Stability AI
A Stability AI egy londoni székhelyű startup, amely a Stable Diffusion, a nyílt súlyú képgenerátor mögött áll, amely laptopok millióira helyezi a szöveg-kép AI-t.
Áttekintés
By releasing model weights publicly, it sparked a wave of open-source creative tooling that rivaled closed systems from OpenAI and Google.
Mély merülés
Az Emad Mostaque által 2019-ben alapított Stability AI 2022 augusztusában vált híressé, amikor támogatta a Stable Diffusion, egy látens diffúziós modell nyilvános kiadását, amely nagyrészt a LAION-5B adatkészletre épül. A DALL-E-vel vagy a Midjourney-val ellentétben a súlyok letölthetőek voltak, így a hobbibarátok, kutatók és cégek ingyenesen futtathatják és finomhangolhatják a modellt. Ez a villák, a bővítmények és az olyan eszközök, mint az Automatic1111 és a ControlNet robbanásszerű növekedését eredményezte. A vállalat később nyelvi (StableLM), audio (Stable Audio), 3D és videó (Stable Video Diffusion) piacra terjeszkedett, és 2024-ben kiadta a Stable Diffusion 3-at. A finanszírozási nehézségek és a Mostaque 2024-es távozása után az új vezetés a vállalatot a fenntartható vállalati licencelésre helyezte, miközben megtartotta a nyílt súlyú szellemiséget.
Technikai betekintés
A Stable Diffusion egy látens diffúziós modell: a képpontok közvetlen zajtalanítása helyett egy variációs autoencoder segítségével egy kisebb látens térbe tömöríti a képeket, majd ott futtatja le a diffúziós folyamatot. Az U-Net lépésről lépésre megtanulja a zaj visszafordítását, a CLIP-stílusú szövegkódolóból származó szövegbeágyazások irányításával keresztfigyelem révén. A látens térben végzett munka csökkenti a számításokat, ezért a modell egyetlen fogyasztói GPU-n futhat adatközpont helyett.
Stratégiai hatás
Szállítói stratégia
A szállítói ütemterv befolyásolja, hogy csapata milyen funkciókat építhet fel legközelebb.
Költség és költségvetés
A kereskedelmi feltételek és a telepítési lehetőségek befolyásolják a hosszú távú költségeket és kockázatokat.
Kockázat és biztonság
A vállalati ösztönzők alakítják a termék alapértelmezett beállításait, a biztonsági testtartást és a nyitottságot.
A stabilitás jövője AI
A stabilitási mesterséges intelligencia a vállalati API-k, a média- és szórakoztatóipari partnerségek (beleértve a WPP-vel kötött megállapodást is) és a telefonokon és laptopokon való futtatáshoz elég kicsi, élbarát modellek irányába terelődik. Várhatóan továbbra is feszültség alakul ki a nyílt súlyú gyökerei és a bevételi igény között, valamint a videó-, hang- és 3D-generálásba való mélyebb befektetések között. A képzési adatokkal és a szerzői jogokkal kapcsolatos jogi kérdések, beleértve a Getty Images pert is, nagymértékben meghatározzák, hogy a jövő modelljeit milyen nyíltan lehet képezni és megosztani.
Valós megvalósítás
Egy független játékstúdió helyileg finomítja a Stable Diffusion-t, hogy konzisztens karakterkoncepciót generáljon képenkénti felhőköltségek nélkül.
A fejlesztő a ControlNet-et a Stable Diffusion tetejére adja, hogy a durva vázlatokat csiszolt termékmodellekké alakítsa, miközben megőrzi a pontos elrendezést.
Egy zenész a Stable Audio segítségével jogdíjmentes háttérhurkokat és környezeti textúrákat generál egy podcast-bevezetőhöz.
Egy kutatólabor letölti a nyitott súlyokat, hogy tanulmányozza és csökkentse a generált arcok demográfiai torzítását, ami zárt API-k esetén lehetetlen.
Kockázatok és védőkorlátok
Az indítási bejelentések meghaladhatják a valódi termelési munkafolyamatok stabilitását.
Az API-árazás vagy az irányelvváltások egyik napról a másikra megdönthetik a feltételezéseket.
Az egyszállítótól való függőség növeli a bezárási és migrációs költségeket.
Végrehajtási ütemterv
Értékelje a szolgáltatókat saját feladatai és adatkészletei segítségével.
Az integráció előtt tekintse át az adatvédelmi, biztonsági és jogi feltételeket.
Tartsa fenn a tartalék tervet a modellek vagy szállítók között.
Figyelje a kiadási megjegyzéseket, hogy az ütemterv változásai ne lepjék meg a csapatokat.
Folytassa a felfedezést
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Stability AI quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Következő útmutató
Perplexity MI
Gyakran ismételt kérdések
What is Stability AI?
A Stability AI egy londoni székhelyű startup, amely a Stable Diffusion, a nyílt súlyú képgenerátor mögött áll, amely laptopok millióira helyezi a szöveg-kép AI-t. A modellsúlyok nyilvános közzétételével a nyílt forráskódú kreatív eszközök hullámát váltotta ki, amely a OpenAI és Google zárt rendszereivel vetekedett.
Mi a legismertebb a Stabilitási AI 2022-es megjelenéséről?
A Stability AI támogatta a Stable Diffusion 2022. augusztusi nyilvános kiadását, amelynek letölthető súlyai mérföldkővé tették a nyílt forráskódú generatív AI-ban.
Mitől különbözött a Stable Diffusion a DALL-E-től és a Midjourney-tól az induláskor?
Zárt versenytársaival ellentétben a Stable Diffusion súlyait nyíltan kiadták, így bárki futhat és finomhangolhat a saját hardverén.
Technikailag hol végzi el a Stable Diffusion zajtalanítási folyamatát?
Ez egy látens diffúziós modell: egy autoencoder a képeket egy kisebb látens térbe tömöríti, ahol az U-Net zajtalanítja, drasztikusan levágva a számításokat.
Melyik adatkészlet volt központi az eredeti stabil diffúzió betanításában?
A stabil diffúziót nagyrészt a LAION-5B-n, a webről lekapart kép-szöveg párokból álló hatalmas adatkészleten képezték.
A képeken kívül melyik modalitáshoz épített modelleket a Stability AI?
A stabilitás kiterjesztve hangra (Stable Audio), nyelvre (StableLM), 3D-re és videóra (Stable Video Diffusion).