Stability AI: Stable Diffusion i Stable Audio

Stable Diffusion 3.5 to obecna rodzina modeli obrazów Stability AI. Large to flagowy model z 8 mld parametrów do profesjonalnej pracy w rozdzielczości 1 megapiksela, Large Turbo tworzy obrazy w czterech krokach, a Medium zaprojektowano do działania na sprzęcie konsumenckim. Starszy SDXL i jednokrokowy SDXL Turbo są nadal dostępne.

Wagi można pobrać i hostować samodzielnie w ramach Community License, używać przez API albo uruchamiać u partnerów chmurowych, takich jak Amazon Bedrock. Ta otwartość pozwala każdemu dostrajać modele albo budować na nich LoRA i narzędzia; oznacza też, że sprzęt i interfejs konfigurujesz sam.

API Stability AI sprzedaje generowanie obrazów za każde wywołanie: Stable Image Ultra, oparty na SD 3.5 Large, za 8 kredytów ($0.08), SD 3.5 Large za 6,5, Large Turbo za 4, Medium za 3,5, Flash za 2,5 i Stable Image Core za 3. Usługi edycji obejmują usuwanie obiektów, inpainting, outpainting, usuwanie tła, wyszukiwanie i zamianę lub zmianę koloru oraz zamianę tła z nowym oświetleniem.

Skalowanie obejmuje opcje od Fast (4x, do 4 megapikseli, 2 kredyty) przez Conservative (40) po Creative (60), który odtwarza obrazy niskiej jakości w 4K. Usługi sterowania prowadzą nowy obraz według szkicu, struktury lub referencji stylu. Stability twierdzi, że każde wywołanie API jest filtrowane pod kątem niebezpiecznych treści, a wyniki są podpisywane C2PA; limit to 150 żądań na 10 sekund.

Stable Audio jest dziś głównym produktem konsumenckim Stability AI i otwiera jej stronę główną. Stable Audio 3.0 tworzy pełne utwory do sześciu minut w stereo 44,1 kHz, przekształca przesłane audio według promptu i potrafi przerobić lub wydłużyć fragment utworu. Stability twierdzi, że modele trenowano wyłącznie na licencjonowanej muzyce z biblioteki AudioSparx.

Możesz z niego korzystać na stableaudio.com, we wtyczce VST3 i AU na Maca z synchronizacją tempa i przeciąganiem na ścieżkę (Windows ma pojawić się wkrótce) albo przez API za 8 kredytów za generowanie. Modele 3.0 Medium i Small mają otwarte wagi i mogą działać na Twoim komputerze.

Stable Video Diffusion to model wideo Stability AI. Jego strona wymienia tekst na wideo, 14 lub 25 klatek przy częstotliwości od 3 do 30 na sekundę i generowanie w dwie minuty lub szybciej, co daje kilkusekundowe klipy bez dźwięku.

Stability wycofała API Stable Video Diffusion 24 lipca 2025 r., a jej dawna aplikacja webowa stablevideo.com przekierowuje teraz na stronę modelu. Model nadal można hostować samodzielnie na licencji, ale dziś nie ma hostowanego przez Stability sposobu na stworzenie wideo.

Stable Point Aware 3D (SPAR3D) buduje pełny obiekt 3D z jednego obrazu w mniej niż sekundę i pozwala go edytować, a Stable Fast 3D tworzy oteksturowany zasób w około 0,5 sekundy; oba są dostępne w API za 4 i 10 kredytów. Stable Video 4D przyjmuje wideo obiektu i zwraca nowe widoki z ośmiu kątów.

Starsze modele 3D, Stable Video 3D, Stable Zero123 i TripoSR, stworzony z Tripo AI, pozostają dostępne jako wagi do pobrania. Są skierowane do zespołów z branży gier, VR, handlu i designu, które potrzebują zasobów, a nie gotowych filmów.

Community License pozwala badaczom, deweloperom, twórcom i firmom z rocznym przychodem poniżej $1 mln korzystać za darmo ze Stable Diffusion 3.5, SDXL Turbo, Stable Audio 3.0, Stable Fast 3D i innych modeli, również komercyjnie; użytkownicy komercyjni muszą zarejestrować się w Stability. Wyniki i dostrojone wersje, takie jak LoRA, należą do Ciebie.

Gdy przychód firmy i jej podmiotów powiązanych przekroczy $1 mln, Community License wygasa i potrzebna jest licencja Enterprise, wyceniana na zapytanie, z opcjonalnym trenowaniem własnego modelu i konsultacjami. Stability trenuje też własne modele dla dużych firm przez zespół Strategic Partnerships.