“diffusion” 相关开源项目

基于 vLLM 扩展的推理服务框架，支持文本、图像、音频、视频等全模态模型部署。

面向 NVIDIA GPU 与昆仑芯 XPU 的大模型训练框架，覆盖 LLM、VLM、扩散与具身模型。

开源多语言零样本语音合成模型，支持 600 多种语言，并可克隆与设计声音。

可在本地运行的开源音乐生成模型，可根据文本提示生成完整歌曲，并支持编辑、翻唱和 LoRA 训练。