穩定的擴散3.5：深入研究其模型和訪問方法
穩定性擴散3.5的最新版本，具有三種可自定義的型號 - 較大，大渦輪和中等模型，所有這些模型都針對消費者硬件進行了優化。本文探討了這些模型，它們的訪問方法及其功能。
模型概述
目錄
穩定的擴散3.5模型解釋了
所有型號均可進行微調，並針對消費者硬件進行了優化。
模型比較
穩定的擴散3.5大型迅速粘附，並在圖像質量上競爭較大的模型。大型渦輪增壓速度優先考慮速度而不犧牲質量，而媒介提供了高性能，資源有效的選擇。
訪問穩定的擴散3.5
通過穩定性。EA平台
從平台獲取您的API密鑰（註冊時提供了25個學分）。在Jupyter環境中使用以下Python代碼（用API密鑰替換）：
導入請求
響應= requests.post（
f“ https://api.stobility.ai/v2beta/stable-image/generate/sd3”，
標題= {
“授權”：f“ bearer sk- {api-key}”，
“接受”：“圖像/*”
}，，
files = {“無”：''}，
數據= {
“提示”：“一個穿著正式衣服的中年男子”，
“ output_format”：“ jpeg”，
}，，
）
如果響應。STATUS_CODE== 200：
打開（“ ./ man.jpeg”，'wb'）作為文件：
file.write（響應。
別的：
提高異常（str（wonspons.json（））） 
（示例圖像以提示生成：“一個穿著正式衣服的中年男子”）
通過擁抱臉
直接在擁抱臉上訪問模型。該接口允許立即推斷，如下所示：
（用提示生成的示例圖像：“帶有紅樹的森林”）
對於通過擁抱面的API訪問，請按照以下步驟：
導入請求
api_url =“ https://api-inference.huggingface.co/models/stocietyai/stable-diffusion-3.5-large”
標題= {“授權”：“持有人hf_token”}
def查詢（有效載荷）：
響應= requests.post（api_url，headers =標題，json =有效載荷）
返迴響應
image_bytes = query（{{
“輸入”：“坐在高高的建築物上的忍者，8k”，
}））
導入IO
從PIL導入圖像
image = image.open（io.bytesio（image_bytes））
圖像
（用提示生成的示例圖像：“坐在高高建築物頂部的忍者”，8k”）
結論
穩定的擴散3.5提供了一套多功能的圖像生成模型，可滿足各種需求和硬件功能。它通過多個平台的可訪問性簡化了高質量的AI圖像生成。
（考慮用於生成AI培訓的Genai Pinnacle計劃。）
常見問題
Q1：穩定性AI API身份驗證？在請求標題中使用您的API密鑰。
Q2：常見穩定性AI API錯誤？未經授權的訪問，無效的參數或超過使用限制。
Q3：穩定擴散3.5中等介質？根據穩定社區的研究，非商業用途和收入不到100萬美元的組織的免費自由。較大的實體需要企業許可。
Q4：是什麼區別穩定的擴散3.5培養基？改進了MMDIT-X架構，具有QK差異化和雙重關注，以增強分辨率的圖像生成。
以上是如何訪問穩定的擴散3.5？ - 分析Vidhya的詳細內容。更多資訊請關注PHP中文網其他相關文章！
