Stable Diffusion 3.5 Large Turbo Ungated

🚀 無訪問限制的Stable Diffusion 3.5 Large Turbo！

本項目與原版功能一致，只是重新上傳並移除了訪問限制機制。它是一個文本到圖像的生成模型，能夠根據文本提示生成高質量的圖像，在圖像質量、排版、複雜提示理解和資源效率方面表現出色。

🚀 快速開始

若要使用該模型，可按照以下步驟操作：

1. 升級到最新版本的 🧨 diffusers庫

pip install -U diffusers

2. 運行以下代碼

import torch
from diffusers import StableDiffusion3Pipeline

pipe = StableDiffusion3Pipeline.from_pretrained("stabilityai/stable-diffusion-3.5-large-turbo", torch_dtype=torch.bfloat16)
pipe = pipe.to("cuda")

image = pipe(
    "A capybara holding a sign that reads Hello Fast World",
    num_inference_steps=4,
    guidance_scale=0.0,
).images[0]
image.save("capybara.png")

✨ 主要特性

• 高質量圖像生成：基於文本提示生成高質量的圖像。
• 高效推理：採用Adversarial Diffusion Distillation (ADD)技術，可在4步採樣內生成高質量圖像。
• 多文本編碼器：使用三種固定的預訓練文本編碼器，包括CLIPs和T5。

📦 安裝指南

升級diffusers庫

pip install -U diffusers

量化模型以減少VRAM使用

pip install bitsandbytes

💻 使用示例

基礎用法

import torch
from diffusers import StableDiffusion3Pipeline

pipe = StableDiffusion3Pipeline.from_pretrained("stabilityai/stable-diffusion-3.5-large-turbo", torch_dtype=torch.bfloat16)
pipe = pipe.to("cuda")

image = pipe(
    "A capybara holding a sign that reads Hello Fast World",
    num_inference_steps=4,
    guidance_scale=0.0,
).images[0]
image.save("capybara.png")

高級用法

from diffusers import BitsAndBytesConfig, SD3Transformer2DModel
from diffusers import StableDiffusion3Pipeline
import torch

model_id = "stabilityai/stable-diffusion-3.5-large-turbo"

nf4_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_quant_type="nf4",
    bnb_4bit_compute_dtype=torch.bfloat16
)
model_nf4 = SD3Transformer2DModel.from_pretrained(
    model_id,
    subfolder="transformer",
    quantization_config=nf4_config,
    torch_dtype=torch.bfloat16
)

t5_nf4 = T5EncoderModel.from_pretrained("diffusers/t5-nf4", torch_dtype=torch.bfloat16)

pipeline = StableDiffusion3Pipeline.from_pretrained(
    model_id, 
    transformer=model_nf4,
    text_encoder_3=t5_nf4,
    torch_dtype=torch.bfloat16
)
pipeline.enable_model_cpu_offload()

prompt = "A whimsical and creative image depicting a hybrid creature that is a mix of a waffle and a hippopotamus, basking in a river of melted butter amidst a breakfast-themed landscape. It features the distinctive, bulky body shape of a hippo. However, instead of the usual grey skin, the creature's body resembles a golden-brown, crispy waffle fresh off the griddle. The skin is textured with the familiar grid pattern of a waffle, each square filled with a glistening sheen of syrup. The environment combines the natural habitat of a hippo with elements of a breakfast table setting, a river of warm, melted butter, with oversized utensils or plates peeking out from the lush, pancake-like foliage in the background, a towering pepper mill standing in for a tree.  As the sun rises in this fantastical world, it casts a warm, buttery glow over the scene. The creature, content in its butter river, lets out a yawn. Nearby, a flock of birds take flight"

image = pipeline(
    prompt=prompt,
    num_inference_steps=4,
    guidance_scale=0.0,
    max_sequence_length=512,
).images[0]
image.save("whimsical.png")

📚 詳細文檔

模型描述

許可證

• 社區許可證：對於研究、非商業用途以及年總收入低於100萬美元的組織或個人的商業用途免費。更多詳細信息可在 社區許可協議 中找到。請訪問https://stability.ai/license 瞭解更多。
• 年總收入超過100萬美元的個人和組織：請 聯繫我們 獲取企業許可證。

