diffusion-explainer

在浏览器里一步步拆解 Stable Diffusion,看懂 AI 绘画过程

Diffusion Explainer 是一个交互式可视化工具,旨在帮助用户直观理解文本到图像生成模型(如 Stable Diffusion)的内部工作原理。它通过浏览器端运行,将复杂的深度学习模型(包括 CLIP 文本编码器、UNet 去噪网络和 VAE 图像解码器)拆解为可交互的步骤,用户输入文本提示后,可以逐步观察噪声图像如何被逐步去噪并最终生成对应图像。该工具解决了深度学习模型“黑盒”问题,使研究者、教育者和爱好者无需深入代码即可探索扩散模型的机制。核心能力包括:实时可视化去噪过程、展示注意力权重、对比不同提示的效果,以及提供简化的模型架构图。项目基于 JavaScript 和 Web 技术,无需安装即可在浏览器中体验,适合教学演示和科普。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 498
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poloclub
所属国家
定价模式free
价格说明完全免费,开源项目,提供在线交互式可视化演示,无需付费。
访问状态
是否开源是
开源协议MIT
主要语言JavaScript
技术栈/模型clip,deep-learning,generative-model,interactive-visualization,machine-learning,stable-diffusion,unet,visual-learning,visualization
GitHub 星标★ 498
30天Star增速
HF 下载量
上线时间2022-12-27 00:00:00
最近更新2026-09-23 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1

使用教程

核心亮点

  • 交互式可视化去噪过程,直观展示每一步噪声到图像的转变
  • 无需安装,浏览器直接运行,降低学习门槛
  • 支持自定义文本提示,实时对比不同输入对生成结果的影响

不足之处

  • 仅支持简化版模型,无法完全复现完整 Stable Diffusion 的生成质量
  • 文档和社区支持较少,扩展性有限

适用场景

  • 教学演示:在课堂或讲座中解释扩散模型原理
  • 科普传播:向非技术人群展示 AI 绘画背后的过程
  • 开发调试:帮助研究者理解模型内部特征和注意力机制

替代项目

Latent Diffusion Model Visualization、Stable Diffusion WebUI (AUTOMATIC1111)、Distill.pub 的扩散模型解释文章

项目介绍

diffusion-explainer 是学习教育领域的开源项目,由 poloclub 开发,2022 年首次发布。

它收录于学习教育分类,该分类目前共有 427 个项目,GitHub 星标数为 498。

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 2026-09-23。完全免费,开源项目,提供在线交互式可视化演示,无需付费。从国内网络环境看,可直接访问。

它主要面向的使用场景是:教学演示:在课堂或讲座中解释扩散模型原理。同类可对比的替代方案包括 Latent Diffusion Model Visualization、Stable Diffusion WebUI (AUTOMATIC1111)、Dist…。

上一篇:AnkiAIUtils

下一篇:VP-StableDiffusionBook

同类项目推荐

awesome-awesome-ai 开源

一站式导航AI资源,告别收藏夹吃灰

An awesome list for collecting awesome lists related to AI.

★ 136 2026-08-09
machine-learning 开源

免费学AI,从入门到实战,社区共建资源库

Learn AI together, for free. AI learning and teaching resources for everyone.

★ 231 2026-08-09
groundhog 开源

拆解 Cursor 原理,手把手教你造 AI 编程助手

Groundhog's primary purpose is to teach people how Cursor and all these other coding···

★ 405 2026-08-09
notebooks 开源

跟着最新视觉模型教程,边看边跑代码,快速上手实战

A collection of tutorials on state-of-the-art computer vision models and techniques.···

★ 9686 2026-08-10