DiffSynth-Studio
简介
欢迎来到 Diffusion 模型的魔法世界！DiffSynth-Studio 是由魔搭社区团队开发和维护的开源 Diffusion 模型引擎。我们期望以框架建设孵化技术创新，凝聚开源社区的力量，探索生成式模型技术的丰富能力！
框架功能：
- 模型支持：框架集成了主流的开源 Diffusion 模型，涵盖图像生成、视频生成、音频生成，以及图像指标模型。
- 显存管理：在硬盘、内存、显存之间动态调度模型参数，让低显存的消费级 GPU 也能运行大模型的推理。
- 参数量化：将模型参数转换为 NF4、INT8 等量化精度，大幅减少模型推理和 LoRA 模型训练的显存需求。
- 任意训练：几乎所有支持推理的模型都支持训练，无论是基础模型、LoRA，还是任何带有额外输入的 Adapter 模型。
- 拆分训练：使用计算图推理引擎追踪 Pipeline 中每个变量，将训练过程拆分为两阶段，高效训练。
参考资料：
- 开发者文档 (面向人类)：中文版、English version
- Agent Skills (面向 AI)：DiffSynth-Studio Model Integration Skills
查看更多：
- DiffSynth-WebUI: 基于 DiffSynth-Studio 构建的轻量化 LoRA 训练工具，可在消费级 GPU 上训练 LoRA 模型。
- 魔搭社区 AIGC 专区 (面向中国用户): 以 DiffSynth-Studio 为核心推理和训练引擎的产品化功能，体验开源模型生态的丰富潜力。
- ModelScope Civision (for global users): Unlock the vast potential of the open-source model ecosystem through productized capabilities powered by DiffSynth-Studio.
更新历史
DiffSynth-Studio 经历了大版本更新，部分旧功能已停止维护，如需使用旧版功能，请切换到大版本更新前的最后一个历史版本。
目前本项目的开发人员有限，大部分工作由 Artiprocher 和 mi804 负责，因此新功能的开发进展会比较缓慢，issue 的回复和解决速度有限，我们对此感到非常抱歉，请各位开发者理解。
2026年8月31日 我们接入了 Qwen-Video-Edit，这是开源社区用户 yunpeng1998 基于图像编辑模型 Qwen-Image-Edit 训练的视频编辑模型，是探索模型能力拓展的优秀案例。
2026年8月25日 我们开源了 DiffSynth-WebUI，一键私有化部署 LoRA 训练服务，与模型参数量化功能结合，用消费级 GPU 也能训练超大模型。
2026年8月19日 我们发布了模型量化功能。它提供了统一的
QuantizeConfig入口，支持 bitsandbytes、torchao、comfy-kitchen 等多种量化后端，具备在线量化、加载预量化权重、混合量化、保存量化模型、量化 + LoRA 训练等能力。详情请参考文档。2026年8月17日 MiniMax-Music3 开源，欢迎加入音频生成模型家族！支持文生音乐推理和低显存推理能力。详情请参考文档和示例代码。
2026年8月7日 我们为 Wan 系列新增了 Wan-Animate-2，输入一张参考图和一段驱动视频，即可让参考角色演绎驱动视频中的动作，生成高质量角色动画，包含标准与蒸馏两个变体。详情请参考文档和示例代码。
2026年8月3日 MiniMax-H3 开源，欢迎加入视频生成模型家族！支持文生音视频、首尾帧引导生成、参考驱动生成、低显存推理以及 NF4 量化推理。详情请参考文档和示例代码。
2026年7月28日 LingBot-Video 开源，欢迎加入视频生成模型家族！本次开源包含 Dense-1.3B 和 MoE-30B-A3B 两个版本（MoE 版总参数量 30B、每个 token 激活约 3B），均支持文生视频、图生视频、文生图推理、低显存推理以及 LoRA / 全量训练能力。详情请参考文档和示例代码。特别感谢 NancyFyong 贡献了本模型的接入代码！
