modular-diffusion

像搭积木一样，快速搭建你的自定义扩散模型

modular-diffusion 是一个基于 PyTorch 的模块化扩散模型设计与训练库。它旨在解决扩散模型研究中的代码复用和灵活定制问题，提供高度解耦的组件，如噪声调度器、采样器、UNet 骨干网络、条件嵌入等，用户可像搭积木一样组合出适合自己任务的扩散模型。该库支持图像生成、音频生成和文本生成等多种模态，内置常用训练循环和评估工具，降低从零实现扩散模型的门槛。其核心能力在于模块化设计，允许研究者快速替换或实验不同组件，而无需重写整个框架。适合学术研究、快速原型验证以及教学场景。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 291

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cabralpinto

所属国家

官网地址https://cabralpinto.github.io/modular-diffusion

GitHubhttps://github.com/cabralpinto/modular-diffusion

定价模式free

价格说明开源MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型audio-generation,deep-learning,diffusion-models,image-generation,machine-learning,modular-design,python,pytorch,text-generation,transformer,u-net

GitHub 星标★ 291

30天Star增速

HF 下载量

上线时间2023-06-22 00:00:00

最近更新2026-08-04 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2

使用教程

核心亮点

高度模块化设计，各组件可独立替换，方便实验对比
支持图像、音频、文本多模态生成，适用面广
基于 PyTorch，与主流生态无缝集成，上手快

不足之处

早期项目，文档和示例尚不完善，学习曲线较陡
社区规模小，遇到问题可参考的资源有限

适用场景

学术研究中快速验证新的扩散模型架构
工业界定制特定场景的生成模型（如音频、图像）
教学演示扩散模型原理与组件交互

替代项目

Hugging Face Diffusers、OpenAI Guided Diffusion、Stable Diffusion (CompVis)

项目介绍

modular-diffusion 是模型训练领域的开源项目，由 cabralpinto 开发，2023 年首次发布。

它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 291。

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 2026-08-04。开源MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：学术研究中快速验证新的扩散模型架构。同类可对比的替代方案包括 Hugging Face Diffusers、OpenAI Guided Diffusion、Stable Diffusion (CompVis)。

上一篇：Scaling-Diffusion-Transformers-muP

下一篇：BitVAE