DiffSynth-Studio 文档

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。我们期望构建一个通用的 Diffusion 模型框架，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边界！

文档阅读导引

graph LR;
    我想要使用模型进行推理和训练-->sec1[Section 1: 上手使用];
    我想要使用模型进行推理和训练-->sec2[Section 2: 模型详解];
    我想要使用模型进行推理和训练-->sec3[Section 3: 训练框架];
    我想要基于此框架进行二次开发-->sec3[Section 3: 训练框架];
    我想要基于此框架进行二次开发-->sec4[Section 4: 模型接入];
    我想要基于此框架进行二次开发-->sec5[Section 5: API 参考];
    我想要基于本项目探索新的技术-->sec4[Section 4: 模型接入];
    我想要基于本项目探索新的技术-->sec5[Section 5: API 参考];
    我想要基于本项目探索新的技术-->sec6[Section 6: Diffusion Templates]
    我想要基于本项目探索新的技术-->sec7[Section 7: 学术导引];
    我遇到了问题-->sec8[Section 8: 常见问题];

Section 1: 上手使用

本节介绍 DiffSynth-Studio 的基本使用方式，包括如何启用显存管理从而在极低显存的 GPU 上进行推理，以及如何训练任意基础模型、LoRA、ControlNet 等模型。

Section 2: 模型详解

本节介绍 DiffSynth-Studio 所支持的 Diffusion 模型，部分模型 Pipeline 具备可控生成、并行加速等特色功能。

Section 3: 训练框架

本节介绍 DiffSynth-Studio 中训练框架的设计思路，帮助开发者理解 Diffusion 模型训练算法的原理。

Section 4: 模型接入

本节介绍如何将模型接入 DiffSynth-Studio 从而使用框架基础功能，帮助开发者为本项目提供新模型的支持，或进行私有化模型的推理和训练。

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（图像 / 视频 / 音频）接入 DiffSynth-Studio 的全流程自动化。它沉淀并定义了 DiffSynth-Studio 的模型接入规范，将代码库分析、模型代码接入、Pipeline 设计、低显存管理与训练支持等最佳实践固化为可复用的标准流程。遵循这套规范，能显著降低接入门槛、减少反复调试，大幅提升新模型的接入效率。建议从 diffsynth-integrator 的使用示例开始，快速上手、加速模型接入。

Section 5: API 参考

本节介绍 DiffSynth-Studio 中的独立核心模块 diffsynth.core，介绍内部的功能是如何设计和运作的，开发者如有需要，可将其中的功能模块用于其他代码库的开发中。

diffsynth.core.attention: 注意力机制实现
diffsynth.core.data: 数据处理算子与通用数据集
diffsynth.core.gradient: 梯度检查点
diffsynth.core.loader: 模型下载与加载
diffsynth.core.quant: 模型量化
diffsynth.core.vram: 显存管理

Section 6: Diffusion Templates

本节介绍 Diffusion 模型可控生成插件框架 Diffusion Templates，讲解 Diffusion Templates 框架的运行机制，展示如何使用 Template 模型进行推理和训练。

Section 7: 学术导引

本节介绍如何利用 DiffSynth-Studio 训练新的模型，帮助科研工作者探索新的模型技术。

Section 8: 常见问题

本节总结了开发者常见的问题，如果你在使用和开发中遇到了问题，请参考本节内容，如果仍无法解决，请到 GitHub 上给我们提 issue。

常见问题