2026年7月21日 我们开源了 DiffSynth-Studio Model Integration Skills。这是一套可组合的 Agent Skill 合集，将外部扩散模型接入 DiffSynth-Studio 的全流程自动化，大幅提升模型接入标准化程度与效率。从使用示例开始体验吧！
更多
2026年6月29日 Boogu-Image 开源，已支持文生图推理、图像编辑、低显存推理和训练能力。详情请参考文档和示例代码。
2026年6月16日 我们为 ACE-Step 新增了 Template 模型：vocals2music。详情请参考文档和示例代码。
2026年6月15日 我们开源了 Image-to-LoRA V2，将动辄数小时的图像风格 LoRA 训练压缩到一次模型推理中，探索 LoRA 模型训练的新方式。技术报告已公开，本次开源包括三个模型：
- DiffSynth-Studio/ZImage-i2L-v2：适配模型 Z-Image
- DiffSynth-Studio/KleinBase4B-i2L-v2：适配模型 FLUX.2-klein-base-4B
- DiffSynth-Studio/HidreamO1-i2L-v2：适配模型 Hidream-O1-Image
2026年5月21日 新增图像质量评估模型的支持，包括 FID、CLIP、Aesthetic、PickScore、ImageReward、HPSv2、HPSv3，详情请参考文档和示例代码
2026年5月18日 新增 CPU Offload Training 功能，通过将模型权重逐层在 CPU 与 GPU 之间搬运，大幅降低训练时的 GPU 显存占用，让消费级显卡也能进行大模型 LoRA 训练，适配所有模型。只需在训练命令中添加
--enable_model_cpu_offload即可启用（当前仅支持单卡训练）。详情请参考文档。2026年5月14日 HiDream-O1-Image 开源，欢迎加入图像生成模型家族！支持文生图推理、图像编辑推理、低显存推理和训练能力。详情请参考文档和示例代码。
2026年4月28日 我们发布了 Diffusion Templates，面向 Diffusion 模型的插件框架，大幅降低了可控生成模型的训练门槛，一起来探索新奇的技术吧！
- 开源代码：DiffSynth-Studio
- 技术报告：arXiv
- 项目主页：GitHub
- 文档参考：English Version、中文版
- 在线体验：魔搭社区创空间
- 模型集：ModelScope、ModelScope 国际站、HuggingFace
- 数据集：ModelScope、ModelScope 国际站、HuggingFace
2026年4月27日 我们支持了 ACE-Step-1.5！包括文生音乐推理、低显存推理和 LoRA 训练能力。详情请参考文档和示例代码。
2026年4月27日 我们重新支持了模型 Stable Diffusion v1.5 和 SDXL，仅对这两类模型提供学术科研支持。
2026年4月14日 JoyAI-Image 开源，欢迎加入图像编辑模型家族！支持指令引导的图像编辑推理、低显存推理和训练能力。详情请参考文档和示例代码。
2026年3月19日 新增对 openmoss/MOVA-720p 和 openmoss/MOVA-360p 模型的支持，包括完整的训练和推理功能。文档和示例代码现已可用。
2026年3月12日 我们新增了 LTX-2.3 音视频生成模型的支持，模型支持的功能包括文生音视频、图生音视频、IC-LoRA控制、音频生视频、音视频局部Inpainting，框架支持完整的推理和训练功能。详细信息请参考 文档 和 示例代码。
2026年3月3日 我们发布了 DiffSynth-Studio/Qwen-Image-Layered-Control-V2 模型，这是 Qwen-Image-Layered-Control 的更新版本。除了原本就支持的文本引导功能，新增了画笔控制的图层拆分能力。
