STability AI刚刚在 AI 图像生成领域投下了一颗重磅炸弹：Stable Diffusion 3 ( SD3 )。它是目前他们发布的最先进、功能最强大的图像生成器，对一年多前发布的已经令人印象深刻的Stable Diffusion 2.1进行了大规模升级。
那么，Stable Diffusion 3 有哪些新功能？
· · · ·
使用稳定扩散 3 生成的图像
让我印象深刻的是猫和狗脖子上的绿色。看起来SD3能够理解环境并模拟反射。
我不禁想知道它是否秘密地从绿屏幕后照片数据集中学到了这个技巧。
相比之下，Midjourney V6 和 Dall-E 3 的图像虽然令人印象深刻，但在不同方面却没有达到目标。
Midjourney V6 和 Dall-E 3 生成的图像
Midjourney V6 奇怪地将动物放置在蓝色立方体的顶部，而 Dall-E 3 的结果则令人困惑地语无伦次。SD3 毫无疑问地接受了这一轮，因为它实际上符合提示的要求。
提示#2
厨房的桌子上放着一块绣花布，上面写着“晚安”和一只绣着的小老虎。布旁边有一支点燃的蜡烛。灯光昏暗而戏剧性
这就是 SD3 的想法：
使用稳定扩散 3 生成的图像
这是一张美丽的特写照片。我喜欢它模糊侧面并聚焦于老虎和文字的方式。刺绣的细节也很棒。你几乎可以感觉到缝线的粗糙纹理，而且随着它的退去，它变得更加模糊。
现在这是竞争对手的结果：
Midjourney V6 和 Dall-E 3 生成的图像
正如预期的那样，中途以那些标志性的暗色调和点光源来呈现。Dall-E 3 在这方面也做得很好，尽管他们都添加了提示中没有的其他几个元素。
是不是感觉像是在欺骗别人？对我来说，SD3 严格遵守提示使其成为这里的赢家……尽管我不会责怪任何人被 Midjourney 的艺术诠释所迷住。
提示#3
一张 90 年代台式电脑放在办公桌上的照片，电脑屏幕上写着“欢迎”。在背景墙上，我们看到美丽的涂鸦，墙上有很大的“SD3”文字。
以下是 SD3 对提示的解释：
使用稳定扩散 3 生成的图像
巨大的文字与背景融合得如此天衣无缝。并注意字体的一致性。它看起来就像是直接从 Photoshop 中出来的插图。
现在让我们看看 Midjourney 和 Dall-E 3 的想法：
Midjourney V6 和 Dall-E 3 生成的图像
就风格和细节而言，Midjourney 是一个简单的选择。但提示要求在墙上显示一个非常大的文本――中途没有这样做。因此，为了保持一致性，SD3 是最好的。Dall-E 3 的结果一团糟。
提示#4
木桌上三个透明玻璃瓶。左边的有红色液体，数字1。中间的有蓝色液体，数字2。右边的有绿色液体，数字3。
SD3 完美地呈现了提示所要求的内容。
使用稳定扩散 3 生成的图像
以下是 Midjourney 和 Dall-E 3 的结果：
Midjourney V6 和 Dall-E 3 生成的图像
Midjourney 和 Dall-E 3 的图像也令人印象深刻，每个生成器都呈现出自己独特的美学品质。就我个人而言，我发现《中途》对枯萎的桌子和生锈的瓶子的描绘特别迷人。
就是这样。为了更多地了解它的功能，请务必查看 Stability AI 首席执行官Emad的 X 简介。他经常发布用 SD3 生成的图像。
老实说，SD3 的桂冠在于其对提示的准确理解。当您想要的正是您所描述的内容时，它就会满足您的需求。但在独特的艺术表现力方面，《中途旅程》仍然拥有自己的特色，可以将图像提升到一个新的水平。
您如何看待这种新的开源模式？您认为它足以胜过 Adobe Firefly、Amazon Titan G1 或 Google 的 Imagen 2 等其他竞争对手吗？
最后的想法
从示例图像中可以明显看出，SD3 在文本生成和提示连贯性方面表现出色，可以说超越了其最大的竞争对手。不过，就图像质量而言，我仍然认为中途是王者。
但这有什么大不了的呢？
与其主要竞争对手不同，Stable Diffusion 一直是开源的，完全免费使用！这意味着您可能很快就可以免费下载 SD3 并在本地运行它。这种自由是巨大的。
但这有一个巨大的缺点――这也会引起严重的，我的意思是严重的道德问题。想象一下更令人信服的深度伪造图像和视频的潜力。
SD3 的技术还暗示其潜力不仅仅限于图像。我们是否即将与 OpenAI 的 Sora 或 LumaLab 的 Genie 等视频生成器竞争？现在事情变得非常有趣。
