Nitro-1

一步生成高清图，让扩散模型快如闪电

Nitro-1 是 AMD 对 Latent Adversarial Diffusion Distillation (LADD) 论文的可运行复现实现，旨在加速高分辨率图像生成。它解决了扩散模型采样步骤多、推理慢的问题，通过对抗蒸馏将多步采样压缩到 1-4 步，同时保持图像质量。核心能力包括：支持 Stable Diffusion 3.5 等潜在扩散模型、集成对抗损失与蒸馏训练流程、提供推理脚本和预训练权重加载。项目基于 Python 和 PyTorch，面向研究者和开发者，便于在消费级 GPU 上快速实验。目前处于早期阶段，代码结构清晰，但文档和生态尚不完善。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 127
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类图像生成
开发团队AMD-AGI
所属国家
官网地址https://www.amd.com/en/developer/resources/technical-articles/amd-nitro-diffusion-one-step-text-to-image-generation-models.html
GitHubhttps://github.com/AMD-AGI/Nitro-1
定价模式free
价格说明开源项目，Apache-2.0许可，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型ai-research,diffusion-models,image-generation
GitHub 星标★ 127
30天Star增速
HF 下载量
上线时间2024-08-06 00:00:00
最近更新2026-06-24 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

核心亮点

  • 对抗蒸馏技术，将采样步骤从数十步压缩至1-4步，推理速度大幅提升
  • 基于AMD官方复现，代码与论文对齐，适合学术研究和二次开发
  • 支持主流潜在扩散模型（如SD3.5），兼容现有生态

不足之处

  • 文档/社区待观察
  • 训练资源需求高，蒸馏过程对GPU显存和算力要求严格

适用场景

  • 实时图像生成应用（如交互式设计工具）
  • 高分辨率图像批量生成（如影视预览）
  • 扩散模型加速研究（蒸馏方法对比实验）

替代项目

Latent Consistency Models、Adversarial Diffusion Distillation、Progressive Distillation

项目介绍

Nitro-1 是开源模型领域的开源项目，由 AMD-AGI 开发，2024 年首次发布。

它收录于开源模型分类，该分类目前共有 424 个项目，GitHub 星标数为 127。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-06-24。Apache-2.0许可，完全免费，可自行部署使用。

它主要面向的使用场景是：实时图像生成应用（如交互式设计工具）。同类可对比的替代方案包括 Latent Consistency Models、Adversarial Diffusion Distillation、Progressive Distill…。

上一篇：recurrent-interface-network-pytorch

下一篇：Awesome-AIGC-Research-Groups

同类项目推荐

Machine-Learning 开源

跟着博客笔记，边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库，免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10