2026年2月2日 Research Tutorial 的第一篇文档上线，带你从零开始训练一个 0.1B 的小型文生图模型，详见文档、模型，我们希望 DiffSynth-Studio 能够成为一个更强大的 Diffusion 模型训练框架。
2026年1月27日 Z-Image 发布，我们的 Z-Image-i2L 模型同步发布，在魔搭创空间可直接体验，详见文档。
2026年1月19日 新增对 FLUX.2-klein-4B 和 FLUX.2-klein-9B 模型的支持，包括完整的训练和推理功能。文档和示例代码现已可用。
2026年1月12日 我们训练并开源了一个文本引导的图层拆分模型（模型链接），这一模型输入一张图与一段文本描述，模型会将图像中与文本描述相关的图层拆分出来。更多细节请阅读我们的 blog（中文版、英文版）。
2025年12月24日 我们基于 Qwen-Image-Edit-2511 训练了一个 In-Context Editing LoRA 模型（模型链接），这个模型可以输入三张图：图A、图B、图C，模型会自行分析图A到图B的变化，并将这样的变化应用到图C，生成图D。更多细节请阅读我们的 blog（中文版、英文版）。
2025年12月9日 我们基于 DiffSynth-Studio 2.0 训练了一个疯狂的模型：Qwen-Image-i2L（Image to LoRA）。这一模型以图像为输入，以 LoRA 为输出。尽管这个版本的模型在泛化能力、细节保持能力等方面还有很大改进空间，我们将这些模型开源，以启发更多创新性的研究工作。更多细节，请参考我们的 blog。
2025年12月4日 DiffSynth-Studio 2.0 发布！众多新功能上线
2025年11月4日 支持了 ByteDance/Video-As-Prompt-Wan2.1-14B 模型，该模型基于 Wan 2.1 训练，支持根据参考视频生成相应的动作。
2025年10月30日 支持了 meituan-longcat/LongCat-Video 模型，该模型支持文生视频、图生视频、视频续写。这个模型在本项目中沿用 Wan 的框架进行推理和训练。
2025年10月27日 支持了 krea/krea-realtime-video 模型，Wan 模型生态再添一员。
2025年9月23日 DiffSynth-Studio/Qwen-Image-EliGen-Poster 发布！本模型由我们与淘天体验设计团队联合研发并开源。模型基于 Qwen-Image 构建，专为电商海报场景设计，支持精确的分区布局控制。 请参考我们的示例代码。
2025年9月9日 我们的训练框架支持了多种训练模式，目前已适配 Qwen-Image，除标准 SFT 训练模式外，已支持 Direct Distill，请参考我们的示例代码。这项功能是实验性的，我们将会继续完善已支持更全面的模型训练功能。
2025年8月28日 我们支持了Wan2.2-S2V，一个音频驱动的电影级视频生成模型。请参见./examples/wanvideo/。
2025年8月21日 DiffSynth-Studio/Qwen-Image-EliGen-V2 发布！相比于 V1 版本，训练数据集变为 Qwen-Image-Self-Generated-Dataset，因此，生成的图像更符合 Qwen-Image 本身的图像分布和风格。 请参考我们的示例代码。
2025年8月21日 我们开源了 DiffSynth-Studio/Qwen-Image-In-Context-Control-Union 结构控制 LoRA 模型，采用 In Context 的技术路线，支持多种类别的结构控制条件，包括 canny, depth, lineart, softedge, normal, openpose。 请参考我们的示例代码。
2025年8月20日 我们开源了 DiffSynth-Studio/Qwen-Image-Edit-Lowres-Fix 模型，提升了 Qwen-Image-Edit 对低分辨率图像输入的编辑效果。请参考我们的示例代码
2025年8月19日 Qwen-Image-Edit 开源，欢迎图像编辑模型新成员！
