Stable Diffusion 3 är den bästa Stable Diffusion-modellen som hittills har släppts av Stability AI. Även om modellen har vissa problem, särskilt när det gäller att generera dynamiska människoposter, är det en otroligt kraftfull och kapabel text-till-bild-modell.

Modellen är särskilt skicklig på att följa detaljerade prompter och producera högkvalitativa, estetiskt tilltalande bilder. Den är särskilt skicklig på att generera realistiska landskap, porträtt och 3D-renderingar. Jämfört med den tidigare Stable Diffusion Excel-modellen är kvalitetsskillnaden betydande.

Modellen har dock vissa anmärkningsvärda begränsningar. Den har svårt att exakt avbilda människor i icke-upprätta positioner, vilket ofta resulterar i konstiga och förvridna resultat. Detta beror sannolikt på de träningsdata som använts, som kan ha varit snedvridna mot bilder av människor i mer standardiserade poser.

Modellen är dessutom kraftigt censurerad, utan möjlighet att generera något explicit eller NSFW-innehåll. Även om detta kanske inte är ett problem för vissa användare, kommer det att vara en dealbreaker för dem som förlitar sig på sådana funktioner.

Modellen kommer också med en licens för icke-kommersiell användning, vilket kräver en månadsavgift på 20 dollar för kommersiell användning. Detta kan vara ett hinder för vissa, men kostnaden är relativt låg, särskilt för företag som genererar intäkter från modellens utdata.

Även om Stable Diffusion 3 är en imponerande modell och den bästa Stable Diffusion-baserade modellen som släppts av Stability AI, har den vissa anmärkningsvärda problem:

1. Generering av mänsklig anatomi: Modellen har svårt att generera exakt och naturligt utseende mänsklig anatomi, särskilt när subjektet är i en dynamisk pose eller inte i en upprätt position. Bilder av människor som ligger ner eller i yogaaktiga poser resulterar ofta i konstiga och förvridna resultat.

2. Censur: Stable Diffusion 3 är den mest censurerade modellen som släppts av Stability AI. Den kan inte generera något explicit eller NSFW-innehåll, även när den uppmanas. Detta kan vara ett problem för vissa användare som vill ha mer kreativ frihet.

3. Kommersiell licensiering: För första gången är Stable Diffusion-basmodellen under en licens för icke-kommersiell användning. Användare som vill generera innehåll för kommersiella ändamål måste betala en månadsavgift på 20 dollar om deras årliga intäkter är mindre än 1 miljon dollar. Detta kan vara ett hinder för vissa skapare och företag.

Även om Stable Diffusion 3 är en imponerande modell överlag, har den fått betydande kritik från gemenskapen på grund av vissa av sina begränsningar. Modellen har svårt att generera mänsklig anatomi i dynamiska poser eller icke-upprätta positioner, vilket ofta resulterar i konstiga och otillfredsställande utdata. Detta har lett till en våg av kritik och besvikelse från användare.

Det är dock viktigt att komma ihåg att detta är en gratis basmodell som släppts av Stability AI. Tidigare basmodeller har också stött på liknande problem, men gemenskapen har kunnat skapa fantastiska finputsade modeller som åtgärdar dessa brister. Samma sak kommer sannolikt att hända med Stable Diffusion 3, eftersom modellens starka prestanda på andra områden, som landskaps- och porträttgenerering, öppnar upp möjligheter för framtida förbättringar.

Men även om kritiken är förståelig är det viktigt att behålla ett balanserat perspektiv. Modellens begränsningar är inte nödvändigtvis ett "färdighetsproblem" hos användarna, utan snarare en återspegling av träningsdata och modellarkitektur. Lösningar, som Clocon UI-arbetsflödet, kan användas för att generera mer dynamiska poser, men dessa är inte automatiska lösningar.

Modellens strikta innehållsbegränsningar, som förhindrar generering av explicit eller NSFW-innehåll, kan också vara en oro för vissa användare. Detta är dock ett medvetet val från Stability AI, och framtida finputsade modeller kan komma att hantera detta i viss utsträckning.

Även om Stable Diffusion 3 Medium har sina begränsningar, särskilt när det gäller att generera dynamiska människoposter, representerar den ett betydande steg framåt i möjligheterna för text-till-bild-modeller. Modellens förmåga att följa detaljerade prompter och producera högkvalitativa, estetiskt tilltalande bilder öppnar upp en värld av möjligheter för framtida finputsade modeller.

När gemenskapen fortsätter att utforska och experimentera med Stable Diffusion 3 Medium kan vi förvänta oss att se en serie imponerande finputsade modeller som åtgärdar de nuvarande bristerna och driver gränserna för vad som är möjligt inom text-till-bild-generering. Med tillgången till kraftfulla finputsningsverktyg kan gemenskapen anpassa modellen till sina specifika behov, vare sig det handlar om att generera mer realistiska människoposter, utöka ämnesområdet eller förbättra den övergripande kvaliteten på de genererade bilderna.

Den icke-kommersiella licensieringen av Stable Diffusion 3 Medium, även om den är en övervägande för vissa, presenterar också en möjlighet för gemenskapen att samarbeta och utveckla innovativa tillämpningar som kan komma den bredare allmänheten till godo. Den relativt låga kostnaden för den kommersiella licensen gör den också tillgänglig för företag och organisationer som vill dra nytta av modellens möjligheter.