DiffSynth-Studio/docs/source/tutorial/ASimpleExample.md

快速开始

在这篇文档中，我们通过一段代码为你介绍如何快速上手使用 DiffSynth-Studio 进行创作。

安装

使用以下命令从 GitHub 克隆并安装 DiffSynth-Studio。更多信息请参考安装。

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

一键运行！

通过运行以下代码，我们将会下载模型、加载模型、生成图像。

from diffsynth import ModelManager, SDXLImagePipeline

model_manager = ModelManager(device="cuda", model_id_list=["StableDiffusionXL_v1"])
pipe = SDXLImagePipeline.from_model_manager(model_manager)

image = pipe(
    prompt="Diffuse light particles in the universe",
    height=576, width=1024, seed=0
)
image.save("image.jpg")

从这个例子中，我们可以看到，DiffSynth 中有两个关键模块：ModelManager 和 Pipeline，接下来我们详细介绍。

下载和加载模型

ModelManager 负责下载和加载模型，通过以下代码可以直接一步完成。

from diffsynth import ModelManager, SDXLImagePipeline

model_manager = ModelManager(device="cuda", model_id_list=["StableDiffusionXL_v1"])

当然，我们也支持分步完成，以下代码和上述代码的行为是等价的。

from diffsynth import download_models, ModelManager

download_models(["StableDiffusionXL_v1"])
model_manager = ModelManager(device="cuda")
model_manager.load_models(["models/stable_diffusion_xl/sd_xl_base_1.0.safetensors"])

下载模型时，我们支持从 ModelScope 和 HuggingFace 下载模型，也支持下载非预置的模型，关于模型下载的更多信息请参考模型下载。

加载模型时，你可以把所有想要加载的模型路径放入其中。对于 .safetensors 等格式的模型权重文件，ModelManager 在加载后会自动判断模型类型；对于文件夹格式的模型，ModelManager 会尝试解析其中的 config.json 文件并尝试调用 transformers 等第三方库中的对应模块。关于 DiffSynth-Studio 支持的模型，请参考支持的模型。

构建 Pipeline

DiffSynth-Studio 提供了多个推理 Pipeline，这些 Pipeline 可以直接通过 ModelManager 获取所需的模型并初始化。例如，Kolors（可图）模型的文生图 Pipeline 可以这样构建：

pipe = SDXLImagePipeline.from_model_manager(model_manager)

更多用于图像生成和视频生成的 Pipeline 详见推理流水线。