最强开源模型来了！一文详解 Stable Diffusion 3 Medium 特点及用法

原创已于 2024-12-29 10:28:54 修改 · 4.7k 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#stable diffusion #AI作画 #人工智能 #AI绘画 #SD3

于 2024-07-06 10:45:00 首次发布

AI绘画同时被 2 个专栏收录

471 篇文章

订阅专栏

StableDiffusion教程

442 篇文章

订阅专栏

备受期待的 Stable Diffusion 3（以下简称 “SD3”）终于向公众开放了，作为 Stability AI 迄今为止最先进的文本到图像开源模型，SD3 在图像质量、文本内容生成、复杂提示理解和资源效率方面有了显著提升，今天就为大家详细介绍一下 SD3 的特点以及如何在 ComfyUI 中使用它。

一、SD3 简介

此次开放的模型准确来说是 Stable Diffusion 3 Medium，包含 20 亿参数，具有体积小、适合在消费级 PC 和笔记本电脑上运行的优点，所以普通人也可以将其部署到自己的电脑上使用。SD3 Medium 的优点包括：

① 图像质量整体提升，能生成照片般细节逼真、色彩鲜艳、光照自然的图像；能灵活适应多种风格，无需微调，仅通过提示词就能生成动漫、厚涂等风格化图像；具有 16 通道的 VAE，可以更好地表现手部以及面部细节。

② 能够理解复杂的自然语言提示，如空间推理、构图元素、姿势动作、风格描述等。对于「第一瓶是蓝色的，标签是“1.5”，第二瓶是红色的，标签是“SDXL”，第三瓶是绿色的，标签是“SD3”」这样复杂的内容，SD3 依旧能准确生成，而且文本效果比 Midjourney 还要准确。

③ 通过 Diffusion Transformer 架构，SD3 Medium 在英文文本拼写、字距等方面更加正确合理。Stability AI 在发布 SD3 官方公告时，头图就是直接用 SD3 生成的，效果非常惊艳。

另外此次 SD3 Medium 模型的授权范围是开放的非商业许可证，也就是说没有官方许可的情况下，模型不得用于商业用途，这点是需要大家注意的。

二、在 ComfyUI 中使用

SD 3 Medium 模权重已经在 huggingface 上放出了，我们可以在 ComfyUI 部署工作流来使用它，具体操作如下：

① 将 ComfyUI 更新到最新版本，以支持 SD3 的顺利运作。

② 下载模型权重： https://huggingface.co/stabilityai/stable-diffusion-3-medium （下载时需要先填写一份表格，保证自己不会将模型用于商用用途；可以直接在文末的百度云盘内下载）。官方提供了 4 种大模型文件：

sd3_medium：4.3G，独立主模型，不包含文本编码器（clip 模型）；
sd3_medium_incl_clips.safetensors：5.97G，包含 clip_g 和 clip_l 编码器；
sd3_medium_incl_clips_t5xxlfp8.safetensors：10.9G，包含 clip_g、clip_l 和 t5xxl_fp8 编码器；
sd3_medium_incl_clips_t5xxlfp16.safetensors：15.8G，包含 clip_g、clip_l 和 t5xxl_fp16 编码器。

③ 另外还有 4 个 Clip 文件和 3 种工作流。大模型的安装位置为根目录的 comfyui/models/checkpoints 文件夹，Clip 模型的安装位置为 comfyui/models/clip 文件夹。实际应用中不需要每一个模型都下载，后面会为大家介绍目前使用较多的 2 种工作流，可以看完之后再确定下载哪些文件。

SD3 工作流 ①

这个使用的是官方提供的 basic 基础工作流，可以在 comfyui_example_workflow 文件加中下载使用。这个工作流需要用的模型文件有 4 种：sd3_medium、clip_g、clip_l 和 t5xxl_fp8。这是最完整稳健的一种工作流。

SD3 工作流 ②

这个工作流可以在云盘内下载，它只使用了一个模型文件 sd3_medium_incl_clips_t5xxlfp8.safetensors。这个模型已经融合了 3 种 clip 模型，所以不再需要 clip loader 这个节点，用起来更简单。

使用 SD3 时，还有 2 个小技巧可以帮我们提升出图质量：

① 是在生成写实照片以及人物面部的，可以将 cfg 参数参数调低至 2-3 之间，细节和质量会更好；包含文本时，还是使用 cfg 4.5 或者 5 时效果会更好。大家也可以多探索一些其他 cfg 参数能产生的效果。

② SD3 模型更适合自然语言提示词，而不是标签式的提示词，你可以详细描述你需要的画面内容、构图、色彩、氛围，即使提示词很长，SD3模型也能处理的很好。

三、SD3 存在的不足

虽然 SD3 在图像质量、细节、对提示词的理解、文本内容生成能力上有了明显提升，但是也存在一些不足，比如在生成手部的时候依旧会出现错误，以及在生成 “lying（躺）” 这个姿势时，人物会出现严重的崩坏。有人推测是因为 SD3 对内容安全有严格审查，导致相关内容受到影响。

不过总体上来说 SD3 在图像生成质量以及整体性能上都比之前的 SD1.5、SDXL 提升很多。虽然有 Midjourney V6 以及 sdxl 微调模型珠玉在前，让 SD3 显得没有那么惊艳，但是作为一个免费的模型能达到这样的效果已经非常惊人了。

之前 SD1.5、SDXL 模型的直出图像质量一直也不太行，但是在开源社区的努力下，各种衍生模型的质量一直都非常不错，甚至超过了一些闭源模型。所以我们可以期待一下 SD3 未来的生态发展，等各种微调模型以及 Controlnet、IP-Adapter 这些的配套模型都跟上之后，SD3 肯定还能给我们带来新的惊喜。

以上就是本期为大家介绍的最新开源文生图模型 SD3 的相关内容。模型资源以及工作流文件都在文末的百度网盘内容，有需要小伙伴记得下载。