Stability AI ने तकनीकी बाधाओं को फिर से तोड़ते हुए नया Stable Diffusion 3.5 Medium मॉडल लॉन्च किया है। यह जन साधारण के लिए AI चित्रकला उपकरण न केवल पूरी तरह से मोफ़्त और व्यावसायिक उपयोग के लिए खुला है, बल्कि उच्च प्रदर्शन और लोकप्रियता के बीच एक आदर्श संतुलन भी बनाता है। इस बहु-मोडल प्रसार परिवर्तक (MMDiT-X) आर्किटेक्चर से सुसज्जित मॉडल में 2.5 बिलियन पैरामीटर हैं, जो सामान्य उपयोगकर्ताओं के हार्डवेयर की बाधाओं को प्रभावी ढंग से हल करता है। इसे केवल 9.9GB वीडियो मेमोरी की आवश्यकता होती है, और यह अधिकांश उपभोक्ता ग्राफ़िक्स कार्ड पर बिना किसी रुकावट के चल सकता है।

कल रात, Stability AI ने अपना सबसे शक्तिशाली मॉडल - Stable Diffusion 3.5 जारी किया, जो केवल एकल मॉडल नहीं है, बल्कि तीन संस्करणों का एक संपूर्ण सेट है, जो शोधकर्ताओं से लेकर व्यवसाय के उत्साही, स्टार्टअप और कंपनियों की विविधता की आवश्यकताओं को पूरा करने के लिए डिज़ाइन किया गया है। ये तीन संस्करण हैं Stable Diffusion 3.5 Large, Stable Diffusion 3.5 Large Turbo और 29 अक्टूबर को लॉन्च होने वाला है।

Runway ने Hugging Face प्लेटफ़ॉर्म से स्थिर विसरण v1.5 सहित कोड संग्रह को गुप्त रूप से हटा दिया, इस कदम ने प्रौद्योगिकी क्षेत्र में व्यापक ध्यान आकर्षित किया। हटाने की क्रिया ने Hugging Face या समुदाय के सदस्यों को सूचित नहीं किया, जिससे इन संसाधनों पर निर्भर विकासक और शोधकर्ता परेशान हो गए। स्थिर विसरण v1.5 Runway द्वारा किए गए शोध परियोजनाओं में से एक था और संबंधित पत्रों में एक महत्वपूर्ण स्थान रखता था। हालांकि, यह संस्करण कॉपीराइट मुद्दों के कारण

ViPer एक व्यक्तिगत छवि उत्पन्न करने वाला उपकरण है, जिसे उपयोगकर्ताओं के साथ बातचीत करके उनके कलात्मक प्राथमिकताओं को सीखने और लागू करने के लिए डिज़ाइन किया गया है, जो Midjourney के समान है। उपयोगकर्ता की छवियों पर टिप्पणियों का विश्लेषण करके, ViPer 'नरम रंग', 'धुंधली रोशनी', 'स्वप्निल वातावरण' जैसी प्राथमिकताओं की पहचान करता है और नए छवियों को उत्पन्न करते समय इसे मार्गदर्शक सिद्धांत के रूप में उपयोग करता है, जिससे उपयोगकर्ता को पसंद नहीं आने वाले तत्वों से बचा जा सके। इस तरह ViPer उपयोगकर्ता की सौंदर्य वरीयताओं के अनुरूप, व्यक्तिगत शैली को प्रतिबिंबित करने वाली छवियाँ बनाने में सक्षम होता है, जिससे उपयोगकर्ताओं को अद्वितीय कलात्मक निर्माण का अनुभव प्राप्त होता है। ऑनलाइन अनुभव का पता है: h

Stability AI ने अपने Stable Diffusion3 लाइसेंस को आसान किया है, हाल की विवादों का जवाब देते हुए, इसका उद्देश्य अपने नवीनतम लाइसेंस条款 के खिलाफ उपयोगकर्ताओं की आपत्ति को कम करना है। प्रारंभिक रिलीज में प्रतिबंधात्मक शर्तें शामिल थीं, जिससे समुदाय में असंतोष हुआ, विशेषकर CivitAI प्लेटफ़ॉर्म पर। आलोचनाओं का सामना करते हुए, Stability AI ने एक और उदार सामुदायिक लाइसेंस जारी किया, जो SD3 मॉडल का मुफ्त में उपयोग करने की अनुमति देता है, अनुसंधान और गैर-व्यावसायिक उद्देश्यों के लिए। उन्होंने व्यावसायिक उपयोग के लिए अतिरिक्त लचीलापन भी प्रदान किया।

Stable Diffusion 3 मॉडल जारी DiT (Diffusion Transformer) संरचना का उपयोग Stable Diffusion 3 में गुणवत्ता में महत्वपूर्ण सुधार Stable Diffusion 3 अन्य पाठ से छवि निर्माण प्रणालियों से बेहतर Stable Diffusion 3 के पैरामीटर 800M से 8B तक BD3 संरचना Sora के प्रमुख शोध सदस्यों और न्यूयॉर्क विश्वविद्यालय के सहायक प्रोफेसर के सहयोग पर आधारित है MMD

Stable Diffusion 3 तकनीकी रिपोर्ट ने SD3 के लिए मल्टी-मोडल डिफ्यूजन ट्रांसफार्मर आर्किटेक्चर MMDiT का परिचय दिया। SD3 ने प्रदर्शन में सुधार के लिए दोबारा भारित धारा तकनीक को पेश किया। SD3 ने स्केलेबिलिटी पर अनुसंधान किया और भविष्य के प्रदर्शन सुधार के लिए टेक्स्ट एनकोडर पर मुद्दों और सुझावों की अपेक्षा की।

Stable Diffusion 3 एक सबसे मजबूत टेक्स्ट से छवि मॉडल है। Stable Diffusion 3 MMDiT आर्किटेक्चर को अपनाता है, जो मौजूदा टेक्स्ट से छवि जनरेशन सिस्टम की प्रदर्शन को बढ़ाता है। Stable Diffusion 3 दृश्य सौंदर्य, टेक्स्ट पालन और टाइपोग्राफी में अन्य उन्नत मॉडलों से आगे है। MMDiT आर्किटेक्चर DiT और आयताकार प्रवाह रूपों को जोड़ता है, जो छवि और भाषा प्रस्तुतियों को स्वतंत्र वजन सेट के साथ संसाधित करता है। Stable Diffusion 3 में लचीलापन है।