Stability AI开大了。

在OpenAI文生图模型Sora连续刷屏一周后，昨晚，Stability AI正式推出Stable Diffusion 3早期预览版，并表示这是他们迄今为止最强大的文本生成图像模型，在多主题提示、图像质量和文本渲染能力方面均有显著提升。

与之前版本相比，Stable Diffusion 3最为亮眼的提升之一，是其对图中文字生成的控制力。这也是为什么，官方发布的很多demo图都包含文字展示：‍‍

Stable Diffusion 3发布，

其他文生图模型还能打吗？

文生图领域，Stable Diffusion的主要竞争对手无疑是Midjourney和DALL·E。下面我们不妨用相同的提示词，上手实测看看各家目前表现如何（Midjourney用的是V6模型，DALL·E用的是集成在ChatGPT4中的DALL·E 3）。

1.文字渲染能力。

提示词：史诗般的动画艺术作品，一位巫师在夜间在山顶上向黑暗的天空施放宇宙咒语，上面写着由彩色能量制成的“Stable Diffusion 3”。

Prompt: Epic anime artwork of a wizard atop a mountain at night casting a cosmic spell into the dark sky that says "Stable Diffusion 3" made out of colorful energy.

由Midjourney生成

再来看一组写实图片。

提示词：厨房的桌子上放着一块绣花布，上面写着“晚安”和一只绣着的小老虎。布旁边有一支点燃的蜡烛。灯光昏暗而引人注目。

这次DALL·E 3生成的图，乍眼看，有模有样的，但仔细看会发现“good”单词中多了一个“o”，整体字体也不够统一。

Midjourney则开始“已读乱回复”，要么生成“鬼画符”，要么干脆直接上真·老虎，主打一个随机抽卡。

2.多主题提示能力

多主题提示，即支持用户输入的提示词中包括多种元素。例如⬇️

提示词：一幅宇航员骑着一只穿着芭蕾舞短裙、撑着粉色雨伞的猪的画，猪旁边的地上是一只戴着高顶帽子的知更鸟，角落里写着“stable diffusion”

Prompt: a painting of an astronaut riding a pig wearing a tutu holding a pink umbrella, on the ground next to the pig is a robin bird wearing a top hat, in the corner are the words "stable diffusion"

由Stable Diffusion3生成

以上这张图中就包括“宇航员”“穿芭蕾舞裙的小猪”“带着礼帽的知更鸟”等元素，就连左下角的Stable Diffusion水印都是一键生成的。

DALL·E 3这次生成了一张非常炸裂的图，十分直观地展示了AI的缝合怪能力。

大家别眨眼，我放图了。

由DALL·E 3生成

由Midjourney生成

3.超清特写

图像生成质量上，Stability AI放出的超清变色龙特写，吸引了不少网友关注讨论。

提示词：工作室摄影特写，一条变色龙在黑色背景上。

Prompt: studio photograph closeup of a chameleon over a black background.

那么，这类型图上Midjourney和DALL·E 3表现如何呢？

仅从图片生成效果上看，两家表现都不错。DALL·E 3生成的图像分辨率通常是1024x1024，Midjourney V6则可以达到2048x2048的2K分辨率。

DALL·E 3可以支持对清晰度要求不高的短视频创作，而在专业的商业视觉内容生产中，就需要上Midjourney V6了。

截至目前，Stability AI没有说明Stable Diffusion 3在图像质量上优化了多少，但从官方放出的demo图来看，应该跑不了在分辨率和色彩饱和度上有所提升。

而对于Stable Diffusion 3基于安全原因没有公开发布，也有X网友得到了Stability AI CEO的回复。

简单理解，和Sora、Pika套路一样，先发文吊着大家胃口，等研究人员、专家测试反馈优化后，才会正式面向公众开放。

炙手可热的Sora同源架构

欢迎分享、点赞、在看

 一起研究AI