Stable Diffusion 3、API経由で利用可能に。テキスト理解と文字出力機能が向上

最終更新日:2024/04/22

Stability AIは、画像生成AI「Stable Diffusion 3」と「Stable Diffusion 3 Turbo」を、API経由で利用可能にしたと発表しました。

このAIニュースのポイント

「Stable Diffusion 3」と「 Stable Diffusion 3 Turbo」がAPI経由で利用可能に
「Stable Diffusion 3」は他の画像生成AIと比べ、プロンプトの再現度が高いことが確かめられている
従来の画像生成AIでは困難だった、「指定した文字を自然に表現する」「複数の被写体を細かく描写する」といった操作が可能に

Stability AIは4月18日、画像生成AI「Stable Diffusion 3」と「Stable Diffusion 3 Turbo」を、API経由で提供することを発表しました。Stability AI Developer Platform APIから利用できます。

Stable Diffusion 3は、Stability AIが開発しているオープンソースの画像生成AIで、テキスト入力によって画像を生成します。今までのStable DiffusionはHugging FaceやDream StudioのようなWebサービスで利用する必要がありましたが、今回のアップデートによって、API経由で利用可能です。

Stable Diffusion 3のリサーチペーパーによると、Stable Diffusion 3はDALL-E 3 や Midjourney v6 などのテキスト画像生成AIを、タイポグラフィ（文字デザイン）とプロンプトの忠実性において上回っています。

さらに、新たなMultimodal Diffusion Transformer （MMDiT）アーキテクチャを導入し、画像表現と言語表現に別々のウェイトセットを使用しています。これにより、Stable Diffusionの旧バージョンと比較して、テキスト理解とスペリング機能が向上しています。

Stability AIは、Stable Diffusion 3の作成例を公開しています。以下の画像は「A red sofa on top of a white building. Graffiti with the text “the best view in the city”.(白いビルの上に赤いソファ。『the best view in the city』という落書き)」というプロンプトで生成した画像です。プロンプトの指示が忠実に再現され、壁面に落書きが描画されています。

また、Stable Diffusion 3とStable Diffusion 3 Turboは、高速かつ信頼性の高いAPIプラットフォームである、Fireworks AIと提携しました。この提携により、99.9%の稼働率で利用可能な、エンタープライズグレードのAPIソリューションが提供され、Stable Diffusion 3を安心して業務に活用することが可能です。

生成AIの安全性は、モデルのテストや評価、実用展開までの全過程にわたって重視されます。そのため、Stability AIは研究者、専門家、コミュニティと連携を取りながら、モデルを継続的に改良し、さらなる技術革新を目指しています。

出典：Stability AI