README.md

---
license: other
license_name: stabilityai-ai-community
license_link: LICENSE.md
tags:
- text-to-image
- stable-diffusion
- diffusers
- art
- music
inference: true
extra_gated_prompt: >-
  By clicking "Agree", you agree to the [License
  Agreement](https://huggingface.co/stabilityai/stable-diffusion-3.5-large/blob/main/LICENSE.md)
  and acknowledge Stability AI's [Privacy
  Policy](https://stability.ai/privacy-policy).
extra_gated_fields:
  Name: text
  Email: text
  Country: country
  Organization or Affiliation: text
  Receive email updates and promotions on Stability AI products, services, and research?:
    type: select
    options:
    - 'Yes'
    - 'No'
  What do you intend to use the model for?:
    type: select
    options:
    - Research
    - Personal use
    - Creative Professional
    - Startup
    - Enterprise
  I agree to the License Agreement and acknowledge Stability AI's Privacy Policy: checkbox
language:
- en
- aa
- ae
pipeline_tag: image-to-image
datasets:
- microsoft/orca-agentinstruct-1M-v1
new_version: genmo/mochi-1-preview
library_name: adapter-transformers
---

#稳定扩散3.5大
![3.5大演示图像](sd3.5_large_demo.png)

##模型

![MMDiT](mmdit.png)


[稳定扩散3.5大](https://stability.ai/news/introducing-stable-diffusion-3-5)是一种多模式扩散转换器(MMDiT)文本到图像模型，其特点是在图像质量、排版、复杂的即时理解和资源效率方面提高了性能。

请注意：此型号发布于[稳定性社区许可证](https://stability.ai/community-license-agreement).访问[稳定性AI](https://stability.ai/license)学习或[联系我们](https://stability.ai/enterprise)有关商业许可的详细信息。


###型号说明

- **编制单位：**稳定性AI
- **型号类型：**MMDiT文本到图像生成模型
- **型号说明：**此模型根据文本提示生成图像。[多模扩散变压器](https://arxiv.org/abs/2403.03206)使用三个固定的、预训练的文本编码器，并使用QK标准化来提高训练稳定性。

###许可证

- **社区许可证：**每年总收入低于100万美元的组织或个人可免费用于研究、非商业和商业用途。更多详情请参阅[社区许可协议](https://stability.ai/community-license-agreement)。更多信息请访问https://stability.ai/license.
- **年收入超过100万美元的个人和组织**：请[联系我们](https://stability.ai/enterprise)获得企业许可证。

###模型源

对于本地或自托管使用，我们建议[ComfyUI](https://github.com/comfyanonymous/ComfyUI)用于基于节点的UI推断，或[扩散器](https://github.com/huggingface/diffusers)或[GitHub](https://github.com/Stability-AI/sd3.5)供编程使用。

- **ComfyUI：** [GitHub](https://github.com/comfyanonymous/ComfyUI),[工作流示例](https://comfyanonymous.github.io/ComfyUI_examples/sd3/)
- **拥抱面空间：** [空间](https://huggingface.co/spaces/stabilityai/stable-diffusion-3.5-large)
- **扩散器**:[见下文](#using-with-diffusers).
- **GitHub**:[GitHub](https://github.com/Stability-AI/sd3.5).

- **API端点：**
  - [稳定性AI API](https://platform.stability.ai/docs/api-reference#tag/Generate/paths/~1v2beta~1stable-image~1generate~1sd3/post)
  - [复制](https://replicate.com/stability-ai/stable-diffusion-3.5-large)
  - [Deepinfra](https://deepinfra.com/stabilityai/sd3.5)


###实施详细信息

- **QK归一化：**实施QK归一化技术，提高训练稳定性。

- **文本编码器：**
    -剪辑：[OpenCLIP-ViT/G](https://github.com/mlfoundations/open_clip),[夹子-ViT/L](https://github.com/openai/CLIP/tree/main)，上下文长度77个标记
    -T5：[T5-xxl](https://huggingface.co/google/t5-v1_1-xxl)，上下文长度77/256个在训练的不同阶段的标记

- **培训数据和策略：**
    
这一模型是根据各种各样的数据训练的，包括合成数据和经过筛选的公开数据。

有关原始MMDiT架构的更多技术细节，请参阅[研究论文](https://stability.ai/news/stable-diffusion-3-research-paper).


