Ett nytt neuralt nätverk för stabil diffusion har släppts. Det genererar bilder enligt beskrivningen

Utvecklarna av det nya neurala nätverket Stable Diffusion har publicerat projektet offentligt. Nu kan vem som helst prova tjänsten för att konvertera textfrågor till bilder.

Det enklaste sättet att testa Stabil Diffusion är att Kramar ansikte, men det är långa köer på sajten: en förfrågan behandlas på cirka 5 minuter. Genom plattformen drömstudio allt fungerar mycket snabbare, men du behöver ett konto (du kan logga in via ditt Google-konto eller Discord).

Dessutom får varje användare i DreamStudio ett begränsat antal poäng som kan spenderas på generering. Ju fler bilder och ju högre upplösning, desto dyrare är varje iteration. För att återställa tidigare genererade bilder måste du också spendera krediter, så du kommer inte att kunna ha kul så länge.

Projektet publicerades också på GitHub. För närvarande kräver det en dator med ett NVIDIA-grafikkort och 6,9 GB VRAM, i framtiden är det planerat att lägga till stöd för AMD-videochips, inklusive Apple M1 / ​​​​M2.

Hur bra fungerar allt? Beror på användaren. Ju mer komplexa och exakta frågorna är, desto större chanser till coola resultat. Till exempel, här är resultaten för frasen "Daenerys Targaryen i en bröllopsklänning med en drake i stil med Alphonse Mucha":

Det här är Wizard Yoda i Cyberpunk City.

Det här är Harry Potter Skräck. Det skrämmer dig, men inte på det sätt som det borde.

Med andra ord, du kan inte tvinga ett neuralt nätverk att tänka istället för dig själv: för ett tydligt resultat måste du tänka på vad du vill få som utdata.

Stabil diffusion låter dig anpassa noggrannheten för att matcha frågan, antalet steg och andra parametrar. Den maximala möjliga upplösningen är 1024 × 1024 pixlar, upp till 9 bilder kan visas samtidigt. Det neurala nätverket vet inte hur man ökar upplösningen, för detta måste du lita på tredjepartstjänster.

Om du provar tjänsten, dela resultaten i kommentarerna!