Разработчики предпочли посвятить четыре месяца основательным улучшениям, вместо того чтобы делать быстрые исправления. Основное новшество в Stable Diffusion 3.5 заключается в переходе на архитектуру MMDiT (Multimodal Diffusion Transformer). В отличие от прошлых моделей, в новой версии задействованы три предобученных текстовых энкодера одновременно. Это важное техническое решение, которое потребовало значительной модификации всей архитектуры.
На платформе Hugging Face теперь доступны модели Stable Diffusion 3.5 Large с 8 миллиардами параметров и её более быстрая версия - Stable Diffusion 3.5 Large Turbo. Исходный код этих моделей можно найти на GitHub. Первая модель отличается высокой производительностью, а вторая — скоростью работы. Версия Stable Diffusion 3.5 Medium, содержащая 2,5 миллиарда параметров, будет выпущена 29 октября 2024 года. Все три модели способны эффективно работать с различными стилями и жанрами, включая рисунки, 3D и фотографии. Компания утверждает, что это её самые мощные модели на сегодняшний день. Они могут запускаться на пользовательских устройствах и не предъявляют высоких требований к системе. Например, версия Medium специально адаптирована для работы на смартфонах, как отмечает TechCrunch.
Итоговые изображения можно использовать бесплатно в некоммерческих целях. Для коммерческого использования плата не взимается, если доход компании не превышает $1 млн. В случае превышения этой суммы необходимо оформить корпоративную лицензию в индивидуальном порядке.
Еще КонтролНет отсутствует.