Stable Diffusion 3
Stability AI · Image
Stable Diffusion 3 est le modèle texte-image à poids ouverts de Stability AI, conçu pour tenir des scènes à plusieurs sujets et afficher du texte lisible dans l'image.
À propos de Stable Diffusion 3
About
Qu'est-ce que Stable Diffusion 3
Stable Diffusion 3 est un modèle d'image à poids ouverts signé Stability AI, du type texte-image. Vous saisissez une consigne écrite, il renvoie une image. La promesse ressemble à celle de Midjourney ou de DALL·E, avec un écart qui tranche l'achat dans beaucoup d'équipes : les poids se téléchargent, donc le modèle tourne sur du matériel que vous contrôlez.
Stability a annoncé la famille SD3 en février 2024, puis ouvert la version Medium en juin de la même année. Medium compte 2 milliards de paramètres. Les variantes à 8 milliards sont restées derrière l'accès payant des applications et de l'API de l'éditeur. À l'intérieur, le modèle associe un Transformer de diffusion multimodal (MMDiT) à un VAE à 16 canaux : le texte et les blocs d'image sont traités ensemble, au lieu de coller un lecteur de texte sur un générateur d'images.
Le progrès par rapport aux versions précédentes de Stable Diffusion se voit sur le respect de la consigne. Les scènes chargées tiennent debout, les mains et les petits objets ratent moins souvent, et les courts fragments de texte dans l'image sortent souvent lisibles. Ce dernier point a fait basculer une bonne part du travail d'affiche et de maquette vers SD3.
Une limite mérite d'être posée d'entrée. Stability a retiré les endpoints SD3 de sa propre API en avril 2025 et basculé ses utilisateurs vers Stable Diffusion 3.5. Les poids restent sur Hugging Face et des hébergeurs tiers servent encore le modèle, mais une équipe qui bâtit son plan sur l'API officielle travaille en réalité sur 3.5 aujourd'hui.
Pour démarrer
- Ouvrez un compte Hugging Face, acceptez la licence sur la page stable-diffusion-3-medium, puis téléchargez les poids ou installez la version diffusers.
- Choisissez un environnement. ComfyUI convient aux flux en nœuds, Automatic1111 à ceux qui préfèrent les formulaires, et la bibliothèque diffusers aux scripts Python et aux traitements par lots.
- Chargez le modèle autour de 1024x1024 et rédigez la consigne comme une phrase descriptive. SD3 répond mieux à une phrase sur la scène qu'à une liste de mots-clés séparés par des virgules.
- Fixez une graine, générez une petite série, puis corrigez dans la consigne ce qui a raté plutôt que de relancer à l'aveugle. Gardez les réglages qui marchent pour retrouver le même rendu plus tard.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de Stable Diffusion 3.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Illustrateurs et concept artists
- Studios soumis à des clauses de confidentialité
- Développeurs qui intègrent des images à une application
- Curieux qui veulent comprendre la diffusion
Tâches
- Affiches et maquettes de packaging
- Recherches de scènes à plusieurs éléments
- Exploration de style avant un shooting
- Production d'assets en série pour jeux et applications
Cas d'usage
- Travail de studio sous NDA
- Équipes déjà sur ComfyUI
- Recherche sur les modèles d'image
Fonctionnalités clés
Architecture MMDiT
SD3 répartit l'attention entre les tokens de texte et ceux de l'image à chaque bloc, au lieu de comprimer la consigne en un seul vecteur. La conséquence est un meilleur suivi des consignes longues et précises. Si votre phrase nomme un sujet, une matière et une lumière, les trois sont normalement respectés.
Texte lisible dans l'image
Les mots courts et les étiquettes sortent lisibles bien plus souvent que sur SDXL. Titre d'affiche, enseigne de boutique et texte de packaging deviennent des cibles réalistes. Les paragraphes longs cassent encore, donc mieux vaut s'en tenir à quelques mots.
