Stable Diffusion 3 es el mejor modelo de Stable Diffusion lanzado hasta la fecha por Stability AI. Si bien el modelo tiene algunos problemas, particularmente con la generación de poses humanas dinámicas, es un modelo de texto a imagen increíblemente poderoso y capaz.

El modelo se destaca por seguir instrucciones detalladas, produciendo imágenes de alta calidad y estéticamente agradables. Es particularmente hábil en la generación de paisajes realistas, retratos y renderizados 3D. En comparación con el modelo Stable Diffusion Excel anterior, la diferencia de calidad es significativa.

Sin embargo, el modelo tiene algunas limitaciones notables. Tiene dificultades para representar con precisión a las personas en posiciones no verticales, a menudo produciendo resultados extraños y distorsionados. Esto se debe probablemente a los datos de entrenamiento utilizados, que pueden haber estado sesgados hacia imágenes de personas en poses más estándar.

Además, el modelo está fuertemente censurado, sin capacidad para generar contenido explícito o NSFW. Si bien esto puede no ser un problema para algunos usuarios, será un factor decisivo para aquellos que dependen de tales capacidades.

El modelo también viene con una licencia de uso no comercial, que requiere una tarifa mensual de $20 para uso comercial. Esto puede ser una barrera para algunos, pero el costo es relativamente bajo, especialmente para las empresas que generan ingresos a partir de la salida del modelo.

Aunque Stable Diffusion 3 es un modelo impresionante y el mejor modelo basado en Stable Diffusion lanzado por Stability AI, tiene algunos problemas notables:

1. Generación de anatomía humana: El modelo tiene dificultades para generar anatomía humana precisa y natural, especialmente cuando el sujeto está en una pose dinámica o no en posición vertical. Las imágenes de personas acostadas o en poses de yoga a menudo dan como resultado resultados extraños y distorsionados.

2. Censura: Stable Diffusion 3 es el modelo más censurado lanzado por Stability AI. No puede generar contenido explícito o NSFW, incluso cuando se le solicita. Esto puede ser un problema para algunos usuarios que desean tener más libertad creativa.

3. Licencia comercial: Por primera vez, el modelo Stable Diffusion base está bajo una licencia de uso no comercial. Los usuarios que quieran generar contenido con fines comerciales deberán pagar una tarifa de licencia de $20 por mes si sus ingresos anuales son inferiores a $1 millón. Esto puede ser una barrera para algunos creadores y empresas.

Aunque Stable Diffusion 3 es un modelo impresionante en general, ha enfrentado un fuerte rechazo de la comunidad debido a algunas de sus limitaciones. El modelo tiene dificultades para generar anatomía humana en poses dinámicas o posiciones no verticales, lo que a menudo da como resultado salidas extrañas e insatisfactorias. Esto ha provocado una ola de críticas y decepción por parte de los usuarios.

Sin embargo, es importante tener en cuenta que este es un modelo base gratuito lanzado por Stability AI. Los modelos base anteriores también han enfrentado problemas similares, pero la comunidad ha sido capaz de crear modelos refinados increíbles que abordan estas deficiencias. Lo mismo es probable que suceda con Stable Diffusion 3, ya que el sólido desempeño del modelo en otras áreas, como la generación de paisajes y retratos, abre posibilidades para mejoras futuras.

Si bien las críticas son comprensibles, es importante mantener una perspectiva equilibrada. Las limitaciones del modelo no son necesariamente un "problema de habilidad" por parte de los usuarios, sino más bien un reflejo de los datos de entrenamiento y la arquitectura del modelo. Los atajos, como el flujo de trabajo de la interfaz de usuario de Clocon, se pueden usar para generar poses más dinámicas, pero estas no son soluciones automáticas.

Aunque Stable Diffusion 3 Medium tiene sus limitaciones, particularmente en la generación de poses humanas dinámicas, representa un paso importante en las capacidades de los modelos de texto a imagen. La capacidad del modelo para seguir instrucciones detalladas y producir imágenes de alta calidad y estéticamente agradables abre un mundo de posibilidades para futuros modelos refinados.

A medida que la comunidad continúe explorando y experimentando con Stable Diffusion 3 Medium, podemos esperar ver una serie de modelos refinados impresionantes que aborden las deficiencias actuales y amplíen los límites de lo que es posible en la generación de texto a imagen. Con la disponibilidad de potentes herramientas de refinamiento, la comunidad puede adaptar el modelo a sus necesidades específicas, ya sea generar poses humanas más realistas, ampliar el rango de temas o mejorar la calidad general de las imágenes generadas.

La licencia no comercial de Stable Diffusion 3 Medium, si bien es una consideración para algunos, también presenta una oportunidad para que la comunidad colabore y desarrolle aplicaciones innovadoras que puedan beneficiar al público en general. El costo relativamente bajo de la licencia comercial también la hace accesible para empresas y organizaciones que buscan aprovechar las capacidades del modelo.