Amuse 3.1  Bild © AMDAmuse 3.1 (Bild © AMD)

Dieses Modell nutzt speziell das fortschrittliche BF16-Datenformat, das für AMD Ryzen AI-Prozessoren mit der XDNA 2 Neural Processing Unit (NPU) optimiert ist. Nach dem früheren Erfolg des SDXL Turbo-Modells auf der Computex 2024 bietet dieses neueste Stable Diffusion 3.0 Medium-Modell eine verbesserte Bildqualität und einen deutlich reduzierten Speicherverbrauch. Benutzer können leistungsstarke generative KI lokal auf Laptops mit nur 24 GB RAM ausführen, wo sie während des Betriebs nur etwa 9 GB Speicher benötigt.

Lokale KI-Bildgenerierung

Das Stable Diffusion 3.0 Medium BF16-Modell wurde speziell für die Generierung hochwertiger Bilder direkt auf kompatiblen AMD Ryzen AI-Laptops entwickelt. Unter Verwendung der XDNA 2 NPU von AMD arbeitet das System in einer zweistufigen Pipeline: Zunächst wird ein scharfes, detailreiches 2-MP-Bild (1024 x 1024) erzeugt, das dann auf eine Auflösung von 4 MP (2048 x 2048) hochskaliert wird.

Lokales Stable Diffusion 3.0 Medium ModellLokales Stable Diffusion 3.0 Medium Modell (Bild © AMD)

Einsatz über Amuse 3.1

Benutzer mit Laptops mit AMD Ryzen AI 300-Serie oder Ryzen AI MAX+-Prozessoren können das neue Block FP16-Modell zugreifen, indem sie die Amuse 3.1 Software von Tensorstack herunterladen und installieren. Nach der Installation muss lediglich die Option „XDNA 2 Stable Diffusion Offload” aktiviert und der Hochqualitätsmodus auswählt werden, um das verbesserte Modell auf seinem Gerät zu benutzen.

Die Bilder können direkt optimiert und an spezifische Branding- oder Kampagnenanforderungen angepasst werden, was den Workflow für Grafikdesign- und Marketingteams verbessert. Dieser lokale Ansatz stellt außerdem sicher, dass kreative Workflows nicht durch Netzwerkabhängigkeiten unterbrochen werden und mit anderen Nutzern oder Online-Diensten geteilt werden.

AMD hat Anweisungen und Vorschläge für optimale Ergebnisse sowie Beispiel-Prompts und empfohlene Konfigurationen bereitgestellt. Benutzer können hochwertige Bildausgaben schnell reproduzieren, indem sie die bereitgestellten Richtlinien befolgen.

Mit diesem Modell rückt lokale KI noch näher an den Nutzer und bietet weniger Restriktionen. Das Ganze ist außerdem kostenlos und lädt förmlich dazu ein, herum zu experimentieren.