# Diffusers

O Diffusers fornece modelos de difusão pré-treinados e os blocos de construção para fluxos de trabalho personalizados de imagem, vídeo e áudio.

Ele possui dois caminhos principais.

- [DiffusionPipeline](/docs/diffusers/v0.43.0/pt/api/pipelines/overview#diffusers.DiffusionPipeline) suporta inferência em poucas linhas com checkpoints pré-treinados, além de adaptadores como LoRA. Este é o caminho mais simples para geração.
- [Modular Diffusers](./modular_diffusers/overview) permite blocos componíveis e [ModularPipeline](/docs/diffusers/v0.43.0/pt/api/modular_diffusers/pipeline#diffusers.ModularPipeline) para pipelines personalizados quando você precisa de mais controle.

Otimizações, como offloading e quantização, mantêm modelos grandes executáveis em dispositivos com memória limitada. Se a memória não for um problema, o Diffusers também suporta `torch.compile` para inferência mais rápida.

Veja agora os modelos Diffusers em alta no [Hub](https://huggingface.co/models?library=diffusers&sort=trending).

## Aprender

Se você é iniciante, comece pelo [Curso de Modelos de Difusão da Hugging Face](https://huggingface.co/learn/diffusion-course/unit0/1). Ele aborda a teoria da difusão e como gerar imagens, ajustar finamente modelos e muito mais com o Diffusers.

O [Início rápido](./quicktour) também inclui um prompt de configuração de agente para inferência que pode ser copiado.

## Para onde ir a seguir

- [Inferência](./using-diffusers/loading) — carregar pipelines e executar a geração
- [Otimizar e escalar](./stable_diffusion) — memória, velocidade, quantização e serviço
- [Modular Diffusers](./modular_diffusers/overview) — crie pipelines personalizados a partir de blocos
- [Treinar e ajustar](./training/overview) — treinar modelos de difusão e adaptadores
- [CLI](./using-diffusers/cli) - execute e empacote pipelines a partir da linha de comando