2025年8月18日 我们训练并开源了 Qwen-Image 的图像重绘 ControlNet 模型 DiffSynth-Studio/Qwen-Image-Blockwise-ControlNet-Inpaint，模型结构采用了轻量化的设计，请参考我们的示例代码。
2025年8月15日 我们开源了 Qwen-Image-Self-Generated-Dataset 数据集。这是一个使用 Qwen-Image 模型生成的图像数据集，共包含 160,000 张
1024 x 1024图像。它包括通用、英文文本渲染和中文文本渲染子集。我们为每张图像提供了图像描述、实体和结构控制图像的标注。开发者可以使用这个数据集来训练 Qwen-Image 模型的 ControlNet 和 EliGen 等模型，我们旨在通过开源推动技术发展！2025年8月13日 我们训练并开源了 Qwen-Image 的 ControlNet 模型 DiffSynth-Studio/Qwen-Image-Blockwise-ControlNet-Depth，模型结构采用了轻量化的设计，请参考我们的示例代码。
2025年8月12日 我们训练并开源了 Qwen-Image 的 ControlNet 模型 DiffSynth-Studio/Qwen-Image-Blockwise-ControlNet-Canny，模型结构采用了轻量化的设计，请参考我们的示例代码。
2025年8月11日 我们开源了 Qwen-Image 的蒸馏加速模型 DiffSynth-Studio/Qwen-Image-Distill-LoRA，沿用了与 DiffSynth-Studio/Qwen-Image-Distill-Full 相同的训练流程，但模型结构修改为了 LoRA，因此能够更好地与其他开源生态模型兼容。
2025年8月7日 我们开源了 Qwen-Image 的实体控制 LoRA 模型 DiffSynth-Studio/Qwen-Image-EliGen。Qwen-Image-EliGen 能够实现实体级可控的文生图。技术细节请参见论文。训练数据集：EliGenTrainSet。
2025年8月5日 我们开源了 Qwen-Image 的蒸馏加速模型 DiffSynth-Studio/Qwen-Image-Distill-Full，实现了约 5 倍加速。
2025年8月4日 Qwen-Image 开源，欢迎图像生成模型家族新成员！
2025年8月1日 FLUX.1-Krea-dev 开源，这是一个专注于美学摄影的文生图模型。我们第一时间提供了全方位支持，包括低显存逐层 offload、LoRA 训练、全量训练。详细信息请参考 ./examples/flux/。
2025年7月28日 Wan 2.2 开源，我们第一时间提供了全方位支持，包括低显存逐层 offload、FP8 量化、序列并行、LoRA 训练、全量训练。详细信息请参考 ./examples/wanvideo/。
2025年7月11日 我们提出 Nexus-Gen，一个将大语言模型（LLM）的语言推理能力与扩散模型的图像生成能力相结合的统一框架。该框架支持无缝的图像理解、生成和编辑任务。
2025年6月15日 ModelScope 官方评测框架 EvalScope 现已支持文生图生成评测。请参考最佳实践指南进行尝试。
2025年3月25日 我们的新开源项目 DiffSynth-Engine 现已开源！专注于稳定的模型部署，面向工业界，提供更好的工程支持、更高的计算性能和更稳定的功能。
2025年3月31日 我们支持 InfiniteYou，一种用于 FLUX 的人脸特征保留方法。更多细节请参考 ./examples/InfiniteYou/。
2025年3月13日 我们支持 HunyuanVideo-I2V，即腾讯开源的 HunyuanVideo 的图像到视频生成版本。更多细节请参考 ./examples/HunyuanVideo/。
2025年2月25日 我们支持 Wan-Video，这是阿里巴巴开源的一系列最先进的视频合成模型。详见 ./examples/wanvideo/。
2025年2月17日 我们支持 StepVideo！先进的视频合成模型！详见 ./examples/stepvideo。
