# Stable Diffusion 3.5 Stable Diffusion 3.5 от Stability AI — это мультимодальный диффузионный трансформер (MMDiT), который устанавливает новый стандарт для генерации изображений с открытыми весами. Он доступен в трех вариантах: **Large** (8B параметров), **Средне** (2.5B параметров), и **Large Turbo** (8B, дистиллированный для вывода в 4 шага). Главная особенность — точное отображение текста: SD 3.5 надежно помещает читаемый текст в сгенерированные изображения, с чем многим предыдущим моделям было сложно справиться. На [Clore.ai](https://clore.ai/) вы можете арендовать GPU для SD 3.5 всего за $0.30/день и генерировать сотни изображений в час. ## Ключевые особенности * **Три варианта** — Large (8B, наивысшее качество), Medium (2.5B, быстро и легковесно), Large Turbo (8B, дистилляция для 4 шагов). * **Точное отображение текста** — генерирует читаемый текст, вывески, надписи и типографику внутри изображений. * **Архитектура MMDiT** — совместное внимание к изображению и тексту для лучшего соответствия промпту. * **Нативное разрешение 1024×1024** — чистый вывод без хитростей с апскейлом. * **Гибкие соотношения сторон** — обрабатывает не-квадратные выходы (768×1344, 1344×768 и т.д.) без потери качества. * **Нативная поддержка diffusers** — `StableDiffusion3Pipeline` в `diffusers >= 0.30`. * **Открытые веса** — Лицензия сообщества Stability AI; бесплатно для большинства коммерческих применений. ## Требования | Компонент | Минимум | Рекомендуется | | -------------------- | -------------- | --------------------- | | VRAM GPU | 12 GB (Medium) | 24 GB (Large / Turbo) | | ОЗУ системы | 16 ГБ | 32 ГБ | | Диск | 20 ГБ | 40 ГБ | | Python | 3.10+ | 3.11 | | CUDA | 12.1+ | 12.4 | | поддержкой diffusers | 0.30+ | latest | **Рекомендация Clore.ai по GPU:** Один **RTX 4090** (24 GB, \~$0.5–2/день) обеспечивает запуск всех трех вариантов на полной скорости. Для модели Medium **RTX 3090** (24 GB, \~$0.3–1/день) или даже карта на 16 GB достаточна и дешевле. ## Быстрый старт ```bash 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))" ``` ## Примеры использования ### SD 3.5 Large — Максимальное качество ```python 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=( "Потертая деревянная вывеска с надписью 'OPEN 24 HOURS', свисающая с " "ржавой цепи перед неоновой закусочной, дождливая ночь, отражения " "на мокром асфальте, кинематографичная фотография" ), negative_prompt="размытый, деформированный текст, низкое качество", 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("Сохранено diner_sign.png") ``` ### SD 3.5 Large Turbo — Быстрая генерация в 4 шага ```python import torch from diffusers import StableDiffusion3Pipeline pipe = StableDiffusion3Pipeline.from_pretrained( "stabilityai/stable-diffusion-3.5-large-turbo", torch_dtype=torch.bfloat16, ).to("cuda") # Вариант Turbo: требуется лишь 4 шага, guidance_scale=0 (дистиллированный) image = pipe( prompt="Макрофото механизма часов, сложные шестерни, золотой свет", guidance_scale=0.0, num_inference_steps=4, width=1024, height=1024, ).images[0] image.save("watch_turbo.png") ``` ### SD 3.5 Medium — Легковесный вариант ```python 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="Изометрический вид уютного интерьера кофейни, стиль пиксель-арт, теплое освещение", guidance_scale=4.0, num_inference_steps=28, width=1024, height=1024, ).images[0] image.save("coffee_shop_medium.png") ``` ### Пакетная генерация с разными соотношениями сторон ```python import torch from diffusers import StableDiffusion3Pipeline pipe = StableDiffusion3Pipeline.from_pretrained( "stabilityai/stable-diffusion-3.5-large", torch_dtype=torch.bfloat16, ).to("cuda") jobs = [ {"prompt": "Портрет астронавта в поле подсолнухов", "w": 768, "h": 1344}, {"prompt": "Панорамный пейзаж высокогорий Исландии, мрачное небо", "w": 1344, "h": 768}, {"prompt": "Товарное фото флакона духов на мраморной поверхности", "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']} выполнено") ``` ## Советы для пользователей Clore.ai 1. **Turbo для итераций, Large для финалов** — используйте 4-шаговый Turbo для быстрого исследования идей промптов, затем переключайтесь на Large (28 шагов) для финального рендера. 2. **guidance\_scale=3.5** — SD 3.5 Large лучше работает при более низком CFG, чем старые модели Stable Diffusion. Значения выше 5.0 часто приводят к перенасыщению. 3. **Turbo требует guidance\_scale=0** — дистиллированная модель уже содержит руководство внутри; добавление большего ухудшает качество. 4. **Текст в изображениях** — отображение текста в SD 3.5 сильное, но не идеальное. Используйте кавычки вокруг точного текста, который хотите получить: `'OPEN 24 HOURS'`. Держите текст коротким (макс. 3–5 слов). 5. **Кеширование весов** — установите `HF_HOME=/workspace/hf_cache` на постоянном хранилище. Large занимает \~16 GB на диске. 6. **bf16 для Large, fp16 для Medium** — модели 8B обучались в bf16; 2.5B Medium хорошо работает в fp16. 7. **Эффективная пакетная обработка** — SD 3.5 Large генерирует одно изображение 1024×1024 примерно за 3 секунды на RTX 4090. Пакетируйте на ночь для массовой генерации. 8. **Принять лицензию HF** — вы должны принять лицензию модели на странице HuggingFace перед загрузкой. Выполните вход с `huggingface-cli login`. ## Устранение неполадок | Проблема | Исправить | | -------------------------------- | ------------------------------------------------------------------------------------------------------------------------ | | `OutOfMemoryError` с Large | Используйте `pipe.enable_model_cpu_offload()`; или переключитесь на вариант Medium | | Искаженный текст на изображении | Держите текст коротким (3–5 слов); помещайте его в кавычки в промпте; увеличьте `num_inference_steps` до 35 | | Перенасыщенные цвета | Понизьте `guidance_scale` — попробуйте 2.5–3.5 для Large; используйте 0.0 для Turbo | | Ошибка 403 при скачивании модели | Примите лицензию на `https://huggingface.co/stabilityai/stable-diffusion-3.5-large` и выполните `huggingface-cli login` | | Медленный первый запуск | Первичная загрузка для Large занимает \~16 GB; последующие запуски используют кеш | | `KeyError: 'text_encoder_3'` | Обновите diffusers: `pip install -U diffusers transformers` | | Черный вывод изображения | Убедитесь, что `torch_dtype=torch.bfloat16` для Large/Turbo; fp32 может вызывать скрытые ошибки на некоторых видеокартах | --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.clore.ai/guides/guides_v2-ru/generaciya-izobrazhenii/stable-diffusion-3-5.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.