Stable Diffusion 3.5

Générez des images haute fidélité avec un rendu textuel précis grâce à Stable Diffusion 3.5 sur les GPU Clore.ai.

Stable Diffusion 3.5 de Stability AI est un transformeur de diffusion multimodal (MMDiT) qui établit une nouvelle norme pour la génération d’images à poids ouverts. Il existe en trois variantes : Large (8B paramètres), Moyen (2,5B paramètres), et Large Turbo (8B, distillé pour une inférence en 4 étapes). La caractéristique remarquable est son rendu de texte précis — SD 3.5 peut placer de manière fiable du texte lisible à l’intérieur des images générées, une capacité avec laquelle la plupart des modèles précédents peinent.

Sur Clore.ai vous pouvez louer la puissance GPU nécessaire à SD 3.5 pour aussi peu que 0,05 $/h et générer des centaines d’images par heure.

Caractéristiques clés

• Trois variantes — Large (8B, qualité la plus élevée), Medium (2,5B, rapide et léger), Large Turbo (8B, distillé en 4 étapes).

• Rendu de texte précis — génère du texte lisible, des panneaux, des étiquettes et de la typographie dans les images.

• Architecture MMDiT — attention conjointe image-texte pour un meilleur respect des prompts.

• Résolution native de 1024×1024 — sortie propre sans astuces de suréchantillonnage.

• Rapports d’aspect flexibles — gère les sorties non carrées (768×1344, 1344×768, etc.) sans perte de qualité.

• Prise en charge native de diffusers — StableDiffusion3Pipeline dans diffusers >= 0.30.

• Poids ouverts — licence communautaire de Stability AI ; gratuite pour la plupart des usages commerciaux.

Exigences

Composant	Minimum	Recommandé
VRAM GPU	12 Go (Medium)	24 Go (Large / Turbo)
RAM système	16 Go	32 Go
Disque	20 Go	40 Go
Python	3.10+	3.11
CUDA	12.8+	12.8+
diffusers	0.30+	dernière version

Recommandation de GPU Clore.ai : Un RTX 4090 (24 Go, 0,14–0,42 $/h) exécute les trois variantes à pleine vitesse. Pour le modèle Medium, une RTX 3090 (24 Go, 0,07–0,21 $/h) ou même une carte de 16 Go suffit et coûte moins cher.

Démarrage rapide

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu128
pip install diffusers transformers accelerate sentencepiece protobuf

python -c "import torch; print(torch.cuda.get_device_name(0))"

Exemples d'utilisation

SD 3.5 Large — Qualité maximale

import torch
from diffusers import StableDiffusion3Pipeline

pipe = StableDiffusion3Pipeline.from_pretrained(
    "stabilityai/stable-diffusion-3.5-large",
    torch_dtype=torch.bfloat16,
)
pipe.to("cuda")

image = pipe(
    prompt=(
        "Un panneau en bois usé portant l’inscription 'OPEN 24 HOURS' suspendu à "
        "une chaîne rouillée à l’extérieur d’un restaurant éclairé au néon, nuit pluvieuse, reflets "
        "sur l’asphalte mouillé, photographie cinématographique"
    ),
    negative_prompt="flou, texte déformé, basse qualité",
    guidance_scale=3.5,
    num_inference_steps=28,
    width=1024,
    height=1024,
    generator=torch.Generator("cuda").manual_seed(42),
).images[0]

image.save("diner_sign.png")
print("Enregistré diner_sign.png")

SD 3.5 Large Turbo — Génération rapide en 4 étapes

import torch
from diffusers import StableDiffusion3Pipeline

pipe = StableDiffusion3Pipeline.from_pretrained(
    "stabilityai/stable-diffusion-3.5-large-turbo",
    torch_dtype=torch.bfloat16,
).to("cuda")

# Variante Turbo : seulement 4 étapes nécessaires, guidance_scale=0 (distillé)
image = pipe(
    prompt="Macro photo of a mechanical watch movement, intricate gears, golden light",
    guidance_scale=0.0,
    num_inference_steps=4,
    width=1024,
    height=1024,
).images[0]

image.save("watch_turbo.png")