2024年12月31日 我们提出 EliGen，一种用于精确实体级别控制的文本到图像生成的新框架，并辅以修复融合管道，将其能力扩展到图像修复任务。EliGen 可以无缝集成现有的社区模型，如 IP-Adapter 和 In-Context LoRA，提升其通用性。更多详情，请见 ./examples/EntityControl。
2024年12月19日 我们为 HunyuanVideo 实现了高级显存管理，使得在 24GB 显存下可以生成分辨率为 129x720x1280 的视频，或在仅 6GB 显存下生成分辨率为 129x512x384 的视频。更多细节请参考 ./examples/HunyuanVideo/。
2024年12月18日 我们提出 ArtAug，一种通过合成-理解交互来改进文生图模型的方法。我们以 LoRA 格式为 FLUX.1-dev 训练了一个 ArtAug 增强模块。该模型将 Qwen2-VL-72B 的美学理解融入 FLUX.1-dev，从而提升了生成图像的质量。
- 论文: https://arxiv.org/abs/2412.12888
- 示例: https://github.com/modelscope/DiffSynth-Studio/tree/main/examples/ArtAug
- 模型: ModelScope, HuggingFace
- 演示: ModelScope, HuggingFace (即将上线)
2024年10月25日 我们提供了广泛的 FLUX ControlNet 支持。该项目支持许多不同的 ControlNet 模型，并且可以自由组合，即使它们的结构不同。此外，ControlNet 模型兼容高分辨率优化和分区控制技术，能够实现非常强大的可控图像生成。详见
./examples/ControlNet/。2024年10月8日 我们发布了基于 CogVideoX-5B 和 ExVideo 的扩展 LoRA。您可以从 ModelScope 或 HuggingFace 下载此模型。
2024年8月22日 本项目现已支持 CogVideoX-5B。详见 此处。我们为这个文生视频模型提供了几个有趣的功能，包括：
- 文本到视频
- 视频编辑
- 自我超分
- 视频插帧
2024年8月22日 我们实现了一个有趣的画笔功能，支持所有文生图模型。现在，您可以在 AI 的辅助下使用画笔创作惊艳的图像了！
- 在我们的 WebUI 中使用它。
2024年8月21日 DiffSynth-Studio 现已支持 FLUX。
- 启用 CFG 和高分辨率修复以提升视觉质量。详见 此处
- LoRA、ControlNet 和其他附加模型将很快推出。
2024年6月21日 我们提出 ExVideo，一种旨在增强视频生成模型能力的后训练微调技术。我们将 Stable Video Diffusion 进行了扩展，实现了长达 128 帧的长视频生成。
- 项目页面
- 源代码已在此仓库中发布。详见
examples/ExVideo。 - 模型已发布于 HuggingFace 和 ModelScope。
- 技术报告已发布于 arXiv。
- 您可以在此 演示 中试用 ExVideo！
2024年6月13日 DiffSynth Studio 已迁移至 ModelScope。开发团队也从“我”转变为“我们”。当然，我仍会参与后续的开发和维护工作。
2024年1月29日 我们提出 Diffutoon，这是一个出色的卡通着色解决方案。
2023年12月8日 我们决定启动一个新项目，旨在释放扩散模型的潜力，尤其是在视频合成方面。该项目的开发工作正式开始。
2023年11月15日 我们提出 FastBlend，一种强大的视频去闪烁算法。
2023年10月1日 我们发布了该项目的早期版本，名为 FastSDXL。这是构建一个扩散引擎的初步尝试。
2023年8月29日 我们提出 DiffSynth，一个视频合成框架。
安装
从源码安装（推荐）：
git clone https://github.com/modelscope/DiffSynth-Studio.git
cd DiffSynth-Studio
pip install -e .
