Amazon Web Services 集成 Bria AI 最新文本到图像基础模型

Amazon Web Services (AWS) 已将 Bria AI 的最新文本到图像基础模型集成到 Amazon SageMaker JumpStart 中，显著扩展了其企业级生成式 AI 能力。此次集成包括三个变体：Bria 2.3、Bria 2.2 HD 和 Bria 2.3 Fast，每个变体都针对企业在视觉内容生成中的特定需求进行了优化。

Bria AI 模型的主要特点

1. Bria 2.3：核心模型，专注于照片级真实感和各种艺术风格的细节渲染。
2. Bria 2.2 HD：专为高分辨率输出设计，提供“清晰锐利”的细节，满足高分辨率应用的需求。
3. Bria 2.3 Fast：性能优化版本，部署在 SageMaker g5 实例上，相比 Bria 2.3 和 Bria 2.2 HD 具有更低的延迟和更高的吞吐量。如果使用 p4d 实例，延迟可进一步减少一半。

模型的控制机制

• Bria 2.3 通过 /text-to-image/base 端点提供基础模型，实现了四种特定的控制方法：controlnet_canny、controlnet_depth、controlnet_recoloring 和 controlnet_color_grid，每种方法都提供了对输出生成过程的独特控制。
• Bria 2.3 Fast 通过 /text-to-image/fast 端点提供，采用 Latent Consistency Model (LCM) 蒸馏技术，以实现更快的响应时间。
• Bria 2.2 HD 通过 /text-to-image/hd 端点提供，支持两种分辨率配置：1920x1080 像素（标准宽高比）和 1536x1536 像素（正方形格式）。

Amazon SageMaker JumpStart 的功能

Amazon SageMaker JumpStart 提供了广泛的基础模型 (FMs)，供机器学习从业者在专用、网络隔离的 SageMaker 实例上部署。从业者可以使用 SageMaker 的集成工具进行模型训练和部署，这些工具可通过 Amazon SageMaker Studio 界面或 SageMaker Python SDK 访问。JumpStart 还支持全面的模型性能跟踪和 MLOps 控制，使用 Amazon SageMaker Pipelines、Debugger 和容器日志等功能，便于管理和优化机器学习工作流程。

部署和推理

Bria 模型通过 SageMaker JumpStart 的基础设施进行集成，允许组织在其虚拟私有云 (VPC) 环境中部署这些模型。目前，Bria 模型已在 SageMaker Studio 中提供，适用于 22 个 AWS 区域的 SageMaker JumpStart。部署 Bria 模型需要 g5 和 p4 实例。

开发者可以从 JumpStart 导航窗格中访问 Bria 模型，查看包括许可证、训练数据信息和部署选项在内的模型详细信息。平台要求在部署前订阅 AWS Marketplace，部署过程处理初始设置和端点配置。

测试和推理

测试功能可通过 SageMaker Studio 的界面和笔记本环境进行。平台支持通过示例请求负载进行推理，Studio 界面提供即时视觉反馈。对于程序化访问，开发者使用 SageMaker Python SDK 与已部署的端点进行交互，从而将模型集成到现有工作流和应用程序中。

模型的优势和合规性

Bria 模型在生成复杂视觉概念和风格方向的图像方面表现出色，能够根据详细提示生成高质量图像。Bria 的训练数据来自商业级许可数据，提供了高标准的安全性和合规性，并享有完全的法律免责。这解决了企业在使用 AI 生成内容时的一个重要担忧。

行业专家的观点

• Toni Witt（云分析师）强调，Bria 平台的输出不侵犯版权法，训练数据经过严格审查，排除了可能出现在输出中的有害数据。
• Aravind Bharadwaj（Intel Capital 投资总监）指出，Bria 的创始人在模型训练中只使用经过批准的数据来源，并确保内容创作者获得署名和货币补偿。
• Gabrielle Chou（连续创业者和 Photoroom 顾问）提醒，这些最新发展突显了围绕 AI 训练中使用受版权保护作品的不断变化的法律和道德环境。

其他可用性和竞争对手

除了 AWS，Bria 模型还通过 Hugging Face 和 NVIDIA 的 NIM 目录提供。开发者和组织还可以在免费的 Playground 环境中探索和运行 Bria 模型，以便在正式使用前进行实验。Bria 在商业文本到图像领域还有一些竞争者。