Repolode
提交项目
huggingface

huggingface/diffusers

基于 PyTorch 的扩散模型库，提供预训练模型、噪声调度器和组件，用于图像、视频和音频生成。

可替代:Midjourney

在 GitHub 查看官网
Star
34,771
Fork
7,411
未关闭 Issue
1,507
最近提交
7小时前

这是什么？

Diffusers 是 Hugging Face 推出的扩散模型库，可用于推理和训练。通过 pipeline，只需几行代码即可从 Hugging Face Hub 加载预训练模型，并基于文本、图像或视频输入生成内容。可互换的噪声调度器（scheduler）让使用者在生成速度与输出质量之间自由权衡。

除了开箱即用的 pipeline，库中还提供 UNet、Transformer 等预训练模型作为模块化组件，可与调度器组合，搭建自定义的扩散系统。文档涵盖模型加载、速度与显存优化以及针对不同任务的训练方法。

该库基于 PyTorch 使用 Python 实现，可通过 PyPI 或 conda-forge 安装。支持文生图、图生图、图像修复、超分辨率、文生视频和无条件图像生成等任务。

核心功能

  • 01Pipeline 只需几行代码即可从 Hugging Face Hub 加载预训练扩散模型。
  • 02可互换的调度器用于在生成速度与输出质量之间权衡。
  • 03预训练模型可与调度器组合，搭建自定义扩散系统。
  • 04支持文生图、图生图、图像修复、超分辨率和文生视频等任务。
  • 05提供推理优化和模型训练的相关指南。

适用场景

  • 使用 Stable Diffusion、Flux 等模型根据文本提示生成图像。
  • 用独立的模型和调度器搭建自定义扩散生成流程。
  • 针对特定图像或视频任务训练或微调扩散模型。
  • 在应用中加入图像修复、图生图等图像编辑功能。

快速上手

  1. 1

    创建虚拟环境并从 PyPI 安装带 PyTorch 支持的 Diffusers

    pip install --upgrade diffusers[torch]
  2. 2

    在 Python 中加载预训练管线并根据文本生成图像

    from diffusers import DiffusionPipeline

使用前须知

  • 使用示例模型生成图像通常需要 GPU 才能获得可接受的速度。
  • 大型预训练模型需要从 Hugging Face Hub 下载，占用较多磁盘空间。

标签

#diffusion-models#pytorch#image-generation#text-to-image#text-to-video#deep-learning#generative-ai#diffusion#flux#image2image

常见问题

diffusers 是什么？
基于 PyTorch 的扩散模型库，提供预训练模型、噪声调度器和组件，用于图像、视频和音频生成。 Diffusers 是 Hugging Face 推出的扩散模型库，可用于推理和训练。通过 pipeline，只需几行代码即可从 Hugging Face Hub 加载预训练模型，并基于文本、图像或视频输入生成内容。可互换的噪声调度器（scheduler）让使用者在生成速度与输出质量之间自由权衡。
diffusers 可以免费使用吗？用的什么许可证？
diffusers 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
diffusers 还在维护吗？
活跃维护中。diffusers 最近一次提交是在 2026年10月20日。
diffusers 适合用来做什么？
使用 Stable Diffusion、Flux 等模型根据文本提示生成图像。 用独立的模型和调度器搭建自定义扩散生成流程。 针对特定图像或视频任务训练或微调扩散模型。 在应用中加入图像修复、图生图等图像编辑功能。
diffusers 怎么安装和运行？
创建虚拟环境并从 PyPI 安装带 PyTorch 支持的 Diffusers: pip install --upgrade diffusers[torch] 在 Python 中加载预训练管线并根据文本生成图像: from diffusers import DiffusionPipeline
在哪里获取 diffusers？
源代码和安装说明在 GitHub 上：https://github.com/huggingface/diffusers

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目