跳过主要内容
广告OpenFree logo推广你的产品触达更多潜在用户,助力产品增长与收益提升。投放广告
Favicon of DiffSynth-Studio

DiffSynth-Studio

Free 等级项目

DiffSynth-Studio 是 ModelScope 社区团队开源的 Diffusion 模型引擎,聚合图像、视频、音频生成与图像质量指标模型,并通过显存管理和量化支持低显存推理与训练。

访问 modelscope/DiffSynth-Studio

项目简介

DiffSynth-Studio 是由 ModelScope 社区团队开发和维护的开源 Diffusion 模型引擎。它聚合主流开源 Diffusion 模型,覆盖图像生成、视频生成、音频生成和图像质量指标模型。框架围绕模型聚合、显存管理、参数量化与训练支持构建,并包含拆分训练。

核心功能

  • 集成覆盖图像生成、视频生成、音频生成和图像质量指标模型的主流开源 Diffusion 模型;显存管理在磁盘、内存和显存之间动态调度模型参数,使低显存消费级 GPU 也能运行大模型推理;参数量化将模型参数转换为 NF4、INT8 等精度,降低推理和 LoRA 训练的显存需求;几乎所有支持推理的模型也支持训练,包括基础模型、LoRA 和带额外输入的 Adapter 模型;拆分训练利用计算图推理引擎跟踪 Pipeline 中的每个变量,并将训练过程拆成两个阶段以提升训练效率;配套项目包括用于工作流推理的 DiffSynth-ComfyUI 和面向消费级

适用场景

  • 在显存有限的消费级 GPU 上运行大型 Diffusion 图像、视频或音频模型进行推理;对支持的 Diffusion 模型微调基础模型、LoRA 或 Adapter 模型;使用 DiffSynth-ComfyUI 构建 ComfyUI 推理工作流;通过 DiffSynth-WebUI 或量化训练流程在消费级 GPU 上训练 LoRA。

快速开始

  • 从 PyPI 安装:pip install DiffSynth;随后查阅开发者文档,并优先阅读显存管理、参数量化、模型训练和拆分训练指南。

采用前须知

  • 许可证:Apache-2.0。在使用、修改或分发项目前,请确认其具体条款。

评论

登录 后发表评论。

更多类似 DiffSynth-Studio 的项目

Favicon of Top-Conf Figure Gallery

Top-Conf Figure Gallery

Free 等级项目星标数: 1.6K

精选 Figure 1 画廊与 FigureForge 制图

图像生成与工作流

汇集 ICLR、ICML、NeurIPS、CVPR、ACL 与 AAAI 2023–2026 年精选 Figure 1 和 teaser 图,可按会议、年份、接收层级与视觉模式筛选;FigureForge 可用画廊图像、自身上传或两者生成论文图,并支持下载或导出可编辑的 PPTX、SVG、VSDX 和 draw.io 文件。

Favicon of anidoodle

anidoodle

Free 等级项目星标数: 1.5K

以代码创作手绘插画与动画。

图像生成与工作流

anidoodle 是一个开源智能体技能,可用代码创作手绘插画、动画、交互式网页艺术、发布视频和配乐影片,提供 32 种风格,并保证每次渲染一致。

Favicon of Mochi Diffusion

Mochi Diffusion

Free 等级项目星标数: 8K

在 Mac 上原生运行 Stable Diffusion 与 FLUX.2 Klein

图像生成与工作流

Mochi Diffusion 是一款原生 macOS 应用,可本地离线生成图像。它借助 Apple 的 Core ML Stable Diffusion 实现提升性能并降低内存占用,并通过 Iris 管线在原生 Metal GPU 加速下运行 FLUX.2 Klein 模型。