La Cascade Stable introduit un processus unique en trois étapes pour la génération de texte à image qui garantit une résolution plus élevée et une meilleure rétention des détails. À l'étape A, une image latente basse résolution est créée à l'aide de VQ-VAE. L'étape B augmente la taille de l'image tout en préservant les caractéristiques essentielles. Enfin, l'étape C affine et ajoute des détails complexes, résultant en une image nette et de haute qualité. Cette approche établit de nouvelles normes dans le domaine de l'IA générative, offrant un contrôle et une précision inégalés pour les développeurs, artistes et créateurs de contenu.