在 2024 年 2 月 12 日,Stability.Ai 公司发布了新模型 Stable Cascade。
上线了一段时间的新模型,小伙伴们体验感如何呢?这篇文章和你深度聊聊~
往期介绍:
Stable Cascade 模型最大的优点是
- 是能生成带有文字的图片,文字出错率相比以前模型少很多;
- 其次是硬件要求降低,甚至与 sd1.5 相比,该架构比之前版本实现了 16 倍的成本降低;
- 最后一大亮点是模型更加理解提示词语义。
这篇文章带大家详细了解 Stable Cascade 模型。最后我整理打包了此模型,「Stable cascade 模型+安装方法+工作流」整套放在了文章最后,伙伴们自行下载~
左边使用 Cascade 模型出的效果图片
右边使用 SDXL 模型出图效果:
提示词:text“stable”,Made from green shrub leaves,
提示词:text“stable”,The text is made of colorful energy.
提示词:A cute cat
提示词:a cat eating a piece of cheese
提示词:A high-definition full body photo of a beautiful Asian girl in a summer park,full-size photograph,full-size photograph
通过以上的图片,小伙伴更喜欢哪种模型出的效果呢~
根据官方给到的评估结论,在几乎所有比较中,Stable Cascade 在理解提示词语义方面和美观质量方面都表现最好。
Stable Cascade 模型和其他模型的数据对比
Cascade 模型与之前的 sd 模型相比,主要区别是可以在更小的潜空间中工作。
潜空间可以简单理解为 ai 计算生成图片的区域,潜在空间越小,推理速度就越快,训练成本也就越低。
之前的 sd 模型如果想要生成一张 1024*1024 的图片,在潜空间的编码为 128*128,使用的压缩因子为 8,可以简单的理解为 1024*1024 的图片除以 8(压缩因子)等于在潜空间的编码大小 128*128。
而 Stable Cascade 的压缩系数为 42,这意味着可以将 1024x1024 图像,在潜空间的编码为 24x24,这样就可以使用更小的潜空间尺寸,并且实现清晰的图像输出。甚至与 sd1.5 相比,该架构比之前版本实现了 16 倍的成本降低。
因此,这种模型非常适合快速的生成高质量图片。并且当前已知的扩展(如微调、LoRA、ControlNet、IP 适配器、LCM 等)也可以通过此方法实现。
Stable Cascade 模型逻辑流程图
1. Stable Cascade 由三个模型组成
Stage A、Stage B 和 Stage C,代表级联生成图像。
「级联」是指多个系统、设备或组件按照一定的顺序依次连接起来,形成一个整体,其中前一个系统、设备或组件的输出作为后一个的输入。因此得名“Stable Cascade”。
2. Stable Cascade 如何级联运行
A 阶段和 B 阶段用于压缩图像,类似于 stable diffusion 中 VAE 的工作。然而,通过这种设置,可以实现更高的图像压缩。此外,阶段 C 负责在给定文本提示的情况下生成小的 24 x 24 潜伏。
比如输入提示词“鳄梨形状的扶手椅”,就会进入到第一步潜在的生成器,并且使用 stage C 模型生成较小的潜在图像,生成完成后,会进入到 stage B 和 stage A,对生成的潜在图像内容还原到像素空间。
Stable Cascade 模型输入提示词后的生成流程
1. 下载模型
①模型下载分为两个部分:Cascade 模型+clip 模型;
②cascade 模型又分为 stageA,stageB,stageC,官方对 stage C 和 stage B 分别提供了两个版本,每个模型只需要下载其中一个即可;
③其中 stage C 提供 10 亿和 36 亿参数版本,官方强烈建议使用 36 亿版本,生成的图像会有更加有细节。
Stage B 的两个版本分别达到 7 亿和 15 亿个参数。15 亿擅长重建微小而精细的细节。
④最后,Stage A 包含 2000 万个参数,只有一个版本直接下载默认版本的即可。
如果你的电脑性能足够,当前建议直接下载较大文件体积的模型,能够获得更好的结果。
clip 模型在 text_encoder 文件夹,只有一个版本,下载 model.safetensors 模型即可。
这些模型我也打包好了,放在文章的最后,可以直接下载使用。
2. 安装模型
将 stage C 和 stage B 这两个模型放置到 ComfyUI 根目录\ComfyUI\models\unet 文件夹中。
stage C 和 stage B 这两个模型放置的文件位置
stage A 模型放置到 ComfyUI 根目\ComfyUI\models\vae 文件夹中
stage A 模型放置的文件位置
最后将 clip 模型放置到 ComfyUI 根目录\ComfyUI\models\clip 文件夹中,这样使用 cascade 的模型安装也完成了。
clip 模型放置的位置
3. 更新 Comfyui 版本
将 comfyui 更新到最新版本即可,官方将需要的模块已经同步进模型包了,
comfyui 的更新方法,打开秋葉的启动器,具体怎么将秋葉启动器安装到官方的 comfyui 包中,可以参考这条视频的方法。
一分钟教你使用秋葉启动器对 Comfyui 进行升降版本,版本管理:
点击“版本管理”-右上角的“一键更新”按钮,即可将 comfyui 更新到最新版本。
秋葉启动器安装到官方的 comfyui 包,进行一键更新
4. 工作流搭建
拿到官方更新的 cascade 工作流之后,工作流应该会默认安装好这四个模型,你也可以点击模块上的模型加载位置检查模型是否加载完成。
四个模型安装位置
并且需要注意 load clip 模块上,模型的种类是否选择的是“stable_cascade”,并且加载的是刚刚下载的 clip 模型,你也可以给这个 clip 模型修改一下名称,例如“cascade_clip_model”这样就不会与其他的 clip 模型混淆。
确定模型种类的位置,千万别混淆了
完成以上设置之后,就可以填写提示词,进行图像生成了。
4. Cascade 模型效果展示
文字相关:在 6 个及以下字母的单词生成的准确率非常高,准确率能达到 80%。但是超出 7 个字母后,想要直接生成拼写无误的单词比较困难,准确率在 20%左右。
文字效果如下:
电影海报效果如下:
新模型发布:Stable Cascade 在研究预览中发布,采用三阶段方法,提高了质量、灵活性、微调能力和效率,同时进一步降低了硬件要求。
技术细节:Stable Cascade 包括三个阶段(A、B、C),通过分层压缩图像,实现了使用高度压缩的潜在空间达到显著的输出效果。
训练和微调:提供了针对不同阶段的训练和微调脚本,特别是 Stage C,可以单独进行训练或微调,显著降低成本。
参数规模与效率:Stage C 提供 10 亿与 36 亿参数两种模型,Stage B 提供 7 亿与 15 亿参数两种模型,强调了效率和质量的平衡。
以上,既然看到这里了,如果这篇文章能够帮助到你,或者觉得不错,随手点个赞、在看、转发三连吧~如果想要第一时间收到推送,也可以给我个星标~谢谢你看我的文章。
欢迎关注作者微信公众号:「AI芝士计划」
复制本文链接 文章为作者独立观点不代表优设网立场,未经允许不得转载。
发评论!每天赢奖品
点击 登录 后,在评论区留言,系统会随机派送奖品
2012年成立至今,是国内备受欢迎的设计师平台,提供奖品赞助 联系我们
AI时代的设计师生存手册
已累计诞生 642 位幸运星
发表评论 已发布5条
↓ 下方为您推荐了一些精彩有趣的文章热评 ↓