モデル/Stable Cascade - ベース

Stable Cascade - ベース

|
9/20/2025
|
1:05:01 AM
| Discussion
ハニーブロンドの髪とエメラルドの目を持つ女性のリアルなファンタジーポートレート。頬に涙を浮かべながら上を見上げ、銀のイヤリングとネックレスを身に着けています。
黄金時間に街並みと飛行船を背景に、光る魔法の火花と共に風になびく髪の四人のネオヴィクトリアンのヒロインが屋根裏の温室にいる様子。

推奨パラメータ

steps

10 - 20

resolution

1024x1024

ヒント

Stage Cの36億パラメータ版を使用すると、主なファインチューニングが行われているため最良の結果が得られます。

Stage Bでは15億パラメータ版を使用すると、小さく細かいディテールの再現に優れています。

潜在空間が小さいため効率的なトレーニングと推論に適しており、ファインチューニング、LoRA、ControlNet、IP-Adapter、LCMなどの拡張をサポートします。

本モデルは研究目的のみに使用し、事実的表現の生成やStability AIの許容使用ポリシーに違反する用途には使用しないでください。

顔や人物は正しく生成されない場合があり、モデルの自己符号化は損失を伴います。

クリエイタースポンサー

デモ:

Stable Cascade

このモデルはWürstchenアーキテクチャを基に構築されており、Stable Diffusionのような他のモデルとの主な違いははるかに小さい潜在空間で動作することです。

なぜこれが重要なのか?潜在空間が小さいほど、推論が速くなり、トレーニングコストが安くなります。

潜在空間はどれほど小さいのか?Stable Diffusionは圧縮率が8で、1024x1024の画像を128x128にエンコードします。Stable Cascadeは圧縮率42を実現し、1024x1024の画像を24x24に圧縮しつつ鮮明な復元が可能です。テキスト条件付きモデルはこの高度に圧縮された潜在空間でトレーニングされます。以前のこのアーキテクチャバージョンはStable Diffusion 1.5に比べコストを16分の1に削減しました。 <br> <br>

したがって、このモデルは効率性が重要な用途に適しています。さらに、ファインチューニング、LoRA、ControlNet、IP-Adapter、LCMなどの既知の拡張もこの方法で利用可能です。

モデル詳細

モデル説明

Stable Cascadeはテキストプロンプトに基づき画像を生成する拡散モデルです。

  • 開発: Stability AI

  • 資金提供: Stability AI

  • モデルタイプ: テキストから画像生成の生成モデル

モデルソース

研究目的には弊社のStableCascade Githubリポジトリ(https://github.com/Stability-AI/StableCascade)をお勧めします。

モデル概要

Stable Cascadeは3つのモデル、Stage A、Stage B、Stage Cで構成され、カスケード方式で画像を生成するため、この名前が付けられています。

Stage AとBは画像圧縮に用いられ、Stable DiffusionのVAEに相当する役割を果たします。

この構成により、より高い圧縮率が可能です。Stable Diffusionが空間圧縮率8で1024 x 1024を128 x 128へエンコードするのに対し、Stable Cascadeは圧縮率42で1024 x 1024を24 x 24にエンコードし、正確なデコードが可能です。

これによりトレーニングと推論コストが大幅に削減されます。Stage Cはテキストプロンプトに基づいて24 x 24の潜在表現を生成します。以下の画像はこれを視覚的に示しています。

今回のリリースでは、Stage C用に2つ、Stage B用に2つ、Stage A用に1つのチェックポイントを提供します。Stage Cは10億パラメータ版と36億パラメータ版があり、ほとんどのファインチューニングが36億版で行われているため、そちらの使用を強く推奨します。Stage Bは7億と15億パラメータ版があり、どちらも良好な結果を出しますが、15億版は小さい細部の復元に優れています。したがって、それぞれより大きい方のバリアントを使うと最良の結果が得られます。Stage Aは2000万パラメータで小さいため固定されています。

評価

評価によれば、Stable Cascadeはほとんどの比較においてプロンプト適合度と美的品質の両方で最高のパフォーマンスを示します。上の画像は、人間評価による結果で、parti-prompts(リンク)と美的プロンプトの組み合わせで実施されました。具体的には、Stable Cascade(推論ステップ30)がPlayground v2(推論ステップ50)、SDXL(推論ステップ50)、SDXL Turbo(推論ステップ1)、Würstchen v2(推論ステップ30)と比較されました。

