O Stable Diffusion 3 é o melhor modelo Stable Diffusion lançado pela Stability AI até o momento. Embora o modelo tenha alguns problemas, particularmente com a geração de poses humanas dinâmicas, é um modelo de texto para imagem incrivelmente poderoso e capaz.

O modelo se destaca em seguir prompts detalhados, produzindo imagens de alta qualidade e esteticamente agradáveis. É particularmente hábil em gerar paisagens realistas, retratos e renderizações 3D. Em comparação com o modelo Stable Diffusion Excel anterior, a diferença de qualidade é significativa.

No entanto, o modelo possui algumas limitações notáveis. Ele tem dificuldade em retratar com precisão pessoas em posições não verticais, muitas vezes produzindo resultados estranhos e distorcidos. Isso provavelmente se deve aos dados de treinamento utilizados, que podem ter sido tendenciosos em relação a imagens de pessoas em poses mais padrão.

Apesar de o Stable Diffusion 3 ser um modelo impressionante e o melhor modelo baseado em Stable Diffusion lançado pela Stability AI, ele possui algumas questões notáveis:

1. Geração de Anatomia Humana: O modelo tem dificuldade em gerar anatomia humana precisa e natural, especialmente quando o sujeito está em uma pose dinâmica ou não em uma posição vertical. Imagens de pessoas deitadas ou em poses de ioga muitas vezes resultam em resultados estranhos e distorcidos.

2. Censura: O Stable Diffusion 3 é o modelo mais censurado lançado pela Stability AI. Ele é incapaz de gerar qualquer conteúdo explícito ou NSFW, mesmo quando solicitado. Isso pode ser um problema para alguns usuários que desejam mais liberdade criativa.

3. Licenciamento Comercial: Pela primeira vez, o modelo Stable Diffusion base está sob uma licença de uso não comercial. Usuários que desejam gerar conteúdo para fins comerciais precisarão pagar uma taxa de licença mensal de $20 se sua receita anual for inferior a $1 milhão. Isso pode ser uma barreira para alguns criadores e empresas.

Apesar de o Stable Diffusion 3 ser um modelo impressionante no geral, ele enfrentou um significativo backlash da comunidade devido a algumas de suas limitações. O modelo tem dificuldade em gerar anatomia humana em poses dinâmicas ou posições não verticais, muitas vezes resultando em saídas estranhas e insatisfatórias. Isso levou a uma onda de críticas e decepção por parte dos usuários.

No entanto, é importante ter em mente que este é um modelo base gratuito lançado pela Stability AI. Modelos base anteriores também enfrentaram problemas semelhantes, mas a comunidade conseguiu criar modelos refinados incríveis que abordaram essas deficiências. O mesmo provavelmente acontecerá com o Stable Diffusion 3, à medida que o desempenho forte do modelo em outras áreas, como geração de paisagens e retratos, abre possibilidades para melhorias futuras.

Apesar das limitações do Stable Diffusion 3 Medium, particularmente na geração de poses humanas dinâmicas, ele representa um passo significativo adiante nas capacidades dos modelos de texto para imagem. A capacidade do modelo de seguir prompts detalhados e produzir imagens de alta qualidade e esteticamente agradáveis abre um mundo de possibilidades para modelos refinados no futuro.

À medida que a comunidade continua a explorar e experimentar com o Stable Diffusion 3 Medium, podemos esperar ver uma série de modelos refinados impressionantes que abordem as deficiências atuais e expandam os limites do que é possível na geração de texto para imagem. Com a disponibilidade de ferramentas poderosas de refinamento, a comunidade pode adaptar o modelo às suas necessidades específicas, seja gerando poses humanas mais realistas, expandindo o leque de assuntos ou melhorando a qualidade geral das imagens geradas.