【全新升级】Stable Diffusion 3，这位曾在AI界掀起显卡“炼丹”、“炼妹子”狂潮的领军者，再次以破浪之势推出全新版本。昨晚， Stability AI在其官方网站震撼发布，预告了Stable Diffusion 3的强势登场。
    新版本在多主题提示、图像质量和文字渲染能力等方面实现重大突破，模型参数量跨越800M至8B区间，同时传承了其一贯秉持的开源精神，持续为业界带来惊喜。更值得一提的是，它如同维新派般大胆革新，摒弃业内常规的U-NET架构，选择拥抱Transformer与Diffusion融合的先进架构体系，这一变革举措与Sora遥相呼应。
    无需深究技术原理，直观感受其卓越表现——Stable Diffusion 3通过一波高清无码大图展示了其难以抵挡的魅力。其中，新版本的文字渲染能力尤为亮眼，成功解决了当前文生图和文生视频普遍存在的不识字、写字不准的问题。例如，相较于DALL·E 3生成的“Chaping青花瓷”中汉字表达含糊不清甚至拼写错误，Stable Diffusion 3的文化素养显然跃升了一个台阶。官方展示案例中，当输入“一辆跑车的夜间照片，侧面写着 'SD3'，汽车在赛道上高速行驶，巨大的路标上写着'Faster'的文字”作为提示词时，生成图片不仅贴合描述，文字位置准确，字体清晰可辨。相比之下，DALL·E 3在同样场景下的文字渲染效果略显不足。
    尽管目前Stable Diffusion 3的文字渲染功能暂时仅支持英文，但中文支持已在紧锣密鼓的研发之中。此外，新版本引入的另一重大更新——多主题提示功能，确保AI在生成图片过程中精准涵盖所有关键信息，不会遗漏任何细节。通过实例对比，无论是Midjourney、DALLE-3还是Bing，在处理复杂多元素组合时，均未能达到Stable Diffusion 3的水准。
    图像质量方面，Stable Diffusion 3的表现令人叹为观止，所生成的图像逼真度直逼真实照片，如手帕纹理及老虎刺绣图案细腻到让人难以分辨真假；还有那颗苹果，其仿真程度足以乱真。
    此次Stable Diffusion 3能实现如此显著的提升，很大程度上得益于借鉴了与Sora同源的架构设计。不同于以往采用U-net架构搭配扩散模型的方式，Stability AI团队紧跟OpenAI的步伐，将Transformer架构与Diffusion模型巧妙结合，打造出名为Diffusion Transformer（简称DiT）的新颖架构。而撰写关于DiT架构论文的谢赛宁教授与William Peebles博士，后者正是Sora团队的核心成员之一。Stability AI的CEO Emad也在社交媒体平台上确认，新版本确实采用了与Sora相似的技术。
    不仅如此，Stable Diffusion 3还应用了一项名为Flow Matching的技术，这项技术虽然复杂，简单来说是一种用于训练扩散模型的有效方法，相当于升级画笔，使其能够更快更准确地描绘出用户所需画面。由此推断，Stable Diffusion 3在文字理解上的巨大进步，很可能正是得益于此项技术的应用。
    综上所述，从现有的官方效果图和技术公开资料判断，Stable Diffusion 3的诞生无疑将文本生成图像的质量推向了一个全新的高度，并有力证明了DiT架构在文生图、文生视频领域的广阔前景和可行性。
    未来的AI领域必将精彩纷呈，各路英雄竞相角逐。对于广大用户而言，无需过分焦虑，保持关注的同时不妨学习如何运用这些前沿技术。在此温馨提醒，Stable Diffusion 3目前尚未正式公测，请大家警惕市场上打着培训旗号的诈骗行为。让我们共同期待这场由Stable Diffusion 3引领的新一轮AI革命，带给世界更多惊喜与可能。