コード例

⚠️ 重要: 以下のコードを動作させるには、PRが作業中のこのブランチから diffusersをインストールする必要があります。

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

# Now decoder_output is a list with your PIL images

使用例

直接使用

このモデルは今のところ研究目的向けです。可能な研究分野・課題には以下が含まれます。

  • 生成モデルの研究。

  • 有害コンテンツ生成の可能性があるモデルの安全な運用。

  • 生成モデルの制限やバイアスの調査と理解。

  • アートワークの生成およびデザインやその他の芸術的プロセスへの応用。

  • 教育的または創造的なツールでの応用。

除外される用途については下記を参照してください。

対象外の使用

本モデルは人や出来事の事実的または真実の表現を目的としてトレーニングされておらず、

そのようなコンテンツの生成に使用することはモデルの能力の範囲外です。

また、モデルはStability AIの許容使用ポリシーに違反する方法での使用は禁止されています。

制限とバイアス

制限事項

  • 顔や人物は正しく生成されない場合があります。

  • モデルの自己符号化部分は損失を伴います。

推奨事項

本モデルは研究目的のみに使用してください。

モデルの始め方

https://github.com/Stability-AI/StableCascade をご覧ください。

前の画像
Midnight - v5.0
次の画像
フィルムエミュレーション - ハレーション 35mm(控えめ)

モデル詳細

モデルタイプ

Checkpoint

ベースモデル

Stable Cascade

モデルバージョン

base

モデルハッシュ

0d28c8562d

作成者

ディスカッション

コメントを残すには log in してください。

「Stable Cascade - ベース」による画像

ハニーブロンドの髪とエメラルドの目を持つ女性のリアルなファンタジーポートレート。頬に涙を浮かべながら上を見上げ、銀のイヤリングとネックレスを身に着けています。
黄金時間に街並みと飛行船を背景に、光る魔法の火花と共に風になびく髪の四人のネオヴィクトリアンのヒロインが屋根裏の温室にいる様子。

アニメ画像

未来的なゴーグルを着けたサイバーパンク女性のデジタルアニメクローズアップイラスト。ショートヘアで赤橙色の背景。
鮮やかで超現実的な夕暮れ空を背景に、三日月と歪んだ飛行機があり、色とりどりのグリッチ風ネオン霧を放つバブルワンドを持ったシルエットの少年。
灰色のツインテールと緑の目を持つFrierenのアニメイラスト。白いナイティを着て裸足でベッドに横たわり、得意げな笑みを浮かべて振り返っている。
ピンクとオレンジの髪をしたアニメ少女が、多くの鋭いモンスタートゥースを大きく広げて笑いながら、暗く点滅する電車内に立っている。
紫のアクセントがあるゴシックメイド服を着たアニメ風少女が、複製の火器を持ってひざまずき、黒いヒールを履いている。
黒い軍服を着て、赤い機械の手と黄色い目を持つサイボーグ兵士が、血の飛び散った刑務所の廊下にしゃがみ込み、邪悪な笑みを浮かべて長い灰色の舌を出している。
青々とした緑に囲まれた木製の橋で繋がれた、苔むした屋根の居心地の良い魔女のコテージと澄んだ池が特徴の静かな森の風景。
岩だらけの環境の下にある構造物の下で、迷彩装甲を身に着け黒と白の骸骨マスクをかぶったサイバネティックな女性アンドロイドが、未来的な銃を二丁持ち動的なポーズを取っている。
磁器のような肌と漆黒の髪を持つ細身の日本人女性が、洗練された前衛的な黒い衣装を着て、柔らかなパステル色調のホログラフィックスカイを背景に自信に満ちて立っており、夢のような冬の朝を思わせる風景。
光る水平の剣を持ち、割れた廃墟の中に立つ白い翼の天使の姿、暗く神秘的な映画的環境に囲まれている。

