稳定的扩散3.5：深入研究其模型和访问方法
稳定性扩散3.5的最新版本，具有三种可自定义的型号 - 较大，大涡轮和中等模型，所有这些模型都针对消费者硬件进行了优化。本文探讨了这些模型，它们的访问方法及其功能。
模型概述
目录
稳定的扩散3.5模型解释了
所有型号均可进行微调，并针对消费者硬件进行了优化。
模型比较
稳定的扩散3.5大型迅速粘附，并在图像质量上竞争较大的模型。大型涡轮增压速度优先考虑速度而不牺牲质量，而媒介提供了高性能，资源有效的选择。
访问稳定的扩散3.5
通过稳定性。EA平台
从平台获取您的API密钥（注册时提供了25个学分）。在Jupyter环境中使用以下Python代码（用API密钥替换）：
导入请求
响应= requests.post（
f“ https://api.stobility.ai/v2beta/stable-image/generate/sd3”，
标题= {
“授权”：f“ bearer sk- {api-key}”，
“接受”：“图像/*”
}，，
files = {“无”：''}，
数据= {
“提示”：“一个穿着正式衣服的中年男子”，
“ output_format”：“ jpeg”，
}，，
）
如果响应。STATUS_CODE== 200：
打开（“ ./ man.jpeg”，'wb'）作为文件：
file.write（响应。
别的：
提高异常（str（wonspons.json（））） 
（示例图像以提示生成：“一个穿着正式衣服的中年男子”）
通过拥抱脸
直接在拥抱脸上访问模型。该接口允许立即推断，如下所示：
（用提示生成的示例图像：“带有红树的森林”）
对于通过拥抱面的API访问，请按照以下步骤：
导入请求
api_url =“ https://api-inference.huggingface.co/models/stocietyai/stable-diffusion-3.5-large”
标题= {“授权”：“持有人hf_token”}
def查询（有效载荷）：
响应= requests.post（api_url，headers =标题，json =有效载荷）
返回响应
image_bytes = query（{{
“输入”：“坐在高高的建筑物上的忍者，8k”，
}））
导入IO
从PIL导入图像
image = image.open（io.bytesio（image_bytes））
图像
（用提示生成的示例图像：“坐在高高建筑物顶部的忍者”，8k”）
结论
稳定的扩散3.5提供了一套多功能的图像生成模型，可满足各种需求和硬件功能。它通过多个平台的可访问性简化了高质量的AI图像生成。
（考虑用于生成AI培训的Genai Pinnacle计划。）
常见问题
Q1：稳定性AI API身份验证？在请求标题中使用您的API密钥。
Q2：常见稳定性AI API错误？未经授权的访问，无效的参数或超过使用限制。
Q3：稳定扩散3.5中等介质？根据稳定社区的研究，非商业用途和收入不到100万美元的组织的免费自由。较大的实体需要企业许可。
Q4：是什么区别稳定的扩散3.5培养基？改进了MMDIT-X架构，具有QK差异化和双重关注，以增强分辨率的图像生成。
以上是如何访问稳定的扩散3.5？ - 分析Vidhya的详细内容。更多信息请关注PHP中文网其他相关文章！
