flash-diffusion

让扩散模型生成图像快数倍，实时出图不等待

Flash Diffusion 是一个加速条件扩散模型推理的开源项目，来自 AAAI 2025 Oral 论文。它通过引入先进的蒸馏技术和架构优化，显著减少扩散模型（如 SDXL、DiT 等）在文本到图像、图像修复、超分辨率等任务中的采样步数，从而在保持生成质量的同时大幅提升推理速度。项目核心能力包括：支持多种主流扩散模型架构、提供即插即用的加速模块、以及针对不同任务（如 inpainting、super-resolution）的优化方案。它解决的核心问题是扩散模型在实际应用中推理慢、部署成本高的问题，使得实时或近实时的图像生成成为可能。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 666

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gojasper

所属国家

官网地址

GitHubhttps://github.com/gojasper/flash-diffusion

定价模式free

价格说明开源项目，本地部署，完全免费

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型diffusion-models,distillation,dit,inpainting,sdxl,super-resolution,text-to-image

GitHub 星标★ 666

30天Star增速

HF 下载量

上线时间2024-06-04 00:00:00

最近更新2026-09-19 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

基于 AAAI 2025 Oral 论文，方法有学术背书，蒸馏技术成熟可靠
支持 SDXL、DiT 等多种主流架构，覆盖文生图、修复、超分等场景
提供即插即用加速模块，可无缝集成到现有扩散模型流程中

不足之处

项目处于早期阶段，文档和社区支持可能不够完善
蒸馏过程可能需要额外训练成本，对普通用户有一定门槛

适用场景

实时交互式图像生成应用，如设计工具、AI 绘画助手
大规模图像生成服务，降低推理成本提升吞吐量
边缘设备或移动端部署扩散模型，实现本地快速生成

替代项目

DeepCache、LCM-LoRA、BK-SDM

项目介绍

flash-diffusion 是图像领域的开源项目，由 gojasper 开发，2024 年首次发布。

它收录于图像分类，该分类目前共有 837 个项目，GitHub 星标数为 666。

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 2026-09-19。本地部署，完全免费。

它主要面向的使用场景是：实时交互式图像生成应用，如设计工具、AI绘画助手。同类可对比的替代方案包括 DeepCache、LCM-LoRA、BK-SDM。

上一篇：OneDiffusion

下一篇：cycle-diffusion