更多安装方式，以及非 NVIDIA GPU 的安装，请参考安装文档。
下载源配置
在进行模型推理和训练前，可通过环境变量配置模型下载源等。
本项目默认从魔搭社区下载模型。对于非中国区域的用户，可以通过以下配置从魔搭社区国际站下载模型：
export MODELSCOPE_ENDPOINT=https://modelscope.ai如需从 HuggingFace 下载模型，请修改环境变量，注意不同模型平台上的模型 ID 可能不同：
export DIFFSYNTH_DOWNLOAD_SOURCE="huggingface"
基础框架
DiffSynth-Studio 作为基础的模型框架，为主流 Diffusion 模型重新设计了推理和训练流水线，能够实现高效的显存管理、灵活的模型训练。
快速开始，体验热门和最新模型：
| 基础架构 | 模型 ID | 推理 | 低显存推理 | 全量训练 | 全量训练后验证 | LoRA 训练 | LoRA 训练后验证 |
|---|---|---|---|---|---|---|---|
| MiniMax-H3 | MiniMax/MiniMax-H3: FL2VA | code | code | code | code | code | code |
| MiniMax-H3 | DiffSynth-Studio/MiniMax-H3-NF4: FL2VA pruned | code | code | - | - | code | code |
| ACE-Step | ACE-Step/acestep-v15-xl-sft | code | code | code | code | code | code |
| Z-Image | Tongyi-MAI/Z-Image-Turbo | code | code | code | code | code | code |
| Krea-2 | krea/Krea-2-Raw | code | code | code | code | code | code |
| Krea-2 | krea/Krea-2-Turbo | code | code | code | code | code | code |
模型一览：
创新成果
我们相信，一个完善的开源代码框架能够降低技术探索的门槛，我们基于这个代码库搞出了不少有意思的技术。或许你也有许多天马行空的构想，借助 DiffSynth-Studio，你可以快速实现这些想法。
TreeAdapter: 由结构化 LoRA 组建的模型系统
用 1w+ LoRA 组成的模型系统挑战上万个稀有物种的精准生成。
- 论文：TreeAdapter: Hierarchical Taxonomy-Guided Adapter Composition for Fine-Grained Species Image Generation
- 模型：ModelScope
Image-to-LoRA: 把模型训练压缩到模型推理中
真正的 Meta Learning：模型一端输入图像数据集，另一端直接输出训出来的 LoRA 模型。
- 论文：Compressing Image Style Training into a Single Model Forward
- 模型：
- DiffSynth-Studio/ZImage-i2L-v2：适配模型 Z-Image
- DiffSynth-Studio/KleinBase4B-i2L-v2：适配模型 FLUX.2-klein-base-4B
- DiffSynth-Studio/HidreamO1-i2L-v2：适配模型 Hidream-O1-Image
| 输入样例1 | 输出样例1 | 输入样例2 | 输出样例2 |
|---|---|---|---|
Diffusion-Templates: 插件化的可控生成框架
一个框架，让每一种可控生成能力都成为插件，让多个模型组合涌现出丰富生成能力。
- 论文：Diffusion Templates: A Unified Plugin Framework for Controllable Diffusion
- 项目主页：GitHub
- 文档参考：English Version、中文版
- 在线体验：魔搭社区创空间
- 模型集：ModelScope、ModelScope 国际站、HuggingFace
- 数据集：ModelScope、ModelScope 国际站、HuggingFace
| 参考图 | 局部编辑 | 风格迁移 | 清晰度增强 |
|---|---|---|---|
 |
 |
 |
 |
SES: 用于奖励对齐图像生成的高效推理阶段缩放
以推理时间为代价，提高生成内容的质量。
- 论文：Spectral Evolution Search: Efficient Inference-Time Scaling for Reward-Aligned Image Generation
- 代码样例：/docs/en/Research_Tutorial/inference_time_scaling.md
| FLUX.1-dev | FLUX.1-dev + SES | Qwen-Image | Qwen-Image + SES |
|---|---|---|---|
VIRAL：基于DiT模型的类比视觉上下文推理
根据图1到图2的变化把图3转化为图4，图像编辑模型的能力涌现。
- 论文：VIRAL: Visual In-Context Reasoning via Analogy in Diffusion Transformers