Précision sur les scènes chargées
Le modèle gère plusieurs sujets sans les fusionner en une masse. Une consigne demandant deux personnes qui se serrent la main dans une cuisine avec un chat sur le plan de travail produit en général tout cela, à peu près au bon endroit. La composition dérive encore, et une passe d'inpainting corrige le tir.
Version Medium à 2 milliards de paramètres
Medium est assez petit pour tourner sur une seule GPU grand public et sort encore des images de qualité en 1024x1024. Ce compromis en a fait le téléchargement SD3 par défaut des particuliers, tandis que les versions à 8 milliards restaient derrière l'accès payant.
Poids ouverts et réglage fin
Les poids complets sont sur Hugging Face et la bibliothèque diffusers les charge en quelques lignes de Python. L'entraînement LoRA, les adaptateurs ControlNet et les planificateurs maison fonctionnent, et c'est ainsi qu'un studio construit un rendu cohérent par-dessus le modèle de base.
Formats flexibles
SD3 a été entraîné autour d'un mégapixel, donc 1024x1024, 1344x768 et 768x1344 restent dans sa zone de confort. Les cadrages verticaux et horizontaux évitent un recadrage après coup, et la composition tient sur ces formats.
Avantages et inconvénients
Avantages
- Les poids ouverts suppriment la facture à l'image, la file d'attente et le filtre de contenu entre vous et le résultat dès que le modèle est en local.
- Le rendu de texte progresse vraiment, ce qui retire une étape de nettoyage fastidieuse du travail d'affiche et de packaging.
- Les consignes à plusieurs sujets gardent leur structure, donc les recherches de scènes complexes demandent moins d'essais.
- La version Stable Diffusion 3 Medium tourne sur une GPU grand public et l'outillage autour (ComfyUI, diffusers, LoRA) est mature.
Inconvénients
- Stability a retiré les endpoints API de SD3 en avril 2025, si bien que la voie officielle hébergée sert aujourd'hui 3.5. Une équipe qui a besoin d'une API éditeur à jour doit composer avec ce fait.
- Le modèle à 2 milliards reste derrière les modèles phares sur le détail fin et le photoréalisme, surtout la texture de peau et les visages lointains.
- Tourner en local, c'est assumer le coût du matériel, les mises à jour de pilotes et les fichiers du modèle, un vrai travail pour une petite équipe.
- Le palier gratuit de la Community License s'arrête à 1 million de dollars de revenus annuels, donc une entreprise qui grandit finira par avoir besoin d'une licence enterprise payante.
Questions fréquentes
Les poids se téléchargent sans frais et la Community License couvre la recherche ainsi que l'usage commercial pour les organisations sous 1 million de dollars de revenus annuels. Au-delà, il faut une licence enterprise auprès de Stability AI. Les appels à une API hébergée sont facturés à l'image par le fournisseur choisi.
Contenus associés
Découvrez des outils, des compétences et des articles liés à Stable Diffusion 3.
Alternatives à Stable Diffusion 3
Google EmbeddingGemma 2
Google DeepMind · Rédaction · Image · ProgrammationGoogle EmbeddingGemma 2 est un modèle ouvert de 740 millions de paramètres qui transforme texte, code, images, audio et images vidéo en vecteurs d'un même espace de 768 dimensions, sur un téléphone ou un ordinateur portable.
Tractionwave
TractionWave · Image · MarketingTractionWave produit une carte de chaleur d'attention par IA pour les annonces statiques. Vous déposez un PNG ou un JPG, et vous obtenez l'attention prévue, des points chauds classés et des corrections avant de dépenser.
Imejis.io
Imejis.io · Image · MarketingImejis.io est un studio de design IA pour les agents et les équipes marketing. Vous décrivez une image avec vos mots, l'outil écrit le texte, construit la mise en page, l'adapte à chaque format et exporte le fichier final.