.

Le modèle ne doit pas être utilisé d'une manière qui viole la Politique d'utilisation acceptable de Stability AI.

Limitations et biais

Limitations

  • Les visages et les personnes en général peuvent ne pas être générés correctement.

  • La partie auto-encodage du modèle est imparfaite.

Recommandations

Le modèle est destiné uniquement à des fins de recherche.

Comment débuter avec le modèle

Consultez https://github.com/Stability-AI/StableCascade

Précédent
Midnight - v5.0
Suivant
Émulation de Film - Halation 35mm (Subtil)
Utiliser ce modèle

Détails du modèle

Type de modèle

Checkpoint

Modèle de base

Stable Cascade

Version du modèle

base

Hash du modèle

0d28c8562d

Créateur

ehristoforu's avatar
ehristoforu

Discussion

Veuillez vous log in pour laisser un commentaire.

Images par Stable Cascade - base

Un portrait fantastique réaliste d'une femme aux cheveux blond miel et aux yeux émeraude, regardant vers le haut avec une larme sur la joue, portant des boucles d'oreilles en argent et un collier.
Quatre héroïnes néo-victoriennes dans une véranda de grenier ensoleillée avec des cheveux tourbillonnants et des étincelles magiques, sur fond de paysage urbain avec des dirigeables à l'heure dorée.

Images avec anime

Une femme mature Aka-Oni avec peau rouge et cornes noires, cheveux bleus partiellement couvrant son visage, se frottant un œil tout en tenant une peluche cornue, dans un éclairage doux et détaillé.
Une déesse du printemps aux cheveux très longs et multicolores portant une robe blanche fluide, assise paisiblement parmi des fleurs de lotus et de la végétation au lever du soleil, avec des oiseaux volant sous un ciel bleu clair.
Une femme aux longs cheveux bruns portant une blouse blanche et une jupe à carreaux noire marche sur un pont en bois étroit haut au-dessus des nuages sous un ciel bleu vif rempli d'oiseaux en vol.
Œuvre numérique d'un cyborg féminin aux longs cheveux bruns flottant dans un environnement cyberpunk futuriste, vêtu d'une combinaison robotique segmentée avec des câbles rouges et un éclairage néon bleu.
Gros plan d'une fille d'anime abstraite aux cheveux blancs avec des motifs liquides célestes sur sa peau et un arrière-plan abstrait densément décoré.
Illustration numérique d'une femme aux cheveux bleus assise sur un char en métal rouillé, portant une salopette en denim et des lunettes de protection, devant un ciel rempli de nuages duveteux.
Une vagabonde aux cheveux courts marche pieds nus dans une eau arrivant aux genoux dans un dîner art déco abandonné et inondé, éclairé par des algues bioluminescentes et des lampes suspendues.
Une scène de science-fiction présentant un grand port spatial circulaire flottant au-dessus d'une île déserte avec des nuages, tandis qu'une silhouette en combinaison blindée futuriste se tient sur un terrain rocheux à l'observation.
Peinture numérique d'une fille aux longs cheveux foncés assise sur un rebord en béton, portant une chemise blanche et un pantalon bleu, baignée d'une lumière naturelle douce, avec en arrière-plan un mur urbain texturé
Une scène fantastique montrant une fille elfe effrayée aux longs cheveux châtain clair et aux yeux verts perçants tenant une torche enflammée dans une grotte sombre, tandis qu'un squelette aux yeux lumineux se dresse derrière elle.