- 代码样例：/examples/qwen_image/model_inference/Qwen-Image-Edit-2511-ICEdit.py
- 模型：ModelScope
| Example 1 | Example 2 | Query | Output |
|---|---|---|---|
AttriCtrl: 图像生成模型的属性强度控制
用数值属性也能精准地控制图像生成模型。
- 论文：AttriCtrl: Fine-Grained Control of Aesthetic Attribute Intensity in Diffusion Models
- 代码样例：/examples/flux/model_inference/FLUX.1-dev-AttriCtrl.py
- 模型：ModelScope
| brightness scale = 0.1 | brightness scale = 0.3 | brightness scale = 0.5 | brightness scale = 0.7 | brightness scale = 0.9 |
|---|---|---|---|---|
AutoLoRA: 自动化的 LoRA 检索和融合
LoRA 是需求和解决方案一体化的产物，如何更好地利用这些 LoRA？
Nexus-Gen: 统一架构的图像理解、生成、编辑
如果一个模型集齐图像理解、图像生成、图像编辑能力，会发生什么？
- 详细页面：https://github.com/modelscope/Nexus-Gen
- 论文：Nexus-Gen: Unified Image Understanding, Generation, and Editing via Prefilled Autoregression in Shared Embedding Space
- 模型：ModelScope, HuggingFace
- 数据集：ModelScope Dataset
- 在线体验：ModelScope Nexus-Gen Studio
ArtAug: 图像生成模型的美学提升
一个 LoRA，大幅提升细节和美感。
- 详细页面：./examples/ArtAug/
- 论文：ArtAug: Enhancing Text-to-Image Generation through Synthesis-Understanding Interaction
- 模型：ModelScope, HuggingFace
- 在线体验：ModelScope AIGC Tab
| FLUX.1-dev | FLUX.1-dev + ArtAug LoRA |
|---|---|
EliGen: 精准的图像分区控制
如何用分区图层控制画面内容的位置？
- 论文：EliGen: Entity-Level Controlled Image Generation with Regional Attention
- 代码样例：/examples/flux/model_inference/FLUX.1-dev-EliGen.py
- 模型：ModelScope, HuggingFace
- 在线体验：ModelScope EliGen Studio
- 数据集：EliGen Train Set
| 实体控制区域 | 生成图像 |
|---|---|
ExVideo: 视频生成模型的扩展训练
如果视频生成模型只能生成 25 帧，如何才能让它生成更长视频？
- 项目页面：Project Page
- 论文：ExVideo: Extending Video Diffusion Models via Parameter-Efficient Post-Tuning
- 代码样例：请前往旧版本查看
- 模型：ModelScope, HuggingFace
https://github.com/modelscope/DiffSynth-Studio/assets/35051019/d97f6aa9-8064-4b5b-9d49-ed6001bb9acc
Diffutoon: 高分辨率动漫风格视频渲染
我管你这那的，我就是喜欢二次元！
- 项目页面：Project Page
- 论文：Diffutoon: High-Resolution Editable Toon Shading via Diffusion Models
- 代码样例：请前往旧版本查看
注意：Diffutoon 示例来自 2.0 之前的代码库，目前不包含在 main 分支中。请将上面的旧版本代码与对应版本的 DiffSynth-Studio 一起使用。
https://github.com/Artiprocher/DiffSynth-Studio/assets/35051019/b54c05c5-d747-4709-be5e-b39af82404dd
DiffSynth: 本项目的初代版本
在没有视频生成模型的时代，如何利用图像生成模型处理视频？
- 项目页面：Project Page
- 论文：DiffSynth: Latent In-Iteration Deflickering for Realistic Video Synthesis
- 代码样例：请前往旧版本查看
https://github.com/Artiprocher/DiffSynth-Studio/assets/35051019/59fb2f7b-8de0-4481-b79f-0c3a7361a1ea
联系我们
| Discord：https://discord.gg/Mm9suEeUDc |
|---|