懂AI
DiffSynth-Studio

DiffSynth-Studio

多功能扩散模型引擎 支持长视频合成与图像生成

DiffSynth Studio是一款开源的扩散模型引擎，整合了ExVideo、Stable Diffusion 3和Kolors等多种AI模型。该引擎支持长视频合成、高分辨率图像生成、卡通渲染和视频风格化等功能。项目持续更新，重点探索扩散模型在视频合成领域的应用潜力。

DiffSynth Studio扩散模型视频生成图像合成AI绘画Github开源项目
访问官网GitHubHugging Face论文

DiffSynth Studio

PyPI 许可证 未解决问题 GitHub拉取请求 GitHub最新提交

<p align="center"> <a href="https://trendshift.io/repositories/10946" target="_blank"><img src="https://trendshift.io/api/badge/repositories/10946" alt="modelscope%2FDiffSynth-Studio | Trendshift" style="width: 250px; height: 55px;" width="250" height="55"/></a> </p>

简介

DiffSynth Studio是一个扩散引擎。我们重构了包括文本编码器、UNet、VAE等在内的架构，保持与开源社区模型的兼容性，同时提高了计算性能。我们提供了许多有趣的功能。尽情享受扩散模型的魔力吧！

目前，DiffSynth Studio已支持以下模型：

新闻

  • 2024年6月21日 🔥🔥🔥 我们提出了ExVideo，这是一种旨在增强视频生成模型能力的后期微调技术。我们已将Stable Video Diffusion扩展至能够生成长达128帧的视频。

  • 2024年6月13日 DiffSynth Studio已转移至ModelScope。开发者已从"我"转变为"我们"。当然，我仍将参与开发和维护。

  • 2024年1月29日 我们提出了Diffutoon，这是一个卡通着色的绝佳解决方案。

    • 项目主页
    • 源代码已在本项目中发布。
    • 技术报告（IJCAI 2024）已在arXiv上发布。

  • 2023年12月8日 我们决定开发一个新项目，旨在释放扩散模型的潜力，特别是在视频合成方面。该项目的开发已经启动。

  • 2023年11月15日。 我们提出了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，即FastSDXL。这是构建扩散引擎的一次尝试。

    • 源代码已在GitHub上发布。
    • FastSDXL包含一个可训练的OLSS调度器，用于提高效率。
      • OLSS的原始仓库在这里。
      • 技术报告（CIKM 2023）已在arXiv上发布。
      • 演示视频已在哔哩哔哩上展示。
      • 由于OLSS需要额外训练，我们没有在这个项目中实现它。

  • 2023年8月29日。 我们提出了DiffSynth，一个视频合成框架。

安装

从源代码安装：

git clone https://github.com/modelscope/DiffSynth-Studio.git
cd DiffSynth-Studio
pip install -e .

或从pypi安装：

pip install diffsynth

使用方法（Python代码）

Python示例在examples目录中。这里我们提供一个概览。

长视频合成

我们训练了一个扩展的视频合成模型，可以生成128帧。examples/ExVideo

图像合成

通过突破扩散模型的限制，生成高分辨率图像！examples/image_synthesis。

在examples/train中支持LoRA微调。

模型示例
Stable Diffusion1024
Stable Diffusion XL1024
Stable Diffusion 3image_1024
Kolorsimage_1024
Hunyuan-DiTimage_1024

卡通渲染

以扁平风格渲染真实视频，并启用视频编辑功能。examples/Diffutoon

视频风格化

无需视频模型的视频风格化。examples/diffsynth

使用方法（WebUI）

python -m streamlit run DiffSynth_Studio.py

编辑推荐精选

问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多