ステーブルディフュージョン3 API発表：新しいステーブルアシスタントのリリースに備えよう！

わずか2ヶ月のプレビューを経て、Stability AIは次世代の生成AIモデル「Stable Diffusion 3」と、その革新的なチャットボット技術「Stable Assistant」の早期プレビューを発表します。

「Stable Diffusion 3」は2月にプレビューとして発表され、現在はStability AIの開発者プラットフォームを通じてAPI経由で利用可能です。このAPIにより、モデルの強力なテキストから画像への生成機能をさまざまなサービスやアプリケーションに簡単に統合できます。また、パフォーマンスを向上させる「Stable Diffusion 3 Turbo」というターボバリアントも新たに登場しました。

Stable Diffusion 3では、Stability AIが高度な機械学習技術を採用し、画像とタイポグラフィの品質を大幅に向上させています。APIリリース時には、モデルが商用利用に耐えられる準備が整っていることを最優先にしています。

「SD3の誤用を防ぐために、多くのセーフガードを実装し、ユーザーのフィードバックに基づいてこれらの対策を常に洗練しています」とStability AIのCTO兼暫定共同CEOのクリスチャン・ラフォルテ氏は述べています。

オープンモデルの登場予定

Stable Diffusion 3はAPIを通じて利用可能ですが、オープンモデルはまだリリースされていません。「オープンリリースに向けて、モデルの改良を続けていきます」とラフォルテ氏は確認しました。「オープンな生成AIへのコミットメントに沿って、Stability AIメンバーシップを通じて自己ホスティング用のモデルウェイトをまもなく提供します。」

このメンバーシップ戦略は、収益モデルの確立を目指しています。

Fireworksとの提携でAPIパフォーマンス向上

Stability AIはFireworks AIとの提携により、Stable Diffusion 3 APIのパフォーマンスを向上させます。生成AIアプリケーションのAPI推論を最適化することは特にスケールで複雑ですが、Fireworks AIの機械学習コンパイラに関する専門知識がその課題に対応します。

「Fireworks AIは業界をリードするMLコンパイラの専門家であり、モデルの推論スピードを最適化するための重要な要素です」とラフォルテ氏は説明します。「彼らとの提携により、マーケットで最も迅速で信頼性の高いエンタープライズグレードのAPIプラットフォームを提供することが可能になります。」

Stable Diffusion 3の革新

Stable Diffusionの中核には拡散モデルがあり、いくつかの革新がその機能を強化しています。特に「Multimodal Diffusion Transformer (MMDiT)」アーキテクチャの導入により、テキスト理解とタイポグラフィの精度が向上しました。

SD3-Turboモデルは、高速なパフォーマンスを実現するために「Latent Adversarial Diffusion Distillation (LADD)」という新しい手法を用いています。「基本的に、SD3-TurboはSD3より最大10倍高速で、生成する画像の品質もほぼ同等です」とラフォルテ氏は述べています。

Stable Assistantの紹介

新しいStable Diffusionモデルに加え、Stability AIはチャットボット「Stable Assistant」の初期ベータ版も発表しました。このチャットボットは同社のテキストと画像生成技術を搭載しており、OpenAIのChatGPT PlusとDALL-E 3の統合に似ています。Stable Assistantは会話を通じて画像を生成します。

ラフォルテ氏はStable Assistantを、Stable Diffusion 3と最近リリースされたStable LM 2 12Bの機能を組み合わせたユーザーフレンドリーなチャットボットとして説明します。このツールは、会話から画像を生成するだけでなく、情報提供や文書作成、関連する画像を使ったコンテンツの強化を行います。

「Stable Assistantは、技術的な専門知識を必要とせずに私たちのすべてのモデルおよびAPIサービスにアクセスできるマルチモーダルチャットボットを目指しています」とラフォルテ氏は述べています。「今後、画像編集機能や、ビデオ、3D、音声、コードなど他のモダリティのモデルも追加して、その機能をさらに強化していく予定です。」