Stability AIは、最新のテキストから画像へのAIモデルであるStable Diffusion 3をリリースし、急速に進化する生成AIの分野において大きな進歩を遂げました。この新しいモデルは、画像品質、テキストレンダリング、複雑なプロンプトを理解する能力において目覚ましい改善を誇り、すべてがよりリソース効率が高くなっています。
Stable Diffusion 3は、単なる段階的なアップグレードではありません。マルチモーダル拡散トランスフォーマー(MMDiT)と呼ばれる画期的なアーキテクチャを導入し、AIがテキストから画像を処理および生成する方法におけるパラダイムシフトを表しています。
Stable Diffusion 3の新機能
- 強化された画像品質:Stable Diffusion 3は、視覚的により魅力的でリアルな画像を生成し、プロのアーティストが作成した画像の品質に匹敵します。
- 優れたタイポグラフィ:最も顕著な改善点の1つは、画像内に明確で読みやすいテキストを生成するモデルの能力であり、これは従来のAIモデルにとって非常に難しい作業でした。
- より深いプロンプトの理解:ユーザーは非常に具体的で微妙なニュアンスのプロンプトを作成できるようになり、Stable Diffusion 3はユーザーのビジョンを見事なビジュアルに正確に変換します。
- リソース効率:機能が強化されているにもかかわらず、Stable Diffusion 3はより効率的に設計されており、必要な処理能力とメモリが少なく、より幅広いユーザーが利用できます。
Stable Diffusion 3の仕組み
Stable Diffusion 3の背後にある魔法は、革新的なMMDiTアーキテクチャにあります。この新しいシステムは、画像データと言語データに別々の重みセットを採用しており、AIはテキストと視覚情報の両方をより適切に理解し、個別に処理できます。このように関心の分離により、2つの間のより洗練された相互作用が可能になり、視覚的に素晴らしいだけでなく、入力テキストを正確に反映した画像が生成されます。
Stable Diffusion 3:競合他社を凌駕するパフォーマンス
![](https://nednex.com/wp-content/uploads/2024/06/Stable-Diffusion-3-Quality-Comparison.avif)
Stability AIは、Stable Diffusion 3をDALL·E 3、Midjourney v6、Ideogram v1などの他の主要なテキストから画像へのモデルと比較して、広範な人間の選好評価を実施しました。結果は明白です。Stable Diffusion 3は、画像の品質、プロンプトの順守、タイポグラフィにおいて、競合他社と同等以上の評価を常に得ています。
Stable Diffusion 3:生成例
![](https://nednex.com/wp-content/uploads/2024/06/SD-3-Paper-is-here.avif)
![](https://nednex.com/wp-content/uploads/2024/06/SD-3-Multiple-Different-Generation-Examples.avif)
![](https://nednex.com/wp-content/uploads/2024/06/SD-3-Text-Generation-Examples.avif)
![](https://nednex.com/wp-content/uploads/2024/06/SD-3-GPUs-go-BRRRRR.avif)
未来に向けた拡張性
Stability AIはまた、さまざまなパラメータ数でStable Diffusion 3モデルをトレーニングし、徹底的なスケーリング調査を実施しました。結果は、モデルサイズが大きいほどパフォーマンスが明確かつ一貫して向上することを示しており、このテクノロジーの将来に向けたさらに大きな可能性を示唆しています。
ライセンスと入手可能性
Stable Diffusion 3は現在、Stability Non-Commercial Research Community Licenseの下でリリースされており、学術研究や個人的なプロジェクトなどの非営利目的で無料で使用できます。商用ライセンスは、プロのアーティスト、デザイナー、企業向けにStability AIから入手できます。
Stable Diffusion 3:サイズとフレーバー
公開され、ダウンロード可能:
- SD3 Medium – 20億パラメータモデル。 https://huggingface.co/stabilityai/stable-diffusion-3-medium でダウンロードできます。
Stability AI API 経由でのみ入手可能
- SD3 Large – 80億パラメータモデル
- SD3 Large Turbo – 推論時間が高速な80億パラメータモデル
AI画像生成の未来
Stable Diffusion 3は、単なる技術的なブレークスルーではありません。創造性の未来を垣間見ることができます。高度な機能とユーザーフレンドリーなデザインを備えたこのモデルは、私たちがビジュアルコンテンツを作成およびインタラクトする方法に革命を起こす可能性を秘めています。自分の技術の限界に挑戦するプロのアーティストから、最もワイルドな想像力を実現する個人まで、Stable Diffusion 3は、画像生成の状況を民主化し、再定義する態勢を整えています。
リソース
- Stable Diffusion 3 Mediumリポジトリ:https://huggingface.co/stabilityai/stable-diffusion-3-medium
- 研究論文:https://arxiv.org/pdf/2403.03206