模型介绍
中文整理Stable Cascade Prior
模型用途
Stable Cascade 是一个基于 Würstchen 架构的扩散模型，用于根据文本提示生成图像。该模型特别适用于对效率有要求的场景。
主要能力
该模型在极小的潜在空间中工作。Stable Diffusion 使用 8 倍压缩因子，将 1024×1024 的图像编码为 128×128。Stable Cascade 实现 42 倍压缩因子，可将 1024×1024 图像编码为 24×24，同时保持清晰的重建效果。潜在空间越小，推理速度越快，训练成本越低。该架构此前版本相比 Stable Diffusion 1.5 实现了 16 倍成本降低。支持微调、LoRA、ControlNet、IP-Adapter、LCM 等扩展。根据评估，Stable Cascade 在提示词对齐和美学质量方面表现最佳。
输入输出
输入：文本提示
输出：生成的图像
运行要求
模型包含三个阶段：Stage A、Stage B 和 Stage C。Stage C 提供 10 亿和 36 亿参数两个版本，建议使用 36 亿参数版本。Stage B 提供 7 亿和 15 亿参数两个版本，15 亿参数版本在重建细节方面表现更好。Stage A 包含 2000 万参数，体积较小且固定。使用 torch.bfloat16 数据类型需要 PyTorch 2.2.0 或更高版本；较低版本可使用 torch.float16。
基本用法
Stage A 和 Stage B 用于压缩图像，Stage C 负责根据文本提示生成 24×24 的潜在向量。可使用 StableCascadeCombinedPipeline 或单独使用 StableCascadeDecoderPipeline。
限制
人脸和人物的生成可能不完整。模型的自动编码部分存在信息损失。该模型未经过事实性训练，不能准确表示人物或事件，使用此类内容超出模型能力范围。模型仅限研究目的使用。
许可证
原始文本中未包含许可证相关信息。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。