模型介绍

Stability.AI 公司在 29 号准时发布了他们的 SD3.5 模型，据他们描述：该模型具有 25 亿个参数，具有改进的 MMDiT-X 架构和训练方法，旨在“开箱即用”地在消费类硬件上运行，在质量和易于定制之间取得平衡。它能够生成分辨率在 0.25 到 2 MP 之间的图像。它不仅在图像质量、文字渲染和复杂提示理解方面有显著提升，更令人惊喜的是其超高的资源效率。

模型特点

该模型体积比一般的 SDXL 还小，只有 5G 左右，不过质量却比 SDXL 好上不少

• 图像质量有显著提升

• 文本生成能力显著提升

• 得益于 T5 Clip，对复杂提示词理解能力显著提升

• 显存和内存占用少，更适合消费级硬件使用

使用建议

要充分发挥Stable Diffusion 3.5 Medium的能力，有几点建议值得注意：

• 注意提示词长度：虽然模型可以处理长提示，但当T5 tokens超过 256 时，可能会在生成图像边缘出现瑕疵。如果发现明显瑕疵，可以尝试缩短提示词。

• 使用跳层引导（Skip Layer Guidance）：这种采样技术可以提高结构和解剖一致性，让生成的图像更加协调。

• 灵活调整：Medium版本的训练数据分布与Large版本不同，对相同提示的响应可能会有差异。在使用过程中要善于调整策略。

如果你不知道你的提示词长度是多少 Token 你可以使用这个工具：OpenAI Platform

注意事项

使用前先更新一下 ComfyUI，不然加载模型的时候可能会报错：

Error(s) in loading state_dict for OpenAISignatureMMDITWrapper

下载体验

下载地址：https://huggingface.co/stabilityai/stable-diffusion-3.5-medium

试用地址：https://huggingface.co/spaces/stabilityai/stable-diffusion-3.5-medium

图片测试

人物：magical realism photo portrait， hipster fashion， morning light， 30-something man with long hair， pensive， candid

美学：~*~aesthetic~*~ #vaporwave neon 3D render， a fancy car in a clubhouse garage， neon sign on the wall reads "Drive On".

卡皮巴拉：A capybara wearing a suit holding a sign that reads Hello World

手指测试： Street photography of three women on the street with their hands up to greet the camera

全身照：Full body shot of a little boy in Iron Man armor on Mars

动漫：

总结

感觉这款模型性价比还是挺高的，用来替代 SDXL 应该是没问题，12G 显存可用，如果后续有量化估计 8G，6G 显存也可以用，就是手脚还是有比较大的问题，但是美学和皮肤质感比 FLux 好得多