###模型性能

看见[博客](https://stability.ai/news/introducing-stable-diffusion-3-5)为我们研究的比较表现在即时坚持和审美质量。


##文件结构

单击此处访问[“文件和版本”选项卡](https://huggingface.co/stabilityai/stable-diffusion-3.5-large/tree/main)

```│
├--文本编码器/
│├--README.md
│├--clip_g.safetensors
│├--clip_l.safetensors
│├--t5xxxl_fp16.safetensors
│└--t5xxxl_fp8_e4m3fn.safetensors
│
├--README.md
├--许可证
├--sd3_large.safetensors
├--SD3.5L_example_workflow.json
└--sd3_large_demo.png

**下面的文件结构用于扩散器集成**
├--调度程序/
├--文本编码器/
├--text_encoder_2/
├--text_encoder_3/
├--标记器/
├--标记器_2/
├--标记器_3/
├--变压器/
├--vae/
└--model_index.json
```

##与散流器一起使用
升级至最新版本的[🧨 扩散器库](https://github.com/huggingface/diffusers)
```
PIP安装-U扩散器
```

然后你就可以跑了
```py
进口火炬
从扩散器导入StableDiffusion3Pipeline

管道=稳定扩散3管道。from_pretrained(“稳定/稳定扩散-3.5-大”)，torch_dtype=torch。bfloat16)
pipe=pipe.to(“cuda”)

image=管道(
“一只手持标语的水豚”，
NUM_interference_steps=28，
guidance_scale=3.5，
).图像[0]
image.save("capybara.png")
```

###使用扩散器对模型进行量化

减少您的VRAM使用量，使型号适合 🤏 VRAM GPU

```
PIP安装位和字节
```

```py
从扩散器导入BitsAndBytesConfig，SD3Transformer2DModel
从扩散器导入StableDiffusion3Pipeline
进口火炬

model_id="稳定/稳定扩散-3.5-大"

NF4_config=BitsAndBytesConfig(
load_in_4bit=真，
BNB_4bit_quant_type="NF4"，
BNB_4bit_compute_dtype=torch.bfloat16
)
model_NF4=SD3Transformer2DModel.from_pretrained(
model_id，
子文件夹="transformer"，
quantization_config=NF4_config，
torch_dtype=torch.bfloat16
)

pipeline=StableDiffusion3Pipeline.from_pretrained(
model_id，
变压器=型号NF4，
torch_dtype=torch.bfloat16
)
pipeline.enable_model_cpu_offload()

prompt="这是一幅异想天开、创意十足的画面，描绘了一种由华夫饼干和河马混合而成的混合生物，在早餐主题景观中，沐浴在融化的黄油河中。它以河马特有的庞大体型为特色。然而，这种生物的身体不像通常的灰色皮肤，而是像刚从烤盘上拿下来的金棕色酥脆华夫饼。表皮的纹理是熟悉的格子图案华夫饼，每个方块都充满了糖浆的光泽。这是河马的自然栖息地，有早餐餐桌的布置，一条温暖融化的黄油流淌的河流，背景是从葱郁的薄烤饼般的树叶中探出的超大餐具或盘子，还有一棵树旁边的高耸的胡椒磨。在这个奇幻的世界里，当太阳升起时，它投下了温暖的黄油般的光芒。这只满足于黄油河的生物打了个哈欠。附近，一群鸟飞走了。

image=管道(
prompt=提示，
NUM_interference_steps=28，
制导标度=4.5，
Max_sequence_length=512，
).图像[0]
image.save("whimsical.png")
```

###微调

请参阅微调指南[在这里](https://stabilityai.notion.site/Stable-Diffusion-3-5-Large-Fine-tuning-Tutorial-11a61cdcd1968027a15bdbd7c40be8c6).


##uses

###预期用途

预期用途包括：
*艺术作品的产生和在设计和其他艺术过程中的使用。
*在教育或创意工具中的应用。
*研究生成模型，包括理解生成模型的局限性。

该模型的所有用途必须符合我们的[可接受的使用政策](https://stability.ai/use-policy).

###超出范围的使用

该模型未被训练为真实或真实地表示人物或事件。因此，使用该模型生成这样的内容超出了该模型的能力范围。

##安全

作为我们设计安全和负责任的人工智能部署方法的一部分，我们采取了慎重的措施，以确保完整性在开发的早期阶段就开始。我们在整个模型开发过程中实施了安全措施。我们实施了旨在降低某些损害风险的安全缓解措施，但我们建议开发人员进行自己的测试，并根据其特定用例应用额外的缓解措施。  
有关我们的安全方法的更多信息，请访问我们的[安全页](https://stability.ai/safety).

###完整性评估

我们的完整性评估方法包括针对某些损害的结构化评估和红队测试。测试主要以英语进行，可能不包括所有可能的损害。

###已识别的风险和缓解措施：

*有害内容：我们在训练模型时使用了经过筛选的数据集，并实施了保护措施，试图在有用性和防止伤害之间取得适当的平衡。但是，这并不能保证所有可能的有害内容都已被删除。高级开发人员和部署人员应谨慎行事，并根据其特定的产品策略和应用程序用例实施内容安全防护栏。
*误用：技术限制以及开发人员和最终用户培训有助于减少模型的恶意应用。所有用户都必须遵守我们的[可接受的使用政策](https://stability.ai/use-policy)，包括应用微调和即时工程机制时。有关违规使用我们产品的信息，请参考稳定性AI可接受使用政策。
*隐私侵犯：鼓励开发人员和部署人员使用尊重数据隐私的技术遵守隐私法规。

###联系

请报告模型的任何问题或联系我们：

*安全问题：safety@stability.ai
*安全问题：security@stability.ai
*隐私问题：privacy@stability.ai
*许可证和总则：https://stability.ai/license
*企业许可证：https://stability.ai/enterprise