README.Zh Hans

简介

本应用内置 Apple 的 Core ML Stable Diffusion 框架 以实现在搭载 Apple 芯片的 Mac 上用极低的内存占用发挥出最优性能。

功能

• 极致性能和极低内存占用 (使用神经网络引擎时 ~150MB)
• 在所有搭载 Apple 芯片的 Mac 上充分发挥神经网络引擎的优势
• 生成图像时无需联网
• 图像转图像（Image2Image）
• 使用 ControlNet 生成图像
• 在图像的 EXIF 信息中存储所有的关键词（在访达的“显示简介”窗口中查看）
• 使用 RealESRGAN 放大生成的图像
• 自动保存 & 恢复图像
• 自定义 Stable Diffusion Core ML 模型
• 无需担心损坏的模型
• 使用 macOS 原生框架 SwiftUI 开发

下载

在 发行 页面下载最新版本。

运行

在初次运行模型时, 神经网络引擎可能需要约2分钟编译缓存，后续运行速度会显著提高。

计算单元

• CPU 和神经网络引擎 能很好地平衡性能和内存占用
• CPU 和 GPU 在 M1 Max/Ultra 及后续型号上可能更快，但会占用更多内存

你需要根据不同的计算单元选择对应的模型 (详情见模型部分)。

模型

你需要自行转换或下载 Core ML 模型以使用 Mochi Diffusion。

这里 上传了几个已经转换好的模型

1. 转换 或下载 Core ML 模型
   • split_einsum 版本适用于包括神经网络引擎在内的所有计算单元
   • original 版本仅适用于 CPU 和 GPU
2. 默认情况下，应用程序的模型文件夹将创建在您的主目录下。 可以在“设置”下自定义此位置
3. 在模型文件夹中，你可以新建一个文件夹，用自己想在应用内显示的名字为其重命名，再将转换好的模型放到文件夹中
4. 你的文件夹路径应该像这样:

<主目录>/
└── MochiDiffusion/
    └── models/
        ├── stable-diffusion-2-1_split-einsum_compiled/
        │   ├── merges.txt
        │   ├── TextEncoder.mlmodelc
        │   ├── Unet.mlmodelc
        │   ├── VAEDecoder.mlmodelc
        │   ├── VAEEncoder.mlmodelc
        │   └── vocab.json
        ├── ...
        └── ...

兼容性

• Apple 芯片的 Mac (M1 及后续)
• macOS Sonoma 14.0 以上
• Xcode 15.2 (自行构建)

隐私

所有计算均在本地完成并绝对不会上传任何数据。

贡献

无论是修复 bug，新增代码，还是完善翻译，Mochi Diffusion 欢迎你的贡献。

• 如果你发现了一个bug，或者有新的建议和想法，请先在这里搜索议题以避免重复。在确认没有重复后，你可以创建一个新议题。

• 如果你想贡献代码，请创建拉取请求或发起一个新的讨论来探讨。我个人推荐安装 swift-format 以规范代码格式。

• 如果你想对 Mochi Diffusion 贡献翻译，请到项目的 Crowdin 页面，你可以免费创建一个账户然后开始翻译。

致谢

• Apple's Core ML Stable Diffusion implementation
• Hugging Face's Swift UI sample implementation
• 应用图标作者 Zabriskije