Stability AI 发布最新 35 亿个参数的图像生成模型 Stable Diffusion XL 1.0

人工智能初创公司 Stability AI 在面临日益激烈竞争和道德挑战的情况下，继续改进其生成式 AI 模型。

SDXL 1.0 将在 Amazon Bedrock 上亮相，这是亚马逊 AWS) 提供的完全托管服务，可通过 API 访问领先的 AI 初创公司和 Amazon Titan 的基础模型。该公告是在年度 AWS 纽约峰会上发布的，进一步确认了 Amazon 致力于为客户提供最强大的文本到图像基础模型（例如 Stability AI 的 SDXL 1.0）的承诺。

今天，Stability AI 宣布推出名为 Stable Diffusion XL 1.0 的文本到图像模型，该公司称其为「迄今为止最先进」的版本。Stable Diffusion XL 1.0 可在 GitHub 上开源，并提供给 Stability 的 API 和消费者应用程序 ClipDrop 和 DreamStudio。Stability 声称，与其前身相比，Stable Diffusion XL 1.0 提供了「更鲜艳」和「更准确」的颜色，以及更好的对比度、阴影和光照。

Stability AI 的应用机器学习负责人 Joe Penna 在接受媒体采访时指出，Stable Diffusion XL 1.0 含有 35 亿个参数，可以在多种宽高比下「几秒钟内」生成完整的 100 万像素分辨率图像。在这种情况下，「参数」是模型从训练数据中学习到的部分，实际上定义了模型在解决问题时的技能，在本例中生成图像。

上一代的 Stable Diffusion 模型 Stable Diffusion XL 0.9 也可以生成更高分辨率的图像，但需要更多的计算能力。

Penna 表示：「Stable Diffusion XL 1.0 是可定制的，可以根据概念和风格进行微调。」他说：「它也更容易使用，可以通过基本的自然语言处理提示实现复杂的设计。」

此外，Stable Diffusion XL 1.0 在文本生成方面也有所改进。虽然许多最佳的文本到图像模型在生成图像上表现不佳，很难生成可辨认的标志、书法或字体，但 Stable Diffusion XL 1.0 可以进行「高级」文本生成和可读性，Penna 表示。

根据 SiliconAngle 和 VentureBeat 的报道，Stable Diffusion XL 1.0 还支持修复（重建图像中缺失的部分）、扩展（延长现有图像）和「图像到图像」的提示——这意味着用户可以输入图像并添加一些文本提示，以创建该图片的更详细变化。此外，该模型可以理解用短提示给出的复杂、多部分的指令，而以前的 Stable Diffusion 模型需要更长的文本提示。

Penna 承认滥用是可能的，他还承认模型也存在一定的偏见。但他补充说，Stability AI 采取了「额外措施」来减少有害内容的生成，通过对模型的训练数据进行「不安全」图像过滤，并发布与问题提示相关的新警告，尽可能地封锁工具中的有问题术语。

Stable Diffusion XL 1.0 的训练集还包括来自抗议企业（包括 Stability AI）使用他们的作品作为生成式 AI 模型训练数据的艺术家的艺术作品。Stability AI 声称，至少在美国，根据公平使用原则，它不承担法律责任。但这并没有阻止一些艺术家和股票照片公司 Getty Images 提起诉讼，以制止这种做法。

Stability AI 与初创公司 Spawning 合作，以尊重这些艺术家的「选择退出」请求。该公司表示，它并没有从训练数据集中删除所有被标记的艺术作品，但「继续纳入艺术家的请求」。

随着 Stability 在商业活动中遇到停滞，面临着 OpenAI、Midjourney 等竞争对手的激烈竞争，该公司正在推动合作伙伴关系和新能力的开发。今年 4 月，Semafor 报道称，Stability AI 迄今已筹集了超过 1 亿美元的风险投资，但该公司正在烧钱，促使其在 6 月关闭 2500 万美元的可转换票据，并寻求帮助增加销售。

Stability AI 首席执行官 Emad Mostaque 在新闻稿中表示：「最新的 SDXL 模型代表了 Stability AI 创新传统的下一步，以及能够为 AI 社区提供最前沿的开放访问模型的能力。」他还说：「在 Amazon Bedrock 上发布 1.0 版本表明我们与 AWS 紧密合作，为开发人员和客户提供最佳解决方案。」

Stable Diffusion XL 1.0 GitHub：

https://github.com/Stability-AI/generative-models