Awesome-Generation-Acceleration

找生成模型加速方案，看这个清单就够了

这是一个专注于生成模型加速的资源合集，主要收集扩散模型、文本到图像生成等领域的推理加速技术。它解决了生成式AI模型在部署时计算量大、推理速度慢的问题，通过整理高效推理、模型加速、知识蒸馏等方向的论文、工具和工程实践，帮助开发者快速找到提升生成速度的解决方案。项目按技术方向分类，涵盖从算法优化到工程实现的多种路径，适合研究和工程人员参考。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 404

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xuyang-liu16

所属国家

官网地址

GitHubhttps://github.com/xuyang-liu16/Awesome-Generation-Acceleration

定价模式free

价格说明开源资源列表，完全免费，无付费版本。

访问状态

是否开源是

开源协议

主要语言

技术栈/模型diffusion-models,efficient-deep-learning,efficient-inference,image-generation,model-acceleration,text-to-image,text-to-video,video-generation

GitHub 星标★ 404

30天Star增速

HF 下载量

上线时间2024-07-14 00:00:00

最近更新2026-09-04 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3

使用教程

核心亮点

集中整理了扩散模型加速的多种技术路线，省去自己搜论文的麻烦
涵盖推理优化、模型压缩等实用方向，对部署有直接参考价值
作为社区维护的awesome列表，内容会持续更新，紧跟前沿

不足之处

文档/社区待观察
仅收录资源链接，缺少对比分析和使用指导

适用场景

研究扩散模型推理加速时快速调研相关技术
工程部署文生图模型时寻找降低延迟的方案
学习高效生成模型时梳理知识框架

替代项目

Awesome-Diffusion-Models、Awesome-Efficient-Diffusion-Models、Awesome-Model-Compression

项目介绍

Awesome-Generation-Acceleration 是基础设施领域的开源项目，由 xuyang-liu16 开发，2024 年首次发布。

它收录于基础设施分类，该分类目前共有 1,130 个项目，GitHub 星标数为 404。

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 2026-09-04。开源资源列表，完全免费，无付费版本。

它主要面向的使用场景是：研究扩散模型推理加速时快速调研相关技术。同类可对比的替代方案包括 Awesome-Diffusion-Models、Awesome-Efficient-Diffusion-Models、Awesome-Model-Compre…。

上一篇：recodex

下一篇：AsyncDiff