アート画像

未来的なメタリックボディースーツを着た若い女性「Celestine Veil」が明るい黄色のグラデーション背景でダイナミックな虹色のラインに囲まれている。
水彩スタイルのセミリアリスティックな女性の肖像で、インクの飛沫と緋色の黒と金の背景が神秘的な雰囲気を醸し出しています。
白髪で青い目を持つエルフの女性のセミリアリスティックな水彩イラスト。ぴったりとした白い衣服と金色の点で飾られた青いマントを着ており、飛ぶ白い鳩に囲まれています。
濃い霧の中、オレンジと青の光に照らされた高層ビルが立ち並び、雲の上に浮かぶ大きな円形の浮遊構造物を中心とした未来的な都市景観。
閉じた目の顔を特徴とするクローズアップの抽象肖像画。三色インクで作成され、爆発的な筆使いとオレンジ、青、赤、黒の飛沫が感情の強さと混沌としたエネルギーを伝えています。
鮮やかな赤い顔、黄色い目、複雑な白黒の模様、羽毛のような毛皮の質感が黒い背景に描かれたマンドリルの頭部の詳細なデジタルイラスト。
夜の雨の中で人の上に迫る赤と黒のドラゴンのスケッチ。
暗い背景に際立つ赤、白、黒の色彩で描かれた水中の金魚の抽象的なアクリル画
ナポレオン時代とサイバーパンクスタイルを融合させたエレガントな金のアクセントが施された海軍制服を着た、ジンジャーヘアと青い目の決意に満ちた軍司令官の肖像。煙が立ち込める都市の要塞に立っています。
そばかすのあるエルフの女性血魔術師の詳細な肖像。スカーレットのフードとローブを身に着け、血のように赤い目と複雑な魔法の紋章が暗い森の洞窟の中で渦巻いている。

基本モデル画像

暗く不吉な空の下、光るジャックオーランタンに照らされた不気味な墓地を歩くゾンビや骸骨を含むアンデッドキャラクターの写実的なシーン。

ロゴ画像

オーバーウォッチのD.VAがタイトな青と白のボディスーツを着てひざまずきながらハンドガンを持ち、背景にはピンク調の大きなクローズアップでブラウンの目の顔が描かれているデジタルアート。
ストライプの従業員シャツを着て、インスタントラーメンのカップやさまざまな商品が並ぶショップカウンターの後ろに立つ、大きなイカのようなヒューマノイドキャラクターのイラスト。詳細な線画のハッチングと土色調で描かれています。
スチームパンクスタイルのコーヒーマシンと笑顔の少女、水彩スケッチ。
ブルーアーカイブのちびシロコのピクセルアート。アイソメトリックグリッドで剣を持つ。
燃えるろうそくと果物の超リアルな静物画。

リアリズム画像

兜をかぶり馬上に立つ古代ギリシャの戦士を描いた非常に詳細でリアルな油彩画。夕暮れの岩だらけの崖に立ち、大きく輝く月とレンブラント風の劇的なライティングが特徴。
高い尖塔、精巧な柱、アーチを特徴とするゴシック大聖堂の詳細なデジタルイラスト。側面には松の枝があり、柔らかいベージュの背景がある。
巨大な中央タワーが青く輝くフラクタル模様と滝を放つ未来的なSF都市。霧に包まれた山岳風景を背景に、複数の類似タワーが遠方に並ぶ。
磨かれたプレートアーマーのナイトテンプラーがゴシックの玉座に座り、白いポメラニアンを抱いている高度に詳細な油彩画、暗くムーディーな背景。
部分的に曇った空の下、木造のキャビンと澄んだ水の上の手漕ぎボート、豊かな森と岩に囲まれた非常に詳細で超リアルな川の風景。
古い封のされた手紙がアンティーク紙の上に置かれており、周囲に手書きの筆記が広がり、黒いインク瓶とエレガントな万年筆が添えられている。
複雑な鎧を身にまとい、夜の暗い街に立つグール風モンスターの詳細でリアルな油彩画。灯籠を持った若い女性が隣にいる。
アルバート・ビアシュタットに触発された、高い木々、岩の多い小道、山、湖、そして空に広がる劇的な雲の形が描かれた油絵の風景。
黄金の夜明けの光の下、豊かな緑の島々に囲まれた静かな熱帯の入り江に停泊している、白いドクロと交差した骨の大きな印が付いた黒い帆を持つ荘厳な三本マストの海賊船の非常に詳細な絵画。
夕暮れの空の下、荘厳な中世建築の縁に立つ詳細な英雄の鎧を着たファンタジー戦士と巨大な黄金の竜、劇的な雲が漂う。