Stability AI vừa công bố Stable Diffusion 3.5, phiên bản nâng cấp của dòng mô hình tạo ảnh từ văn bản phổ biến nhất thế giới. Điểm cải tiến đáng chú ý nhất của SD 3.5 là khả năng hiểu các câu lệnh phức tạp với nhiều điều kiện và tương quan nhân quả. Trong khi các phiên bản trước thường gặp khó khăn khi xử lý các prompt dài và chi tiết, SD 3.5 có thể tạo ra hình ảnh chính xác dựa trên các mô tả phức tạp như "một con mèo đang ngồi trên bàn làm việc, bên cạnh là cốc cà phê, cửa sổ mở ra bầu trời hoàng hôn".
Mô hình mới sử dụng kiến trúc DiT (Diffusion Transformer) thay thế cho kiến trúc U-Net truyền thống, giúp tăng tốc độ tạo ảnh lên 40% và cải thiện chất lượng hình ảnh ở độ phân giải cao. SD 3.5 hỗ trợ tạo ảnh lên tới 4096x4096 pixel mà không bị mất chi tiết, một bước tiến lớn so với giới hạn 1024x1024 của các phiên bản trước.
Stability AI cũng đã tích hợp vào SD 3.5 tính năng kiểm soát phong cách (style control), cho phép người dùng trộn lẫn nhiều phong cách nghệ thuật khác nhau trong cùng một hình ảnh. Ví dụ, người dùng có thể yêu cầu "chân dung phong cách impressionism với nền là phong cách cyberpunk" và mô hình sẽ tạo ra hình ảnh kết hợp hài hòa cả hai phong cách.
SD 3.5 được phát hành dưới giấy phép Creative Commons 4.0, cho phép sử dụng miễn phí cho cả mục đích cá nhân và thương mại. Mô hình đã có sẵn trên Hugging Face và các nền tảng như ComfyUI, DreamStudio. Nhiều nghệ sĩ số và nhà thiết kế đồ họa đã bắt đầu sử dụng SD 3.5 trong quy trình làm việc của mình, đánh giá cao khả năng tạo ra hình ảnh có chất lượng gần như chuyên nghiệp mà không cần chỉnh sửa nhiều.