模型來源

對於本地或自託管使用，我們推薦使用 ComfyUI 進行基於節點的UI推理，或使用 diffusers 或 GitHub 進行編程使用。

• ComfyUI：Github，示例工作流
• Huggingface Space：Space
• Diffusers：見下文
• GitHub：GitHub
• API端點：
  • Stability AI API
  • Deepinfra

文件結構

點擊此處訪問 文件和版本標籤

│
├── text_encoders/  (text_encoder/text_encoder_1/text_encoder_2 are for diffusers)
│   ├── README.md
│   ├── clip_g.safetensors
│   ├── clip_l.safetensors
│   ├── t5xxl_fp16.safetensors
│   └── t5xxl_fp8_e4m3fn.safetensors
│
├── README.md
├── LICENSE
├── sd3_large_turbo.safetensors
├── SD3.5L_Turbo_example_workflow.json
└── sd3_large_turbo_demo.png

** 以下文件結構用於diffusers集成 **
├── scheduler/
├── text_encoder/
├── text_encoder_2/
├── text_encoder_3/
├── tokenizer/
├── tokenizer_2/
├── tokenizer_3/
├── transformer/
├── vae/
└── model_index.json

用途

預期用途

預期用途包括以下方面：

• 藝術品生成以及在設計和其他藝術過程中的應用。
• 在教育或創意工具中的應用。
• 對生成模型的研究，包括瞭解生成模型的侷限性。

模型的所有使用都必須符合我們的 可接受使用政策。

非預期用途

該模型並非用於對人物或事件進行事實性或真實的呈現。因此，使用該模型生成此類內容超出了該模型的能力範圍。

安全性

作為我們以安全為設計理念和負責任的AI部署方法的一部分，我們採取了深思熟慮的措施，以確保在開發的早期階段就保證模型的完整性。我們在模型開發的整個過程中實施了安全措施。我們已經實施了旨在降低某些危害風險的安全緩解措施，然而，我們建議開發人員根據其特定用例進行自己的測試並應用額外的緩解措施。 有關我們的安全方法的更多信息，請訪問我們的 安全頁面。

完整性評估

我們的完整性評估方法包括結構化評估和針對某些危害的紅隊測試。測試主要以英語進行，可能無法涵蓋所有可能的危害。

已識別的風險和緩解措施

• 有害內容：我們在訓練模型時使用了經過過濾的數據集，並實施了保障措施，試圖在實用性和防止危害之間取得適當的平衡。然而，這並不能保證所有可能的有害內容都已被移除。所有開發人員和部署人員應謹慎行事，並根據其特定的產品政策和應用用例實施內容安全防護措施。
• 濫用：技術限制以及對開發人員和最終用戶的教育有助於減輕模型的惡意應用。所有用戶都必須遵守我們的 可接受使用政策，包括在應用微調和平提示工程機制時。請參考Stability AI可接受使用政策，瞭解我們產品的違規使用信息。
• 隱私侵犯：鼓勵開發人員和部署人員採用尊重數據隱私的技術，遵守隱私法規。

聯繫我們

請報告模型的任何問題或與我們聯繫：

• 安全問題：safety@stability.ai
• 安全漏洞：security@stability.ai
• 隱私問題：privacy@stability.ai
• 許可證和一般問題：https://stability.ai/license
• 企業許可證：https://stability.ai/enterprise

🔧 技術細節

• QK歸一化：實現QK歸一化技術以提高訓練穩定性。
• 對抗性擴散蒸餾 (ADD)：（見 技術報告），允許在4步採樣內生成高質量圖像。
• 文本編碼器：
  • CLIPs：OpenCLIP-ViT/G，CLIP-ViT/L，上下文長度為77個標記。
  • T5：T5-xxl，在訓練的不同階段上下文長度為77/256個標記。
• 訓練數據和策略：該模型在各種數據上進行訓練，包括合成數據和經過過濾的公開可用數據。

有關原始MMDiT架構的更多技術細節，請參考 研究論文。

模型性能

請參閱 博客 瞭解我們關於提示遵循度和美學質量的比較性能研究。

📄 許可證

本模型採用 Stability AI社區許可證。請訪問https://stability.ai/license 瞭解更多信息。