Stable Diffusion 3.5 Large - 大型

請參閱我們的 Stable Diffusion 3.5 快速入門指南 以獲取所有最新資訊！

Stable Diffusion 3.5 Large 是一款多模態擴散轉換器 (MMDiT) 的文字到圖像模型，在圖像質量、字體排版、複雜提示理解和資源效率方面表現更佳。

請注意：此模型根據 Stability 社區許可證 發布。請訪問 Stability AI 了解或 聯絡我們 索取商業許可詳情。

模型描述

• 開發者：Stability AI

• 模型類型：多模態擴散轉換器 (MMDiT) 文字到圖像生成模型

• 模型說明：此模型基於文字提示生成圖像。它是一個多模態擴散轉換器，使用了三個固定的預訓練文字編碼器，並採用 QK 正規化以提升訓練穩定性。

許可證

• 社區許可證：免費供研究、非商業及營業額低於 100 萬美元的組織或個人商業用途。詳情請參閱 社區許可協議。詳見 https://stability.ai/license。

• 年營收超過 100 萬美元的個人和組織：請聯絡我們以獲取企業許可證。

實施細節

• QK 正規化：實現 QK 正規化技術以提升訓練穩定性。

• 文字編碼器：

  • CLIPs: OpenCLIP-ViT/G、CLIP-ViT/L，上下文長度 77 字元

  • T5: T5-xxl，在不同訓練階段上下文長度為 77/256 字元

• 訓練資料和策略：

  此模型訓練使用多樣資料，包括合成資料和過濾過的公開資料。

如需原始 MMDiT 架構的更多技術細節，請參考研究論文。