# Diffusers

Diffusers ofrece modelos de difusión preentrenados y los bloques de construcción para flujos de trabajo personalizados de imágenes, videos y audio.

Tiene dos vías principales.

- [DiffusionPipeline](/docs/diffusers/main/es/api/pipelines/overview#diffusers.DiffusionPipeline) permite la inferencia en pocas líneas con puntos de control preentrenados, además de adaptadores como LoRA. Esta es la vía más sencilla para la generación.
- [Modular Diffusers](./modular_diffusers/overview) habilita bloques componibles y [ModularPipeline](/docs/diffusers/main/es/api/modular_diffusers/pipeline#diffusers.ModularPipeline) para pipelines personalizados cuando necesitas más control.

Optimizaciones como el offloading y la cuantización permiten ejecutar modelos grandes en dispositivos con memoria limitada. Si la memoria no es un problema, Diffusers también admite `torch.compile` para una inferencia más rápida.

Explora ahora los modelos de Diffusers en tendencia en el [Hub](https://huggingface.co/models?library=diffusers&sort=trending).

## Aprender

Si eres principiante, comienza con el [Curso de modelos de difusión de Hugging Face](https://huggingface.co/learn/diffusion-course/unit0/1). Aborda la teoría de la difusión y cómo generar imágenes, ajustar modelos y mucho más con Diffusers.

El [Quickstart](./quicktour) también incluye un prompt de configuración de agente copiable para inferencia.

## ¿Qué sigue?

- [Inferencia](./using-diffusers/loading) — carga de pipelines y ejecución de la generación
- [Optimizar y escalar](./optimization/overview) — memoria, velocidad, cuantización y servicio
- [Diffusers modulares](./modular_diffusers/overview) — construye pipelines personalizados a partir de bloques
- [Entrenar y ajustar](./training/overview) — entrena modelos de difusión y adaptadores
- [CLI](./using-diffusers/cli) - ejecutar y empaquetar pipelines desde la línea de comandos