Stable Diffusion 3.5 Large - Large

Confira nosso Guia Rápido para Stable Diffusion 3.5 para todas as informações mais recentes!

Stable Diffusion 3.5 Large é um modelo texto-para-imagem Multimodal Diffusion Transformer (MMDiT) que apresenta desempenho aprimorado na qualidade da imagem, tipografia, compreensão de prompts complexos e eficiência de recursos.

Por favor, note: Este modelo é lançado sob a Licença Comunitária Stability. Visite Stability AI para aprender mais ou contate-nos para detalhes sobre licenciamento comercial.

Descrição do Modelo

• Desenvolvido por: Stability AI

• Tipo de modelo: modelo generativo texto-para-imagem MMDiT

• Descrição do Modelo: Este modelo gera imagens com base em prompts de texto. É um Multimodal Diffusion Transformer que usa três codificadores de texto fixos e pré-treinados, com QK-normalization para melhorar a estabilidade do treinamento.

Licença

• Licença Comunitária: Gratuita para pesquisa, uso não comercial e comercial para organizações ou indivíduos com receita anual total inferior a $1M. Mais detalhes podem ser encontrados no Acordo de Licença Comunitária. Leia mais em https://stability.ai/license.

• Para indivíduos e organizações com receita anual superior a $1M: por favor contate-nos para obter uma Licença Empresarial.

Detalhes da Implementação

• QK Normalization: Implementa a técnica de normalização QK para melhorar a estabilidade do treinamento.

• Codificadores de Texto：

  • CLIPs: OpenCLIP-ViT/G, CLIP-ViT/L, comprimento do contexto 77 tokens

  • T5: T5-xxl, comprimento do contexto 77/256 tokens em diferentes estágios do treinamento

• Dados e Estratégia de Treinamento:

  Este modelo foi treinado com uma grande variedade de dados, incluindo dados sintéticos e dados públicos filtrados.

Para mais detalhes técnicos da arquitetura original MMDiT, por favor veja o artigo de pesquisa.