Stable Diffusion 3.5

Générez des images haute fidélité avec rendu précis du texte en utilisant Stable Diffusion 3.5 sur les GPU Clore.ai.

Stable Diffusion 3.5 de Stability AI est un Transformeur de Diffusion Multimodal (MMDiT) qui fixe une nouvelle norme pour la génération d'images à poids ouverts. Il est disponible 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 précis du texte — SD 3.5 peut placer de manière fiable du texte lisible dans les images générées, une capacité avec laquelle la plupart des modèles antérieurs ont du mal.

Sur Clore.ai vous pouvez louer la puissance GPU nécessaire à SD 3.5 pour aussi peu que 0,30 $/jour et générer des centaines d'images par heure.

Principales caractéristiques

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

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

• Architecture MMDiT — attention conjointe image-texte pour une meilleure fidélité au prompt.

• Résolution native 1024×1024 — sortie propre sans astuces d'upscaling.

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

• Support natif des 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 GB (Medium)	24 GB (Large / Turbo)
RAM système	16 Go	32 Go
Disque	20 Go	40 Go
Python	3.10+	3.11
CUDA	12.1+	12.4
intégration	0.30+	dernière

Recommandation GPU Clore.ai : Un RTX 4090 (24 GB, ~0,5–2 $/jour) exécute les trois variantes à pleine vitesse. Pour le modèle Medium, un RTX 3090 (24 GB, ~0,3–1 $/jour) ou même une carte 16 GB est suffisant et moins cher.

Démarrage rapide

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124
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 patiné portant l'inscription 'OPEN 24 HOURS' suspendu à "
        "une chaîne rouillée devant un diner éclairé au néon, nuit pluvieuse, reflets "
        "sur l'asphalte mouillé, photographie cinématographique"
    ),
    negative_prompt="texte 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("Saved 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="Photo macro d'un mouvement de montre mécanique, engrenages complexes, lumière dorée",
    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 de l'intérieur d'un café douillet, style pixel art, éclairage chaleureux",
    guidance_scale=4.0,
    num_inference_steps=28,
    width=1024,
    height=1024,
).images[0]

image.save("coffee_shop_medium.png")

Génération par lot 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, ciels d'humeur sombre", "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']} done")

Conseils pour les utilisateurs de Clore.ai

1. Turbo pour l'itération, Large pour les visuels finaux — utilisez la variante Turbo en 4 étapes pour explorer rapidement des idées de prompt, puis passez au Large (28 étapes) pour le rendu final.

2. guidance_scale=3.5 — SD 3.5 Large fonctionne mieux avec un CFG plus bas que les anciens modèles Stable Diffusion. Monter au-dessus de 5.0 cause souvent une sursaturation.

3. Turbo nécessite guidance_scale=0 — le modèle distillé a déjà l'orientation intégrée ; en ajouter dégrade la sortie.

4. Texte dans les images — le rendu du texte par SD 3.5 est puissant mais pas parfait. Mettez des guillemets autour du texte exact que vous voulez : 'OPEN 24 HOURS'. Gardez-le court (3–5 mots max).

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

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

7. Batcher efficacement — SD 3.5 Large génère une image 1024×1024 en ~3 secondes sur une RTX 4090. Lancez des batches pendant la nuit pour une génération massive.

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

Dépannage

Problème	Corriger
OutOfMemoryError avec Large	Utilisez pipe.enable_model_cpu_offload(); ou passez à la variante Medium
Texte illisible dans l'image	Gardez le texte court (3–5 mots) ; mettez-le entre guillemets dans le prompt ; augmentez num_inference_steps à 35
Couleurs sursaturées	Plus bas 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
Première exécution lente	Le téléchargement initial est d'environ 16 GB 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