SD 3.5 Medium — Option légère

import torch
from diffusers import StableDiffusion3Pipeline

pipe = StableDiffusion3Pipeline.from_pretrained(
    "stabilityai/stable-diffusion-3.5-medium",
    torch_dtype=torch.float16,
).to("cuda")

image = pipe(
    prompt="Vue isométrique d’un intérieur de coffee shop chaleureux, style pixel art, éclairage chaud",
    guidance_scale=4.0,
    num_inference_steps=28,
    width=1024,
    height=1024,
).images[0]

image.save("coffee_shop_medium.png")

Génération par lots avec différents rapports d’aspect

import torch
from diffusers import StableDiffusion3Pipeline

pipe = StableDiffusion3Pipeline.from_pretrained(
    "stabilityai/stable-diffusion-3.5-large",
    torch_dtype=torch.bfloat16,
).to("cuda")

jobs = [
    {"prompt": "Portrait d’un astronaute dans un champ de tournesols", "w": 768, "h": 1344},
    {"prompt": "Paysage panoramique des hautes terres islandaises, ciel maussade", "w": 1344, "h": 768},
    {"prompt": "Photo produit d’un flacon de parfum sur une surface en marbre", "w": 1024, "h": 1024},
]

for i, job in enumerate(jobs):
    img = pipe(
        prompt=job["prompt"],
        guidance_scale=3.5,
        num_inference_steps=28,
        width=job["w"],
        height=job["h"],
    ).images[0]
    img.save(f"batch_{i:03d}.png")
    print(f"[{i+1}/{len(jobs)}] {job['w']}x{job['h']} terminé")

Conseils pour les utilisateurs de Clore.ai

1. Turbo pour l’itération, Large pour les finales — utilisez la variante Turbo en 4 étapes pour explorer rapidement des idées de prompts, puis passez à Large (28 étapes) pour le rendu final.

2. guidance_scale=3.5 — SD 3.5 Large fonctionne mieux avec un CFG plus faible que les anciens modèles Stable Diffusion. Au-delà de 5.0, cela provoque souvent une sursaturation.

3. Turbo nécessite guidance_scale=0 — le modèle distillé intègre déjà le guidage ; en ajouter davantage dégrade le résultat.

4. Texte dans les images — le rendu de texte de SD 3.5 est solide mais pas parfait. Mettez le texte exact voulu entre guillemets : 'OPEN 24 HOURS'. Gardez-le court (3 à 5 mots max).

5. Mettre en cache les poids — définissez HF_HOME=/workspace/hf_cache sur un stockage persistant. Large fait ~16 Go sur disque.

6. bf16 pour Large, fp16 pour Medium — les modèles 8B ont été entraînés en bf16 ; le modèle Medium 2,5B fonctionne bien en fp16.

7. Génération par lots efficace — SD 3.5 Large génère une image 1024×1024 en ~3 secondes sur une RTX 4090. Lancez des lots la nuit pour une génération massive.

8. Accepter la licence HF — vous devez accepter la licence du modèle sur la page du modèle HuggingFace avant de le télécharger. Connectez-vous avec huggingface-cli login.

Dépannage

Problème	Correctif
OutOfMemoryError avec Large	Utilisez pipe.enable_model_cpu_offload(); ou passez à la variante Medium
Texte brouillé dans l’image	Gardez le texte court (3 à 5 mots) ; mettez-le entre guillemets dans le prompt ; augmentez num_inference_steps à 35
Couleurs trop saturées	Réduisez guidance_scale — essayez 2,5–3,5 pour Large ; utilisez 0,0 pour Turbo
Erreur 403 lors du téléchargement du modèle	Acceptez la licence sur https://huggingface.co/stabilityai/stable-diffusion-3.5-large et exécutez huggingface-cli login
Premier lancement lent	Le téléchargement initial fait ~16 Go pour Large ; les exécutions suivantes utilisent le cache
KeyError: 'text_encoder_3'	Mettez à jour diffusers: pip install -U diffusers transformers
Sortie d’image noire	Assurez-vous que torch_dtype=torch.bfloat16 pour Large/Turbo ; fp32 peut provoquer des échecs silencieux sur certaines cartes