6月12日晚，著名开源大模型平台Stability AI正式开源了，文生图片模型Stable Diffusion 3 Medium（以下简称“SD3-M”）权重。
SD3-M有20亿参数，平均生成图片时间在2—10秒左右推理效率非常高，同时对硬件的需求比同类型也低，这是一款适合PC、手机、平板的大模型。
此外，SD3-M还与英伟达、AMD合作，特地针对RTX GPU 、TensorRT和最新CPU、MI-300X进行了优化，性能最高可提升50%。
开源地址：https://huggingface.co/stabilityai/stable-diffusion-3-medium
免费在线试用：https://huggingface.co/spaces/stabilityai/stable-diffusion-3-medium
根据Stability AI的介绍，SD3-M使用的是多模态扩散变换器 (MMDiT)架构，生成的图片质量、排版、复杂文本提示/语义理解和资源效率方面的性能得到了极大提高。
训练数据集方面，SD3-M使用了包含10亿张图片的公开和合成数据进行了预训练，同时针对特定艺术风格和领域，使用了3000万张图片进行了微调以及300万张偏好图片。
所以，SD3-M对用户的文本提示理解和嵌入图片文字的效果将比前两代更好。根据在线demo，为大家展示一下SD3-M的生成效果。
高耸的摩天大楼、飞驰的汽车和充满活力的全息广告构成的未来主义城市景观
日落时宁静的海滩景色，金色的沙滩，温柔的海浪，一对夫妇手牵手散步
郁郁葱葱的热带雨林，茂密的树叶，五颜六色的鸟类，背景是瀑布。
一家20世纪50年代的老式餐厅，配有棋盘地板、红色乙烯基展位和播放经典摇滚乐的自动点唱机。
一个异想天开的幻想世界，漂浮的岛屿，雄伟的龙在天空中飞翔，下面是迷人的森林。
一个时尚现代的厨房，配有不锈钢器具、大理石台面和一扇俯瞰花园的大窗户。
以上只是部分案例，有兴趣的小伙伴可以通过在线demo免费无限生成。目前SD3-M只能用于学术研究无法商业化。如果想商用需要联系Stability AI进行商业授权。
本文素材来源SD3-M官网，如有侵权请联系删除
END
diffusionmedium大模型huggingface文本提示训练数据集cpu商业授权生成效果开源大模型预训练商业化训练数据文生图tensorrtgpu艺术风格语义理解合成数据学术研究