Images avec art

Paysage urbain futuriste avec de hauts gratte-ciel aux lumières orange et bleues au milieu d'un épais brouillard, centré sur une grande structure circulaire flottante au-dessus des nuages.
Portrait abstrait en gros plan présentant un visage aux yeux fermés, créé avec de l'encre tricolore et des coups de pinceau explosifs, éclaboussures d'orange, bleu, rouge et noir, transmettant une intensité émotionnelle et une énergie chaotique.
Illustration numérique très détaillée de la tête d'un mandrill avec visage rouge vif, yeux jaunes, motifs noirs et blancs complexes, et texture de fourrure plumeuse sur fond noir.
Un croquis rouge et noir d'un dragon surplombant une personne sous la pluie la nuit.
Peinture acrylique abstraite d'un poisson rouge sous l'eau avec des couleurs frappantes rouge, blanc et noir sur un fond sombre
Portrait d'un commandant militaire déterminé aux cheveux roux et yeux bleus portant un élégant uniforme marine orné d'accents dorés mêlant style époque napoléonienne et cyberpunk, debout dans une forteresse urbaine enfumée.
Un portrait détaillé d'une femme hémomancienne elfe tachetée portant une capuche et des robes écarlates, avec des yeux rouge sang et des symboles magiques complexes tourbillonnant dans une grotte forestière sombre.
Silhouette d'une femme debout sur un fond beige avec des éclaboussures colorées vives de peinture fractale en rouge, jaune, bleu, orange et violet autour d'elle.
Femme élégante portant un bralette en cuir noir et un pantalon large taille haute, se tenant avec assurance les bras étendus. Elle a de longs cheveux tressés et des talons compensés verts vifs. L'arrière-plan présente des tons verts avec des motifs d'ombre.
Œuvre vectorielle plate minimaliste montrant la silhouette d'une femme mince marchant sur une plage à Cap Canaille, dans le sud de la France, avec un grand ciel bleu rempli de nuages blancs et de traînées de condensation au-dessus de la côte de la Côte d'Azur.

Images avec modèle de base

Scène photoréaliste de personnages morts-vivants comprenant des zombies et des squelettes marchant à travers un cimetière hanté éclairé par des citrouilles-lanternes lumineuses sous un ciel sombre et menaçant.

Images avec logo

Art numérique de D.VA de Overwatch en combinaison moulante bleue et blanche, tenant un pistolet en étant à genoux, avec un gros plan de son visage aux yeux marron dans des tons roses en arrière-plan.
Illustration d'un grand personnage humanoïde de type calmar portant une chemise rayée d'employé debout derrière un comptoir rempli de tasses de nouilles instantanées et divers articles, dessiné avec des hachures linéaires détaillées et des tons terreux.
Machine à café style steampunk avec fille souriante, croquis aquarelle.
Pixel art de chibi Shiroko de Blue Archive avec une épée sur une grille isométrique.
Une nature morte détaillée avec divers fruits et des bougies allumées, générée par IA utilisant Stable Diffusion.

Images avec réalisme

Un chien anthropomorphe très détaillé à fourrure brune et grise hirsute portant un bonnet en tricot sombre avec pompon, une veste verte sale, un pantalon foncé et des baskets sales surdimensionnées, debout sur un sol urbain mouillé avec des bâtiments de la ville flous en arrière-plan.
Femme guerrière fantastique aux cheveux roux flottants, portant un manteau de fourrure et une armure en cuir, ornée de tatouages tribaux et tenant une épée, debout à côté d'un ours.
Batman dans son costume noir est assis sur une chaise en plastique blanche immergée dans une eau d'inondation jusqu'aux chevilles, tenant une bouteille de bière sous une forte pluie dans une rue urbaine.
Profil latéral d'une femme cyborg steampunk futuriste avec des pièces mécaniques dorées et une élégance robotique, sur un arrière-plan sombre dramatique avec des éclaboussures dorées.
Une fille rousse avec des taches de rousseur et des yeux gris-vert se penche sur une table en bois pour nourrir un poisson betta dans un bocal en verre, portant une robe de soie verte, dans un appartement sombre avec éclairage cinématographique.
Vue de profil latéral d'un android féminin réaliste avec des pièces mécaniques détaillées sur un fond violet uni.
Une jeune femme coréenne stylée avec des cheveux noirs asymétriques mi-longs et des lèvres rouges portant une robe blanche à épaules dénudées avec des motifs géométriques dorés, des lunettes teintées orange et un halo spiralé orange derrière sa tête sur un fond vert sarcelle foncé.
Une jeune femme aux cheveux bruns longs et ondulés porte une robe grise fleurie sans bretelles avec des accents de ruban noir dans un champ montagneux luxuriant parsemé de fleurs blanches sous un ciel nuageux.
Une illustration hyperdétaillée d'un bel homme noir à la peau foncée en équipement tactique, portant un gilet blindé gris, des gants noirs, un masque noir couvrant la moitié du visage, tenant deux pistolets pointés vers l'avant, sur fond blanc.