企业官网建设流程全解析

5分钟跑通 DiffSynth-Studio：从安装到出图的完整指南

【免费下载链接】DiffSynth-StudioEnjoy the magic of Diffusion models!项目地址: https://gitcode.com/GitHub_Trending/dif/DiffSynth-Studio

想跑 FLUX、Wan 这类热门模型，或者训练自己的 LoRA，却卡在"显存不够、代码繁琐、训练不知从哪下手"？DiffSynth-Studio 是魔搭团队开源的扩散引擎，把图像、视频、音频模型的推理与训练管线都统一了起来，装完就能用。

核心亮点速览

• 低显存推理：权重在磁盘、内存、显存之间动态调度，6GB 显存的消费级显卡也能跑大模型
• 参数量化：支持 NF4、INT8 等精度，进一步压低显存占用
• 推理训练一体：几乎每个能推理的模型都支持全量训练和 LoRA 训练
• 模型覆盖广：FLUX、Qwen-Image 图像模型，Wan 视频模型，ACE-Step 音乐模型，连图像质量评估模型也齐了

从零到跑通

环境准备：拉取源码

git clone https://gitcode.com/GitHub_Trending/dif/DiffSynth-Studio cd DiffSynth-Studio

为什么要执行：官方推荐源码安装，而且examples/目录里有每个模型现成的示例脚本，后面上手全靠它。

依赖安装：一条命令搞定

pip install -e .

为什么要执行：这一步会装上diffsynth包及 torch 等核心依赖，需要 Python ≥ 3.10 和一块 CUDA 显卡。

💡 如果你要用量化或音频模型，加装可选依赖组：pip install -e ".[audio,quant]"。

首次启动：打开推理 WebUI

pip install streamlit streamlit run examples/dev_tools/webui.py --server.fileWatcherType none

为什么要执行：WebUI 靠解析 Pipeline 代码的类型标注自动生成参数面板，界面交互和代码调用完全一致，适合快速验证效果。启动后浏览器打开http://localhost:8501/，能看到自动生成的参数控制面板：选一个模型、填提示词，点生成就能看到结果图。

实战场景演示

• 文生图：运行examples/z_image/model_inference/Z-Image-Turbo.py，核心就一行：image = pipe(prompt, seed=0, num_inference_steps=40)
• 文生视频：打开examples/wanvideo/model_inference/选脚本跑 Wan 系列，显存紧张就换同名model_inference_low_vram/目录里的版本
• 训练自己的 LoRA：执行examples/z_image/model_training/lora/下的.sh脚本，跑完用validate_lora/里的脚本验证效果

生态联动与进阶方向

• ModelScope：默认的模型托管与下载源，代码里填model_id即可自动把模型文件拉到./models；网络条件受限时可用环境变量切换下载源，详见环境变量文档
• DiffSynth-WebUI：基于本框架搭建的轻量 LoRA 训练工具，支持一键私有化部署，配合量化功能可以让消费级显卡训练大模型

新手避坑

⚠️ 有个小坑先说在前：pypi 上的diffsynth包存在版本更新延迟，遇到"属性找不到"之类的报错，先换回源码安装pip install -e .，这也是官方推荐方式。另外默认模型下载源是魔搭国内站，如果切到 HuggingFace，模型 ID 可能和国内平台不一样，参考模型推理文档里的环境变量说明。

跑通第一张图之后，可以去官方文档和examples/目录继续挖显存管理、量化、Split Training 这些进阶机制。

以上步骤基于当前公开文档，具体版本差异请以官方 Readme 为准。

【免费下载链接】DiffSynth-StudioEnjoy the magic of Diffusion models!项目地址: https://gitcode.com/GitHub_Trending/dif/DiffSynth-Studio