Stability AI, Stable Diffusion 3 조기 프리뷰 공개…텍스트 렌더링 대폭 개선

이미지 생성 AI를 쓰면서 가장 답답한 순간은 여러 인물이나 사물을 한 장면에 섞어 넣을 때 특징이 엉키거나, 이미지 안에 원하는 영단어를 똑바로 쓰지 못하고 외계어를 만들어낼 때입니다.

Stability AI가 2월 22일 이러한 한계를 정면으로 겨냥한 차세대 모델 Stable Diffusion 3의 얼리 프리뷰를 발표하고 대기자 명단 접수를 시작했습니다. 정식 공개에 앞서 성능 개선과 안전 조치를 보완하기 위한 피드백 수집 단계입니다.

DiT와 플로우 매칭 결합, 8억부터 80억 파라미터까지

공식 발표에 따르면 이번 모델은 다중 객체 프롬프트 처리, 전반적인 시각적 품질, 그리고 텍스트 철자 표기 능력에서 괄목할 만한 발전을 이뤘습니다.

기술적으로는 기존 방식을 넘어 디퓨전 트랜스포머 아키텍처와 플로우 매칭 기술을 결합했습니다. 구체적인 구조와 벤치마크를 담은 기술 보고서는 조만간 공개될 예정입니다.

주목할 부분은 모델 크기입니다. Stable Diffusion 3는 단일 모델이 아니라 8억 개(800M)부터 80억 개(8B) 파라미터에 이르는 제품군으로 나뉩니다. 이용자의 하드웨어 사양과 작업 목적에 맞춰 속도와 품질을 유연하게 선택할 수 있도록 설계했습니다.

오용 방지를 위한 안전장치도 강화했습니다. 모델 학습 시작부터 평가, 배포 전 과정에 걸쳐 단계별 보호 조치를 적용했다고 밝혔습니다.

왜 중요한가

디자이너와 콘텐츠 제작자에게 이미지 내 텍스트 표기 오류와 다중 객체 뭉개짐은 실무 도입을 가로막던 가장 큰 장벽이었습니다. 만약 SD3가 타이포그래피와 복잡한 구도를 안정적으로 구현해 준다면, 포스터 시안이나 UI 콘셉트 아트 제작 시간을 크게 줄일 수 있어 빠르게 테스트해 볼 만합니다.

AI 업계 관점에서는 폐쇄형 서비스에 맞서는 오픈 생태계의 중요한 방어선입니다. DALL-E 3나 미드저니가 뛰어난 텍스트 이해도로 앞서가는 상황에서, 로컬 실행과 자체 호스팅을 지원하는 고성능 기반 모델의 등장은 엔터프라이즈와 개발자 커뮤니티에 필수적입니다.

800M부터 8B까지 폭넓은 크기로 제공하는 전략은 매우 현실적이고 영리합니다. 저사양 개인 PC부터 고성능 엔터프라이즈 서버까지 아우를 수 있기 때문입니다. 다만 얼리 프리뷰를 거쳐 실제 가중치가 완전히 공개되기까지의 공백과, 안전 필터 적용 수준에 따른 실질적인 생성 퀄리티가 어떻게 유지될지는 계속 지켜봐야 할 대목입니다.