クリエイティブAI講座：Stable Diffusion 3が出た！

Summary

適切な要約を自動生成することは現時点で困難なため、人手によるサポートが必要です。

Takeaways

• 😀 松田先生とジェミについての話があった。
• 📅 ステーブルディフュージョン3が2023年2月22日に公表された。
• 🚀 新しいステーブルディフュージョンは空のリリースを見て急いで公表されたようだ。
• 🔍 技術詳細はまだ公開されておらず、アーリー・アクセスのウェイトリストが存在する。
• 🌐 Discordを通じて初期アクセスが可能であり、一般公開に向けたフィードバックが求められている。
• 🤖 ステーブルディフュージョン3はマルチモーダル機能を持ち、画像、動画、3Dモデルを生成可能。
• 📝 テキスト処理が改善され、長文のテキストも画像内に正確に反映されるようになった。
• 🎨 生成されたサンプルには動画や3Dモデルの例も含まれ、これまでとは異なる新しい可能性を示している。
• 💾 ステーブルディフュージョン3は複数のモデルサイズを提供し、様々な性能のコンピュータでの使用が想定されている。
• 🔬 AIと安全性に重点を置き、公開前には広範なテストとフィードバックを経て改良が進められる。
• 🇯🇵 日本語のテキスト処理にはまだ課題があり、特に看板の文字生成において改善の余地がある。

Q & A

ステーブルディフュージョン3の特徴は何ですか?

マルチモーダル生成ができるようになったこと。テキスト、画像、動画、3Dモデルなどを一緒に生成できる。

ステーブルディフュージョン3のテキスト生成能力はどう改善されたのでしょうか?

これまでよりはるかに長い英語のテキストを画像の中に正しく生成できるようになった。

ステーブルディフュージョン3の日本語対応はどうなっているのでしょうか?

日本語の文字や看板などはまだ正確に生成できておらず、改善の余地がある。

ステーブルディフュージョン3の動画生成能力について教えてください。

20秒程度の短い動画を生成できる。画像と同様に一貫性も保たれている。

ステーブルディフュージョン3の3Dモデル生成能力はどうでしょうか?

3Dモデルも高品質に生成できるようだが、詳細は不明。

ステーブルディフュージョン3のモデルサイズと性能について教えてください。

800MBから8B(80億パラメータ)までのモデルがある。GPU性能に合わせて選べる。

ステーブルディフュージョン3の公開計画を教えてください。

当面はベータ版を限られたユーザーに公開。フィードバックを受けて改良した上で、最終的に一般公開する計画。

ステーブルディフュージョン3の利用可能性についてどう考えますか?

ローカルでカスタマイズ利用できる点が大きな魅力。画像生成以外の能力も期待できそう。

ステーブルディフュージョン3の改善点は何でしょうか?

日本語テキストの生成品質を高めることが課題。意味不明な文字よりむしろ空白が良い場合も。

ステーブルディフュージョン3への要望を教えてください。

日本語対応を改善してほしい。文字生成の精度向上とともに、指定通りのレイアウトで描画できることが望ましい。